Bizi takip edin
|
EN

İŞLETME FAKÜLTESİ

Lojistik Yönetimi

BUS 220 | Ders Tanıtım Bilgileri

Dersin Adı
İşletme ve Ekonomi için Veri Analitiği
Kodu
Yarıyıl
Teori
(saat/hafta)
Uygulama/Lab
(saat/hafta)
Yerel Kredi
AKTS
BUS 220
Bahar
2
2
3
5

Ön-Koşul(lar)
Yok
Dersin Dili
İngilizce
Dersin Türü
Zorunlu
Dersin Düzeyi
Lisans
Dersin Veriliş Şekli -
Dersin Öğretim Yöntem ve Teknikleri Deney / Laboratuvar / Atölye uygulama
Anlatım / Sunum
Dersin Koordinatörü
Öğretim Eleman(lar)ı
Yardımcı(ları)
Dersin Amacı Veri analizi, günümüzün dijital ortamında tüm profesyoneller için bir gerekliliktir. Bu ders, işletme ve ekonomi alanlarında gerekli olan temel veri analizi becerilerini geliştirmeyi amaçlamaktadır.
Öğrenme Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Yordamsal dil ile yazılmış bir programın yapısını açıklayabilecektir
  • Python programlarını test etmek suretiyle hatalarını ayıklayabilecektir.
  • Veri bağlantısı, web kazıma, vb. beceriler gerektiren bir işletme veri işleme problemini çözmek için Python programlama modellerini kullanabilecektir.
  • Bir işletme veya araştırma ekibi ortamındaki analitik görevler için R istatistiksel programlama platformunun ve RStudio yazılımının avantajlarını, kabiliyetlerini ve en iyi uygulamalarını tanımlayabilecektir.
  • R Notebook kullanarak veri iç görüleri üretebilecektir.
  • Yaygın büyük veri işleme ve analiz işlem hatlarını tanımlayabilecektir.
  • Büyük veri işleme ve analiz işlem hatlarını uygulamak için teknolojileri ve yaklaşımları açıklayabilecektir.
Ders Tanımı Bu ders işletme ve ekonomi alanında gerekli olan veri işleme ve analiz becerilerini geliştirmeyi amaçlamaktadır. Bu derste öğrenciler veri işlemleriyle ilgili bilgisayar kodlama becerilerini, kendi alanlarındaki vaka çalışmaları ile öğrenir. Bilgisayar alanında uzmanlaşmayı hedefleyen öğrenciler için tasarlanan kodlama derslerinin aksine, bu ders algoritmalara işletme ve ekonomi problemlerindeki işlevleri açısından yaklaşmakta ve veri işleme modellerinin özelliklerine ve uygulamalarına odaklanmaktadır. Bu uygulamalı derste öğrenciler, iş uygulamaları ve araştırmalarda yaygın olarak kullanılan Python ve R programlama dillerini öğrenir. Buna ek olarak, ders büyük veri analitiğinin özelliklerini ve bunun için kullanılan teknolojileri de kapsar.Bu ders üç modülden oluşmaktadır: 1 - Büyük veri (2 hafta): Teknolojiler (Hadoop, MapReduce), yetkinlikler, gerçek zamanlı veri işleme, büyük verilerde olası değer yaratma işlem hatları. 2. R ile istatistiksel süreçler (6 hafta): R'da keşifsel istatistikler. 3- Python ile veri analizi için kodlamaya giriş (6 hafta): Veri türleri, arama / sıralama, istatistiksel hesaplamalar için liste işleme, veriler için web kazıma.

 



Dersin Kategorisi

Temel Ders
Uzmanlık/Alan Dersleri
Destek Dersleri
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

 

HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI

Hafta Konular Ön Hazırlık
1 MODÜL 1: Büyük Veri Büyük veri teknolojileri (Hadoop, MapReduce), yetkinlikler, gerçek zamanlı veri işleme. Hedef: Büyük verilerdeki temel veri dönüşümlerini anlamak. Örnek olay: Bir süpermarketteki POS işlemlerinden stok verilerini toplamak için bir veri süreci tasarlayın. Big Data Analytics: Concepts, Technologies, and Applications” https://aisel.aisnet.org/cais/vol34/iss1/65/?utm_source=aisel.aisnet.org%2Fcais%2Fvol34%2Fiss1%2F65&utm_medium=PDF&utm_campaign=PDFCoverPages
2 Büyük veri: Büyük verilerde olası değer oluşturma işlem hatları. Hedef: Büyük verilerdeki gerçek zamanlı veya çevrimdışı değer oluşturma işlem hatlarını anlamak. Örnek olay: İzmir Belediyesi ulaşım araçları verilerini düşünün. Hizmet bilgileri sağlayarak kamu hizmetlerini iyileştirmek için değer yaratma işlem hattı önerin.
3 MODÜL 2: R İLE İSTATİSTİK PROGRAMLAMA R ve Rstudio'yu kullanmaya başlama, R komut dosyaları, R bölmeleri, Paketleri yükleme, R temelleri (nesneler, çalışma alanı, değişken adları) Bölüm 1 Introduction to Data Science; Bölüm 1 R for Data Science https://rafalab.github.io/dsbook/
4 R ve programlama temelleri: Veri türleri ve vektörler; matrisler; faktörler; veri çerçeveleri Bölüm 2 Introduction to Data Science
5 Listeler; İndeksleme; Alt küme *Vaka Çalışması: ABD Silahlı Cinayetler Bölüm 4 Introduction to Data Science
6 ggplot2 Paketi ile görselleştirmeye giriş (grafiklerin grameri, estetik, yönler, dönüşümler) * Veri seti: Galon ve Elmas karat başına Mil Bölüm 3 R for Data Science https://r4ds.had.co.nz/index.html
7 Keşfedici Veri Analizi (Varyasyon, eksik değerler, kovaryasyon) Bölüm 7 R for Data Science
8 Rmarkdown ile Raporlama *Vaka Çalışması: Gapminder veri seti (kişi başına GSYİH, yaşam beklentisi ve doğurganlık) Bölüm 9 Introduction to Data Science
9 MODÜL 3: Python veri işleme modellerine giriş * Python editörü ve arayüzü. Sözdizimi, gramer ve kelime bilgisi. Basit veri türleri.Yardım sistemi. * Python scriptleri Thousand Oaks: SAGE Publications, Inc.”, Bölüm 1
10 * Python veri türleri * Şart/Koşul durumları Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 2
11 * Döngüler * Döngülerle tasarım örüntüleri Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 3
12 * Python veri yapıları * Fonksiyonlar Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 4
13 .csv uzantılı dosyaların kullanımı Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 5
14 "Matlib" ve "Statistics" kütüphaneleri ile istatistiksel hesaplamalar Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 6
15 Dönemin gözden geçirilmesi
16 Final sınavı

