UNI280 Data Analysis with R İstinye ÜniversitesiAkademik Programlar Kimya (İngilizce)Öğrenciler için Genel BilgiDiploma EkiErasmus BeyanıUlusal Yeterlilikler
Kimya (İngilizce)

Önizleme

Lisans TYYÇ: 6. Düzey QF-EHEA: 1. Düzey EQF-LLL: 6. Düzey

Ders Genel Tanıtım Bilgileri

Ders Kodu: UNI280
Ders İsmi: Data Analysis with R 
Ders Yarıyılı: Bahar
Ders Kredileri:
AKTS
5
Öğretim Dili: İngilizce
Ders Koşulu:
Ders İş Deneyimini Gerektiriyor mu?: Hayır
Dersin Türü: Üniversite Seçmeli
Dersin Seviyesi:
Lisans TYYÇ:6. Düzey QF-EHEA:1. Düzey EQF-LLL:6. Düzey
Dersin Veriliş Şekli: E-Öğrenme
Dersin Koordinatörü: Öğr. Gör. AYŞEGÜL ÇALIŞKAN İŞCAN
Dersi Veren(ler): Dr. Ayşegül Çalışkan İşcan
Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı: Bu ders temel düzeyde R programlama dilini öğretmeyi amaçlamaktadır.
Dersin İçeriği: Bu ders, R programlama dillerinin temel öğelerini içerir.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
1) R programlama dili hakkında bilgi sahibi olmak
2) R programlama dilini temel düzeyde öğrenir.
3) R dilini kullanarak herhangi bir veriyi analiz edebilir.
4) Herhangi bir R kodunu anlayabilir ve işleyebilir.
5) R dilini kullanarak istatistiksel analiz yapabilir.

Ders Akış Planı

Hafta Konu Ön Hazırlık
1) Ders tanıtımı
2) R Aritmetiği, Veri Çeşitleri
3) Değişkenler, Vektörler
4) Matrisler
5) Listeler, Veri Çerçeveleri
6) Faktörler, Veri Okuma ve Yazma
7) Egzersizler, Ders Tekrarı
8) Vize Haftası
9) Kontrol akışı, fonksiyonlar
10) Verileri Keşfetme ve Hazırlama
11) Metin verileriyle çalışma
12) Sayısal Verilerin Hazırlanması, Tarihlerin İşlenmesi
13) Verileri birleştirme, frekans tabloları
14) Temel R'de çizim, ggplot2 ile çizim

Kaynaklar

Ders Notları / Kitaplar: 1. Mark Gardener - Beginning R_ The Statistical Programming Language-Wrox
2. Tony Fischetti - Data Analysis with R_ Load, wrangle, and analyze your data using the world's most powerful statistical programming language-Packt Publishing (2015)
Diğer Kaynaklar: 1. Mark Gardener - Beginning R_ The Statistical Programming Language-Wrox
2. Tony Fischetti - Data Analysis with R_ Load, wrangle, and analyze your data using the world's most powerful statistical programming language-Packt Publishing (2015)

Ders - Program Öğrenme Kazanım İlişkisi

Course Learning Outcomes

1

2

3

4

5

Program Kazanımları
1) Kimyanın teori ve uygulamalarıyla ilgili temel kavramları bilir, kuramsal ve uygulamalı bilgileri kullanır, yöntemleri seçebilir, geliştirebilir ve tasarlayabilir.
2) Analiz, sentez, ayırma ve saflaştırma yöntemlerine yönelik deneysel planlama ve uygulama yapabilir, karşılaşılan problemlere çözüm getirir ve sonuçlarını yorumlayabilir.
3) Maddelerin nitel ve nicel analizlerinde kullanılan örnek hazırlama tekniklerinin ve aletsel analiz yöntemlerinin temel ilkelerini ifade eder, uygulama alanlarını tartışır.
4) Kimyasal maddelerin kaynakları, üretimleri, endüstriyel uygulamaları ve teknolojileri hakkında bilgi sahibidir.
5) Kimyasal maddelerin yapı analizlerini yapar ve sonuçlarını yorumlar.
6) Gerek bireysel olarak gerekse de çok disiplinli gruplarda çalışabilir, sorumluluk alabilir, görevlerini planlayabilir ve zamanı etkin kullanır.
7) İngilizceyi profesyonel düzeyde kullanarak alanındaki bilgileri izler ve meslektaşları ile iletişim kurar.
8) Alanının gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır.
9) Ulusal ve uluslararası kimya literatürünü takip eder, kazandığı bilgileri sözlü ya da yazılı olarak aktarır.
10) Öz öğrenme gereksinimlerini belirler, öğrenimini yönetir/yönlendirir.
11) Sorumluluk alabilir ve bu sorumlulukların gerektirdiği etik değerlere bağlı kalır.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok 1 En Düşük 2 Orta 3 En Yüksek
       
Dersin Program Kazanımlarına Etkisi Katkı Payı
1) Kimyanın teori ve uygulamalarıyla ilgili temel kavramları bilir, kuramsal ve uygulamalı bilgileri kullanır, yöntemleri seçebilir, geliştirebilir ve tasarlayabilir.
2) Analiz, sentez, ayırma ve saflaştırma yöntemlerine yönelik deneysel planlama ve uygulama yapabilir, karşılaşılan problemlere çözüm getirir ve sonuçlarını yorumlayabilir.
3) Maddelerin nitel ve nicel analizlerinde kullanılan örnek hazırlama tekniklerinin ve aletsel analiz yöntemlerinin temel ilkelerini ifade eder, uygulama alanlarını tartışır.
4) Kimyasal maddelerin kaynakları, üretimleri, endüstriyel uygulamaları ve teknolojileri hakkında bilgi sahibidir.
5) Kimyasal maddelerin yapı analizlerini yapar ve sonuçlarını yorumlar.
6) Gerek bireysel olarak gerekse de çok disiplinli gruplarda çalışabilir, sorumluluk alabilir, görevlerini planlayabilir ve zamanı etkin kullanır.
7) İngilizceyi profesyonel düzeyde kullanarak alanındaki bilgileri izler ve meslektaşları ile iletişim kurar.
8) Alanının gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır.
9) Ulusal ve uluslararası kimya literatürünü takip eder, kazandığı bilgileri sözlü ya da yazılı olarak aktarır.
10) Öz öğrenme gereksinimlerini belirler, öğrenimini yönetir/yönlendirir.
11) Sorumluluk alabilir ve bu sorumlulukların gerektirdiği etik değerlere bağlı kalır.

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Uygulama 13 % 20
Ara Sınavlar 1 % 30
Final 1 % 50
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 50
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 50
Toplam % 100

İş Yükü ve AKTS Kredisi Hesaplaması

Aktiviteler Aktivite Sayısı Aktiviteye Hazırlık Aktivitede Harçanan Süre Aktivite Gereksinimi İçin Süre İş Yükü
Ders Saati 13 1 3 1 65
Ödevler 13 1 1 26
Ara Sınavlar 1 14 1 1 16
Final 1 28 1 1 30
Toplam İş Yükü 137