VERİ GÖRSELLEŞTİRME

Ders Açıklaması

Bu ders, öğrencilere tek değişkenli ve çok değişkenli verilerin keşfi ve sunumu için analitik tasarımın önemli ilkelerini ve pratik veri görselleştirme tekniklerini tanıtarak verileri görsellere dönüştürme konusunda kapsamlı bir anlayış sağlar. Veri görselleştirme, nicel bilgilerdeki kalıpları keşfetmek, anlamak ve iletmek için en etkili araçlardan biri olarak ele alınmaktadır. Bu ders verilerin okunabilir görsellere dönüştürülmesi ile ilgili yöntem ve algoritmaları geniş bir şekilde ele almaktadır. Bu dersin sonunda öğrenciler veri modellemesi, veri toplama ve filtreleme, veri niteliklerinin grafiksel niteliklere haritalandırılması ve görsel şifreleme de dahil olmak üzere veri görselleştirme süreçlerini öğreneceklerdir. Öğrenciler aynı zamanda farklı görselleştirme tasarımlarının etkililik oranlarını inceleme ve her bir tasarım kararını eleştirel olarak değerlendirmeyi öğreneceklerdir

VERİ GÖRSELLEŞTİRME

Değerlendirme Araçları (Aktif Dönem)

Değerlendirme öğesi tanımlanmamış.

Ders çıktıları

Henüz ders çıktısı tanımlanmamış.

Ders Müfredatı

Referans Kitaplar & Ders Materyalleri

1. 01 Tamara Munzner, Visualization Analysis and Design, First Edition, CRC Press, 2014.
2. 02 Edward R. Tufte, The Visual Display of Quantitative Information, Second Edition, Graphics Press, 2001.

Ders Çıktıları

1. L01 Tufte'nin görselleştirme estetiği kriterlerini açıklamak ve veri-mürekkep oranı, yalan faktörü ve grafik karmaşası açısından kusurlu grafikleri eleştirmek. SOLO 4.5
2. L02 İnsan görsel sistemini tanımlamak ve algısal ön bilgilerin görsel bir uyarının yorumlanmasını nasıl şekillendirdiğini açıklamak. SOLO 3.5
3. L03 Veri kümelerini, öğeleri ve öznitelikleri veri kümesi türüne, veri türüne ve anlambilime göre sınıflandırmak ve yapılandırılmış verileri yapılandırılmamış verilerden ayırmak. SOLO 3.5
4. L04 Verilen özellikler için uygun işaretleri ve kanalları seçmek ve Python'da ilgili görselleştirmeleri oluşturmak. SOLO 3.5
5. L05 Mekansal görselleştirmeler tasarlamak ve harita projeksiyonlarının, kloroplet haritaların, oransal sembol haritaların ve kartogramların uygunluğunu değerlendirmek. SOLO 4.5
6. L06 Ağ ve hiyerarşik verileri analiz etmek ve treemap, sunburst ve icicle grafikleri gibi açık ve örtük ağaç düzenlerini karşılaştırmak. SOLO 4
7. L07 Metin birimi hiyerarşisinin tüm seviyelerinde filtreleme, toplama ve kümeleme tekniklerini uygulamak ve metin görselleştirmelerini gerçekleştirmek. SOLO 4
8. L08 Veriye dayalı anlatılar geliştirmek ve belirli bir hedef kitle için yazar odaklı ve okuyucu odaklı öykü anlatım türlerinin uygunluğunu değerlendirmek. SOLO 5

Program Çıktıları

1. P01 Gerçek yaşam durumlarındaki zorluklara veri bilimi ilke ve tekniklerini uygulayabilir ve çözümlerini etkin bir şekilde iletebilirler.
2. P02 Teorik fikirlere, etik koda ve temel verilere ilişkin derinlemesine bilgiye dayalı veri analizi metodolojilerini belirleyebilir ve uygulayabilirler.
3. P03 Gerçek hayattaki uygulamalarda bilgi analizi için yol gösterici kavramları ve değerlendirme prosedürlerini analiz edebilirler.
4. P04 İşle ilgili sorunlara belirsiz çözümler bulmak için ilgili veri analizi modellerini tasarlayabilir ve uygulayabilirler.
5. P05 Paralel ve dağıtılmış bilgi işlem ve makine öğrenimi gibi büyük miktarda veriyle karakterize edilen gerçek dünya sorunlarını ele almak için modern bilgi işlem tekniklerinden yararlanabilirler.
6. P06 Her boyuttaki yapılandırılmış ve yapılandırılmamış veri kümesinden kullanılabilir bilgileri verimli bir şekilde üretmek için gereken yazılım araçlarını yapılandırabilir ve yönetebilirler.
7. P07 Karmaşık verilerden yararlı bilgiler elde etmeyi amaçlayan projeleri organize etmek ve tamamlamak için veri bilimi araçlarını ve tekniklerini yönetebilirler.
8. P08 Gerçek dünyadaki sorunları çeşitli açılardan kavrayarak eleştirel ve yaratıcı düşünebilirler ve sorunları işbirliği içinde çözmek için çeşitli ekiplerde çalışabilirler.
9. P09 Veri tabanlı çözümleri kullanıcı ortamına etkin bir şekilde entegre edebilme ve teknik olmayan profesyonellere bu çözümleri keşfetme, görselleştirme ve kullanma konusunda yardımcı olabilirler.
10. P10 Veri sahipliği ve atıf, veri güvenliği ve hassasiyeti ve veri analizinin mahremiyet üzerindeki etkileri gibi konularda mesleki ve etik standartlar kapsamındaki yükümlülüklerini anlayabilirler.

Pç-Dç Matrisi