| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Veri Görselleştirme | VBA 203 | 3 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | Veri Yapıları, Veritabanı Yönetim Sistemleri |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | Dr.Öğr.Üyesi TUĞRUL TAŞCI |
| Dersi Verenler | Dr.Öğr.Üyesi TUĞRUL TAŞCI, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Alanına Uygun Öğretim |
| Dersin Amacı | Teknolojideki olağanüstü gelişmelerle birlikte, günümüzde çok sayıda farklı türde kayıt cihazı kullanılabilir hale gelmiştir. Bu araçlar aracılığıyla doğa, toplum ve beşeri bilimler, yaşam ve sağlık bilimleri, eğitim ve günlük yaşam ile ilgili olarak çok büyük miktarlarda veriler elde edilebilir durumdadır. İnternet, mobil bağlılık, dijital video ve görüntü kayıt cihazlarının günlük hayatın bir parçası olması, hayatın her alanında sürekli bir veri artışını beraberinde getirmektedir. İnsanın algılama kapasitesi, duyu organları ile zihinsel hesaplamalar, psikolojik ve sezgisel süreçler temelinde şekillenmektedir. İyi bir görsel kodlama ile insanın algılama kapasitesini artırmayı, analitik düşünme ve karar verme süreçlerini desteklemeyi amaçlayan bir araştırma alanı olarak veri görselleştirme, çeşitli alanlara ait karmaşık ve devasa verilerin doğru bir şekilde değerlendirilerek kullanışlı hale dönüştürülmesi için gerekli yöntem ve araçları sağlar. Bu dersin sonunda öğrenciler sunum, rapor, tez, makale, kitap gibi her türlü akademik çalışmada kullanılabilecek etkili görsel içerik hazırlamak için gerekli uygulamaları veri görselleştirmeye ilişkin teorik altyapı ile birlikte öğrenebileceklerdir. |
| Dersin İçeriği |
|
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Bugünün dünyasının dijital görünümünü keşfetme | Anlatım, Beyin Fırtınası, | Kısa Cevaplı Testler, |
| 2 | Veri görselleştirmeye ilişkin teorik arka planı ve veri görselleştirmenin önemini kavrama | Problem Çözme, Proje, | Performans Değerlendirme, |
| 3 | Veri ambarında analitik işlemleri öğrenme | Problem Çözme, Proje, | Çoktan Seçmeli Testler, |
| 4 | Çok boyutlu görselleştirme grafiklerini öğrenme | Proje, | Performans Değerlendirme, Ödev / Evde-Çöz Sınavlar, |
| 5 | Alana özgü yazılımları kullanarak veri görselleştirme uygulamaları geliştirme | Problem Çözme, Proje, | Performans Değerlendirme, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Digital World Overview (Rapor Serisi), Data Never Sleeps (Infografik Serisi) | |
| 2 | Veri Görselleştirmeye İlişkin Temel Tanım ve Kavramlar, Görsel Temsilde Kullanılan Değişkenler | |
| 3 | Veri Ambarında Analitik İşlemler (Aggregate, Dice, Slice, Pivot, Drill Up/Down) | |
| 4 | Veri Görselleştirme Yazılımı ve Araçları, Uygulama Arayüzü Tanıtımı (Microsoft Power BI, Tableau) | |
| 5 | Veri Setleri Tanıtımı, Veri Ön-işleme İşlemleri (Power Query Editor, Tableau Prep) | |
| 6 | Uygulama 1 - Veri Ön-işleme : Veri Kaynağı Oluşturma, Veri Tipi Dönüşümleri, Birleştirme İşlemleri | |
| 7 | Uygulama 2 - Veri Ön-işleme : Satır ve Sütun Bazlı Veri Manipülasyon İşlemleri, Tablo Bazlı İşlemler | |
| 8 | Uygulama 3 - Görselleştirme Yazılımlarının İşleyiş Mekanizması (SQL Sorgusu ile Karşılaştırma) | |
| 9 | Uygulama 4 - Çeşitli Veri Kaynaklarından Veri Modeli Oluşturma | |
| 10 | Uygulama 5 - DAX Sorgusu, Hesaplanan Sütun ve (Hızlı) Ölçüm | |
| 11 | Uygulama 6 - Çok Boyutlu Görselleştirme Grafikleri, Harita Tabanlı Görselleştirme Grafikleri, Dashboard Oluşturma ve Rapor Biçimlendirme | |
| 12 | Uygulama 7 - Hiyerarşi Oluşturma ve Detaya Ulaşma, Zaman Boyutunu Kullanma | |
| 13 | Uygulama 8 - Temel Performans Göstergeleri (KPI) Geliştirme | |
