ULUSLARARASI LOJİSTİK VE TAŞIMACILIK
Kazanılan Yeterlilik	Program Süresi	Toplam Kredi (AKTS)	Öğretim Şekli	Yeterliliğin Düzeyi ve Öğrenme Alanı
LİSANS DERECESİ	4	240	ÖRGÜN	TYÇ, TYYÇ, EQF-LLL, ISCED (2011):6. Düzey QF-EHEA:1. Düzey TYYÇ, ISCED (1997-2013): 34

DERSİN GENEL BİLGİLERİ

Ders Kodu:

YBS416

Ders İsmi:

VERİ MADENCİLİĞİ

Ders Yarıyılı:

Güz

Ders Kredileri:

Teorik	Uygulama	Kredi	AKTS
3	0	3	5

Öğretim Dili:

English

Ders Koşulu:

Ders İş Deneyimini Gerektiriyor mu?:

Hayır

Dersin Türü:

Bölüm/Program Seçmeli

Dersin Seviyesi:

Lisans

TYYÇ:6. Düzey

QF-EHEA:1. Düzey

EQF-LLL:6. Düzey

Dersin Veriliş Şekli:

Yüz yüze

Dersin Koordinatörü:

Dr. Öğr. Üyesi Volkan USLAN

Dersi Veren(ler):

Dr. Öğr. Üyesi Volkan Uslan

Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı:	Bir veri analistinin bilmesi gereken temel becerileri kazandırmak. Veri işleme teknikleri ve yaklaşımlarını tanıtmak. Veri analizini uygularken uygun araçları uygulayabilmek. Karar verme sürecini iyileştirmek için veri madenciliği tekniklerinin kullanımı ile pratik analitik becerilere sahip olmak.
Dersin İçeriği:	Bu ders, öğrencilere büyük veri setlerinden bilgi ve desenler çıkarmak için kullanılan teknikler ve algoritmalar hakkında derinlemesine bilgi sağlamayı amaçlar. Ders, veri temizleme, veri entegrasyonu, veri analizi ve modelleme gibi temel süreçlerin yanı sıra, sınıflandırma, regresyon, kümeleme, ve ilişkisel analiz gibi veri madenciliği yöntemlerini kapsar.

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Veri madenciliği kavram ve terimlerini bilir
2) Verileri işler ve bir veri madenciliği görevi gerçekleştirirken kullanılabilecek yöntemleri anlar
3) Veri madenciliği görevi sırasında ortaya çıkabilecek sorunlara çözümler sunar.
4) Uygun veri madenciliği araçlarını kullanır ve göreve bağlı olarak hangi yöntemi kullanacağını bilir.

Ders Akış Planı

Hafta	Konu	Ön Hazırlık
1)	Veri madenciliğine giriş
2)	Python yazılım ortamı kurulum ve tanıtımı (Anaconda, JupyterLab)
3)	Python Numpy kütüphanesi
4)	Python Pandas kütüphanesi
5)	Keşifçi Veri Analizi ve veri Görselleştirme
6)	Veri Ön İşleme
7)	Basit Doğrusal Regresyon, Çoklu Doğrusal Regresyon
8)	Temel Bileşen Regresyonu, ElasticNet Regresyon
9)	Ridge Regresyon, Lasso Regresyon
10)	K-En Yakın Komşu (KNN), Destek Vektör Makineleri (SVM)
11)	Yapay Sinir Ağları(YSA), Random Forest
12)	Karar Ağaçları (CART), Lojistik Regresyon
13)	K-Means, Naive Bayes
14)	CRISP-DM Yöntem Bilimi, Kaggle ortamı

Kaynaklar

Ders Notları / Kitaplar:	Introduction to Data Mining (Global Edition), Pang—Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar, Pearson, 2019, ISBN: 9780273769224
Diğer Kaynaklar:	kaggle.com coursera.com

