VBL5029 - Veri Zarflama Analizi ve Uygulamaları

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