PDF hazırlanıyor, lütfen bekleyin...
PDF
BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ
LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ
VERİ BİLİMİ VE ANALİTİĞİ - YL
(2025 - 2026)
Ders Bilgi Formu
Ders Adı
Kodu
Yarıyıl
T+U Saat
AKTS
Z / S
Veri Zarflama Analizi ve Uygulamaları
VBL5029
1
3 + 0
7,5
Seçmeli
Birim Bölüm
Veri Bilimi ve Analitiği - YL -
Lisansüstü
(Yüz yüze)
Amaç
İstatistiksel verilere gelişmiş analiz yöntemleri uygulayarak skor katsayıları geliştirmek ve birimler arasında en iyilerinin ve en kötülerinin belirlenmesini sağlamak
Ders İçeriği
1- Derse hazırlık açısından temel lineer programlama ve Hedef programlama konularının özeti 2- Veri zarflama analizinin temel kavramları 3- Veri zarflama analizinde kullanılan Paket programlar 4- Veri Zarflama Yöntemleri • Girdiye yöneli modeller • Çıktıya yönelik modeller 5- Toplamsal ve Çarpımsal yöntemler 6- İleri Veri zarflama yöntemleri • Karma modeller • Süper etkinlik modeli • Güven bölgesi modeli yaklaşımı • İsteğe bağlı olmayan değişkenler modeli • Katogorik değişken modeli • İstenmeyen değişken modeli • Malmquist indeksi
EBS Koordinatörü
Kadriye Nurdanay ÖZTÜRK
Hafta
Konu
1
Lineer Programlama
2
Hedef Programlama
3
Performans ölçümü ve performans ölçüm modelleri, Veri Zarflama Analizine Giriş ve Temel Kavramlar ve Veri Zarflama Analizinde Kullanılan Paket Programlar
4
Performans ölçümü ve performans ölçüm modelleri, Veri Zarflama Analizine Giriş ve Temel Kavramlar ve Veri Zarflama Analizinde Kullanılan Paket Programlar
5
Chares, Cooper, Rhodes (CCR) modeli
6
Chares, Cooper, Rhodes (CCR) modeli
7
Girdiye Yönelik CCR modeli
8
Çıktıya Yönelik CCR modeli
9
Banker, Charnes ve Cooper (BCC)modeli
10
Banker, Charnes ve Cooper (BCC)modeli
11
Girdiye Yönelik BCC modeli
12
Çıktıya Yönelik BCC modeli
13
Toplamsal Modeller/ Çarpımsal modeller
14
Veri zarflama yönteminde ileri teknikler
Program Çıktıları
1
Veri bilimi ve analitiğinin temel bileşenlerine hâkim olma; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilme
2
Yapılandırılmış ve yapılandırılmamış veri tiplerini analiz etme becerisine sahip olma; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilme
3
Veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilme; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilme
4
Veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilme
5
Karmaşık veri odaklı problemleri analiz edebilme, uygun çözüm yolları geliştirebilme ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilme
6
Veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilme, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilme; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilme
7
Veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilme; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilme, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilme
8
Veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilme, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilme; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilme
9
Veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahip olma; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilme
10
Veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilme; çok disiplinli takımlarda etkin biçimde çalışabilme, iletişim kurabilme ve iş birliğine dayalı çözümler geliştirebilme
11
Veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkim olma; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilme, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket edebilme
Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)
Ders Öğrenme Çıktısı
PÇ 1
PÇ 2
PÇ 3
PÇ 4
PÇ 5
PÇ 6
PÇ 7
PÇ 8
PÇ 9
PÇ 10
PÇ 11
Temel veri tabanını kavrama bilgisi
-
-
-
-
-
-
-
-
-
-
-
Problemlerin çözümlerinin algoritmalarını kurma bilgisi
-
-
-
-
-
-
-
-
-
-
-
Takım çalışmalarına kolaylıkla katılabilme becerisi
-
-
-
-
-
-
-
-
-
-
-
Temel bilgileri aldıktan sonra ilgileneceği konuya kolaylıkla intibak edebilme becerisi
-
-
-
-
-
-
-
-
-
-
-
Algoritma kurarak problemi bilgisayarla çözebilme becerisi
-
-
-
-
-
-
-
-
-
-
-
Ortalama Değer
-
-
-
-
-
-
-
-
-
-
-
https://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451255