 

Ders Kitabı

“Introduction to Python Programming for Business and Social Science Applications” (2020) Frederick Kaefer, Paul Kaefer, Sage publications ISBN: 9781544377445

Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data. " O'Reilly Media, Inc.". ISBN-13: 978-1491910399

Tutorial: “Big Data Analytics: Concepts, Technologies, and Applications”  https://aisel.aisnet.org/cais/vol34/iss1/65/?utm_source=aisel.aisnet.org%2Fcais%2Fvol34%2Fiss1%2F65&utm_medium=PDF&utm_campaign=PDFCoverPages

Önerilen Okumalar/Materyaller

 

DEĞERLENDİRME ÖLÇÜTLERİ

Yarıyıl Aktiviteleri Sayı Katkı Payı %
Katılım
1
10
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği
Portfolyo
Ödev
1
30
Sunum / Jüri Önünde Sunum
1
20
Proje
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
2
40
Final Sınavı
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı
5
100
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı
Toplam

AKTS / İŞ YÜKÜ TABLOSU

Yarıyıl Aktiviteleri Sayı Süre (Saat) İş Yükü
Teorik Ders Saati
(Sınav haftası dahildir: 16 x teorik ders saati)
16
2
32
Laboratuvar / Uygulama Ders Saati
(Sınav haftası dahildir. 16 x uygulama/lab ders saati)
16
2
32
Sınıf Dışı Ders Çalışması
16
2
32
Arazi Çalışması
0
Küçük Sınav / Stüdyo Kritiği
0
Portfolyo
0
Ödev
2
3
6
Sunum / Jüri Önünde Sunum
1
26
26
Proje
0
Seminer/Çalıştay
0
Sözlü Sınav
0
Ara Sınavlar
2
1
2
Final Sınavı
0
    Toplam
130

 

DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ

#
Program Yeterlilikleri / Çıktıları
* Katkı Düzeyi
1
2
3
4
5
1

Lojistik ve tedarik zinciri alanındaki karmaşık problemleri analiz eder.

2

Lojistik ve tedarik zinciri alanında, sektör ile ilgili pazar liderleri, profesyonel organizasyonlar ve güncel gelişmeler konusunda donanımlı bilgiye sahip olur

3

Sektör ile ilgili iletişim ağlarına dahil olabilme becerisi ile sektör içerisinde profesyonel yetkinlikler geliştirebilme yeteneğini kazanır

4

Lojistik yönetimi ve tedarik zinciri alanındaki gerekli yazılım, bilgi ve iletişim teknolojilerini kullanır

5

Koordinasyon mekanizmalarını ve tedarik zinciri entegrasyonunu anlar ve kullanır

6

Lojistik ve tedarik zinciri süreçlerini yönetim bilimi ve analitik yaklaşımlar ile analiz eder

7

Lojistik ve tedarik zincirleri kapsamında karar verme tekniklerine katkıda bulunmak için tasarlama, planlama ve modelleme becerisine sahip olur

8

Lojistik ve tedarik zinciri alanındaki klasik ve çağdaş kuramları yorumlar ve değerlendirir

9

Lojistik ve tedarik zinciri alanında proje geliştirebilir ve takım çalışmalarında yer alır

10

Kararlarını verirken ve değerlendirirken etik bir bakış açısına ve sosyal duyarlılığa sahip olur

11

Bir yabancı dili kullanarak lojistik alanı ilgili bilgi toplar ve meslektaşları ile iletişim kurar ("European Language Portfolio Global Scale", Level B1)

12

İkinci yabancı dili orta düzeyde kullanır.

13

İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir.

*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest

 


SOSYAL MEDYA

İzmir Ekonomi Üniversitesi
izto logo
İzmir Ticaret Odası Eğitim ve Sağlık Vakfı
kuruluşudur.
ieu logo

Sakarya Caddesi No:156
35330 Balçova - İzmir / TÜRKİYE

kampus izmir

Bizi Takip edin

İEU © Tüm hakları saklıdır.