| 14 | Uygulama 9 - Özelleştirilmiş Çok Boyutlu Grafik Uygulamaları, Muadil Veri Görselleştirme Yazılımlarından Örnek Uygulamalar |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Gregory, K., & Koesten, L. (2023). Human-Centered Data Discovery. Springer Nature. Setlur, V., & Cogley, B. (2022). Functional Aesthetics for Data Visualization. John Wiley & Sons. Sharma, A. M. (2020). Data visualization. In Data Science and Analytics (pp. 1-22). Emerald Publishing Limited. Dykes, B. (2019). Effective data storytelling: how to drive change with data, narrative and visuals. John Wiley & Sons. Evergreen, S. D. (2019). The Data Visualization Sketchbook. SAGE Publications. Cady, F. (2017). The Data Science Handbook. John Wiley & Sons. Dietrich, D. (Ed.). (2015). Data Science & Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data. Cairo, A. (2012). The Functional Art: An introduction to information graphics and visualization. New Riders. Nathan, Y. (2011). Visualize this: the flowing data guide to design, visualization, and statistics. |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Veri Biliminde matematik konusunda yeterli bilgi birikimine ve bu alandaki kuramsal ve uygulamalı bilgileri, karmaşık veri bilimi problemlerinin çözümünde kullanabilme becerisine sahiptir. | ||||||
| 2 | Bilimsel araştırma yapabilme yeteneği ile elde edilen bilgiyi derinlemesine analiz edebilir ve yorumlayabilir | ||||||
| 3 | Analitik, modelleme ve deneysel araştırmaların tasarlanması ve uygulanması konusunda yetkinliğe; karmaşık veri setlerini analiz etme ve yorumlama yeteneğine sahiptir | ||||||
| 4 | Eksik veya kısıtlı veri setleriyle çalışarak bilgiyi tamamlayabilir ve farklı disiplinlerden gelen bilgileri entegre edebilir | ||||||
| 5 | Veri bilimi ve analitiği problemlerini tanımlama ve çözme becerisi için gerekli programlama becerisine sahiptir | ||||||
| 6 | Çok disiplinli takımlarda liderlik yapabilme, karmaşık problemlere yönelik çözüm stratejileri geliştirebilme, sorumluluk alma ve takım çalışmasına katkı sağlama becerisine sahiptir | ||||||
| 7 | Yenilikçi fikirler ve yöntemler geliştirme kabiliyetine; veri bilimi ve analitiği alanında veri işleme süreçlerinde yeni yaklaşımlar ortaya koyabilme becerisine sahiptir | ||||||
| 8 | Gereksinim duyulan veri ve bilgileri tanımlama, erişme ve değerlendirme, veri yönetimi ve analitiği alanında yetkindir. | ||||||
| 9 | Veri bilimi ve analitiği alanındaki güncel gelişmeleri takip edebilir, öğrenme ve yeni teknolojileri hızlı bir şekilde adapte edebilir | ||||||
| 10 | Yapılan çalışmaların sonuçlarını etkili bir şekilde aktarabilir ve teknik ve karmaşık konuları anlaşılır bir şekilde sunabilir | ||||||
| 11 | Veri bilimi ve analitiği uygulamalarının sosyal ve çevresel etkilerinin farkındadır ve bu bağlamda uyum sağlayabilir | ||||||
| 12 | Veri toplama, analiz etme ve raporlama süreçlerinde toplumsal, bilimsel ve etik değerler hakkında bilgi sahibidir; etik ilkeleri gözetir ve toplumun faydasını ön planda tutar | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Bugünün dünyasının dijital görünümünü keşfetme | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 2 | Veri görselleştirmeye ilişkin teorik arka planı ve veri görselleştirmenin önemini kavrama | 0 | 0 | 0 | 0 | ||||||||
| 3 | Veri ambarında analitik işlemleri öğrenme | 0 | 0 | 0 | 0 | 0 | |||||||
| 4 | Çok boyutlu görselleştirme grafiklerini öğrenme | 0 | 0 | 0 | 0 | 0 | |||||||
| 5 | Alana özgü yazılımları kullanarak veri görselleştirme uygulamaları geliştirme | 0 | 0 | 0 | 0 | 0 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 50 |
| 1. Proje / Tasarım | 50 |
| Toplam | 100 |
| 1. Final | 60 |
| 1. Yıl İçinin Başarıya | 40 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 4 | 56 |
| Ara Sınav | 1 | 2 | 2 |
| Proje / Tasarım | 1 | 36 | 36 |
| Final | 1 | 3 | 3 |
| Toplam İş Yükü | 97 | ||
| Toplam İş Yükü / 25 (Saat) | 3,88 | ||
| dersAKTSKredisi | 5 | ||