İŞLETME YÖNETİMİNDE VERİ ANALİZİ VE BİLGİSAYAR UYGULAMALARI
- Ders
- BUSN531 - İŞLETME YÖNETİMİNDE VERİ ANALİZİ VE BİLGİSAYAR UYGULAMALARI
- Bölüm
- İşletme - İngilizce - Yüksek Lisans
- Ders Tipi
- Ders
- Durum
- Zorunlu
- Dil
- İngilizce
- Kredi
- 3
- AKTS
- 8
- T+P+L
- 3 + 0 + 0
- Ders Koordinatörleri
- Prof. Dr. Cem TANOVA
- Ön Koşul
- -
Ders Açıklaması
Bu ders, araştırma sürecini genel hatlarıyla tanıtarak her bir adımı detaylı bir şekilde açıklamayı amaçlamaktadır. Ders kapsamında, bu adımların farklı yöntemlerle nasıl gerçekleştirilebileceği ele alınacak ve belirli bir araştırma probleminin ihtiyaçlarına göre en uygun yöntemin seçilmesine yönelik rehberlik sunulacaktır. Ayrıca ders, SPSS gibi yazılım paketlerinin kullanımını ve veri analizi sonuçlarının yorumlanmasını da içermektedir. Ders, öğrencilerin yaygın olarak kullanılan istatistiksel teknikleri farklı veri setlerine uygulayabilmelerini sağlamak için tasarlanmıştır. Bu amaçla ders; tanımlayıcı analiz, korelasyon, t-testi, ANOVA, regresyon, aracılık ve etkileşim analizine odaklanacaktır. Öğrenciler, veri setleri üzerinde çalışmak için SPSS yazılımını kullanacaklardır.
İŞLETME YÖNETİMİNDE VERİ ANALİZİ VE BİLGİSAYAR UYGULAMALARI
Değerlendirme Araçları (Aktif Dönem)
| Öğe | Tür | Ağırlık (%) |
|---|---|---|
| Midterm | Ara Sınav | 40 |
| Final | Final | 45 |
| Project | Proje | 15 |
| Toplam | 100 | |
Ders Müfredatı
| Hafta | Konu |
|---|---|
| Hafta 1 | Introduction of the course, overview / Research process |
| Hafta 2 | Descriptive statistics |
| Hafta 3 | Introduction to SPSS/Data cleaning |
| Hafta 4 | Descriptive statistics (Class Practice) |
| Hafta 5 | Reliability and validity |
| Hafta 6 | Reliability and validity (Class Practice) |
| Hafta 7 | Reliability and validity (Class Practice) |
| Hafta 8 | Midterm |
| Hafta 9 | T-test, ANOVA |
| Hafta 10 | T-test, ANOVA (Class Practice) |
| Hafta 11 | Correlation |
| Hafta 12 | Correlation (Class Practice) |
| Hafta 13 | Regression |
| Hafta 14 | Regression (Class Practice) |
| Hafta 15 | Data Practice |
Referans Kitaplar & Ders Materyalleri
- 01 Field, A. 2024. Discovering Statistics Using IBM SPSS Statistics, Sage, London.
- 02 Pituch, K.A. & Stevens, J.P. 2016. Applied multivariate statistics for the social sciences, Taylor& Francis: New York.
- 03 Te Grotenhuis, M. & Matthijssen, A. 2016. Basic SPSS Tutorial, Sage: UK.
Ders Çıktıları
Öğrenme çıktısı tanımlanmamış.
Program Çıktıları
- Veri bilimi alanındaki güncel durumu değerlendirmek ve anlamak amacıyla teoriler, çerçeveler ve modeller hakkında derinlemesine bilgi sahibi olmak.
- Literatürü incelemek ve veri bilimi teorileri ile metodolojilerini yeni araştırmalarda ve deneylerde uygulamak.
- Denetimli ve denetimsiz makine öğrenimi tekniklerini kullanarak veri setlerini analiz etmek.
- Veri yönetimi, analiz ve problem çözümü için istatistiksel ve bilişim yazılım sistemleri tasarlamak, geliştirmek ve test etmek.
- Farklı veri türleri ve analitik görevler için etkili görselleştirmeler tasarlamak ve geliştirmek, ayrıca görselleştirme ve görsel analiz konularında teorik ve uygulamalı konular üzerine bağımsız araştırmalar yürütmek
- İletişim, problem çözme, araştırma veya proje faaliyetlerinde yüksek düzeyde yetkinlik kazanmak ve çok disiplinli bir ekipte ortak bir hedefe ulaşmak için bir ekip üyesi ya da lider olarak etkin biçimde çalışmak.
- Büyük veri kümelerinin yönetimiyle ilgili zorlukların üstesinden gelmek için paralel yöntemler, bulut bilişim ve ilişkisel olmayan (NoSQL) veri depolama ve erişim çözümleri geliştirmek ve uygulamak.
- Veri, bilgi ve iletişimin disiplinlerarası doğasını anlamak ve veri toplama ile analizine yönelik önde gelen araştırma yöntemlerini değerlendirme yeteneği kazanmak.
- Verinin kullanımıyla ilgili etik sorunları derinlemesine anlamak ve gerçek dünya veri uygulamalarında etik kararlar alabilmek.
- Geniş bir alan yelpazesinden bilgiyi analiz etme, sentezleme ve değerlendirme yeteneğini göstermek ve yaşam boyu kendi kendine öğrenme yetisine sahip olmak.
Pç-Dç Matrisi
PÇ-ÖÇ matrisi henüz doldurulmamış.