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları	1	2	3	4
Program Öğrenme Çıktıları
1) Lojistik ve taşımacılık alanındaki ilgili konularda ileri düzeyde bilgiye sahiptir.
2) Gerek kuramsal gerek uygulamalı alanlarda, ulusal ve uluslararası taşımacılık ve lojistik çevrelerinde bireysel olarak ve çok disiplinli takımlarda etkin olarak çalışır.
3) Ulaştırma/ lojistik alanı kapsamında kuramsal ve uygulamalı bilgiler ile problemleri saptar, tanımlar, formüle eder ve çözer
4) Lojistik ve taşımacılık alanındaki paydaşlar ile sözlü ve yazılı etkin iletişim kurar; bir yabancı dili en az Avrupa Dil Portföyü B1 Genel Düzeyinde kullanır.
5) Genel, lojistik ve taşımacılık alanındaki bilgi iletişim sistemleri hakkında, ileri düzeyde yetkinliğe sahiptir.
6) Lojistik ve taşımacık alanındaki prensip, politika ve mevzuatlar hakkında bilgi sahibidir.
7) Mesleki ve etik sorumluluk ile şirket yönetimi, hukuksal çerçevesi, işyeri uygulamaları ve çevresel etkileri konularında bilgi sahiptir.
8) Bilgiye erişir ve bu amaçla yazılı, görsel ve dijital kaynak araştırması yapar. Bununla birlikte ilgili bilgi kaynaklarını kullanmak suretiyle verileri yorumlayabilme, analiz edebilme, sorunları tanımlayabilme ve çözüm önerileri getirebilme becerisine sahiptir.
9) Lojistik ve taşımacılık alanındaki işletmelerde edindiği kuramsal ve uygulamalı bilgileri işletme yönetimi çözümleriyle birlikte kullanır.
10) Lojistik ve taşımacılık alanında proje geliştirir gerek yürütücü gerekse de katılımcısı olarak proje hedeflerine uygun bireysel veya grup elemanı olarak sorumluluk alır ve çalışır.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok	1 En Düşük	2 Orta	3 En Yüksek

	Dersin Program Kazanımlarına Etkisi	Katkı Oranı
1)	Lojistik ve taşımacılık alanındaki ilgili konularda ileri düzeyde bilgiye sahiptir.
2)	Gerek kuramsal gerek uygulamalı alanlarda, ulusal ve uluslararası taşımacılık ve lojistik çevrelerinde bireysel olarak ve çok disiplinli takımlarda etkin olarak çalışır.
3)	Ulaştırma/ lojistik alanı kapsamında kuramsal ve uygulamalı bilgiler ile problemleri saptar, tanımlar, formüle eder ve çözer
4)	Lojistik ve taşımacılık alanındaki paydaşlar ile sözlü ve yazılı etkin iletişim kurar; bir yabancı dili en az Avrupa Dil Portföyü B1 Genel Düzeyinde kullanır.
5)	Genel, lojistik ve taşımacılık alanındaki bilgi iletişim sistemleri hakkında, ileri düzeyde yetkinliğe sahiptir.
6)	Lojistik ve taşımacık alanındaki prensip, politika ve mevzuatlar hakkında bilgi sahibidir.
7)	Mesleki ve etik sorumluluk ile şirket yönetimi, hukuksal çerçevesi, işyeri uygulamaları ve çevresel etkileri konularında bilgi sahiptir.
8)	Bilgiye erişir ve bu amaçla yazılı, görsel ve dijital kaynak araştırması yapar. Bununla birlikte ilgili bilgi kaynaklarını kullanmak suretiyle verileri yorumlayabilme, analiz edebilme, sorunları tanımlayabilme ve çözüm önerileri getirebilme becerisine sahiptir.
9)	Lojistik ve taşımacılık alanındaki işletmelerde edindiği kuramsal ve uygulamalı bilgileri işletme yönetimi çözümleriyle birlikte kullanır.
10)	Lojistik ve taşımacılık alanında proje geliştirir gerek yürütücü gerekse de katılımcısı olarak proje hedeflerine uygun bireysel veya grup elemanı olarak sorumluluk alır ve çalışır.

Öğrenme Etkinliği ve Öğretme Yöntemleri

Ölçme ve Değerlendirme Yöntemleri ve Kriterleri

Ölçme ve Değerlendirme

Yöntemler	Uygulama Sayısı / Yarıyıl	Katkı Oranı
Uygulama	3	% 15
Projeler	1	% 20
Ara Sınavlar	1	% 25
Yarıyıl Sonu Sınavı	1	% 40
Toplam		% 100
YARIYIL İÇİ ÖLÇME VE DEĞERLENDİRME YÖNTEMLERİNİN BAŞARI NOTUNA KATKI ORANI		% 60
YARIYIL SONU SINAVININ BAŞARI NOTUNA KATKI ORANI		% 40
Toplam		% 100

İş Yükü ve AKTS Kredisi Hesaplaması

Aktiviteler	Uygulama Sayısı / Yarıyıl	İş Yükü (Saat)
Ders	14	28
Laboratuvar	14	14
Uygulama	14	14
Sınıf Dışı Ders Çalışması	14	14
Proje	14	14
Ara Sınavlar	1	15
Yarıyıl Sonu Sınavı	1	25
Toplam İş Yükü		124