Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
BÜYÜK VERİ VE SOSYAL AĞ ANALİZİ | İEVY1112886 | Güz Dönemi | 3+0 | 3 | 9 |
Ders Programı |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | Türkçe |
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Programa Bağlı Seçmeli |
Dersin Koordinatörü | Dr.Öğr.Üye. Mutlu GÜRSOY |
Dersi Verenler | Dr.Öğr.Üye. Mutlu GÜRSOY |
Dersin Yardımcıları | |
Dersin Amacı | Büyük verilerden faydalı bilgileri keşfetmek, karar performansını iyileştirmenin umut verici bir yolu olarak kabul edilir. Geleneksel veri analitiği, yalnızca iki boyutlu bir veri tablosunda depolanan verileri işleyebilir, ancak karmaşık biçimlerdeki (örneğin, çoklu ilişkisel veritabanları) verileri temsil etme ve analiz etme yeteneğinden yoksundur. Çizgeler (Graphs), uzamsal bilgi ve bağlantılar gibi çeşitli bilgi türlerini bütünleştirme ve temsil etme yeteneğine sahiptir. Çizge verilerine dayalı bilgi keşfi, bu nedenle, büyük verilerdeki karmaşık ilişkileri ortaya çıkarmak için çok yardımcı olabilir. Bir çizge madenciliği aracı olarak sosyal ağ analizi, insan sosyal etkileşimlerinin incelenmesine yönelik bir yaklaşımdır. Sosyal ağlar, metin, veri tabanları, sensor ağları, iletişim sistemleri ve sosyal medya gibi kaynaklardaki bilgilerden ortaya çıkabilir. Bu dersin amacı öğrencilerin sosyal ağ analizi yaklaşımı konusunda becerilerini geliştirmektir. |
Dersin İçeriği | Bu ders; Klasik veri madenciliği ve çizge madenciliğinin karşılaştırmalı analizi: Sosyal Ağ Analizine Giriş ,Sosyal ağ verileri hakkında daha fazla bilgi: Büyük veri, sosyal ağ verileri ve sosyal ağ verilerinin temsili,Çizge teorisinin temelleri ,Sosyal ağ analizi için gerekli temel ağ metrikleri,Ağ türleri (modelleri),Pajek, Gephi ve NodeXL yazılımları kullanılarak sosyal ağ verilerinin görselleştirilmesi,Sosyal ağ analizinde sınıflandırma çalışmaları (Pajek ve Gephi ile uygulama),Sosyal ağ analizinde kümeleme çalışmaları (Pajek ve Gephi ile uygulama),Sosyal ağ analizinde metin madenciliği çalışmaları (Pajek ve Gephi ile uygulama),Sosyal ağların istatistiksel analizi: sosyal ağları istatistiksel bakış açısıyla ele almak,Vaka çalışması: Sosyal ağ analizi ile WEB madenciliği (Pajek ve Gephi kullanarak),Vaka çalışması: Sosyal ağ analizi ile sosyal medya analizi (Pajek ve Gephi kullanılarak),Vaka çalışması: Sosyal ağ analizi ile sosyal medyada metin madenciliği (Pajek ve Gephi kullanarak),Vaka çalışması: Sosyal ağ analizi ile anomali (ör. dolandırıcılık) tespiti (Pajek ve Gephi kullanarak); konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. Sosyal ağ analizi örneklerini gösterir. | 10, 13, 9 | A, E, G |
2. Ağ yapısını analiz eder. | 10, 13, 9 | A, E, G |
3. Bilinen bazı sosyal ağ analizi yazılımlarını kullanır. | 10, 13, 9 | A, E, G |
4. Farklı amaçlar için sosyal ağ modelleri oluşturur. | 10, 13, 9 | A, E, G |
5. Bilinen bazı gerçek uygulamalarda sosyal ağ analizini kullanır. | 10, 13, 9 | A, E, G |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 13: Örnek Olay Yöntemi, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, G: Kısa Sınav |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Klasik veri madenciliği ve çizge madenciliğinin karşılaştırmalı analizi: Sosyal Ağ Analizine Giriş | İlgili bölüm kitaptan okunacaktır. |
2 | Sosyal ağ verileri hakkında daha fazla bilgi: Büyük veri, sosyal ağ verileri ve sosyal ağ verilerinin temsili | İlgili bölüm kitaptan okunacaktır. |
3 | Çizge teorisinin temelleri | İlgili bölüm kitaptan okunacaktır. |
4 | Sosyal ağ analizi için gerekli temel ağ metrikleri | İlgili bölüm kitaptan okunacaktır. |
5 | Ağ türleri (modelleri) | İlgili bölüm kitaptan okunacaktır. |
6 | Pajek, Gephi ve NodeXL yazılımları kullanılarak sosyal ağ verilerinin görselleştirilmesi | İlgili bölüm kitaptan okunacaktır. |
7 | Sosyal ağ analizinde sınıflandırma çalışmaları (Pajek ve Gephi ile uygulama) | İlgili bölüm kitaptan okunacaktır. |
8 | Sosyal ağ analizinde kümeleme çalışmaları (Pajek ve Gephi ile uygulama) | İlgili bölüm kitaptan okunacaktır. |
9 | Sosyal ağ analizinde metin madenciliği çalışmaları (Pajek ve Gephi ile uygulama) | İlgili bölüm kitaptan okunacaktır. |
10 | Sosyal ağların istatistiksel analizi: sosyal ağları istatistiksel bakış açısıyla ele almak | İlgili bölüm kitaptan okunacaktır. |
11 | Vaka çalışması: Sosyal ağ analizi ile WEB madenciliği (Pajek ve Gephi kullanarak) | İlgili bölüm kitaptan okunacaktır. |
12 | Vaka çalışması: Sosyal ağ analizi ile sosyal medya analizi (Pajek ve Gephi kullanılarak) | İlgili bölüm kitaptan okunacaktır. |
13 | Vaka çalışması: Sosyal ağ analizi ile sosyal medyada metin madenciliği (Pajek ve Gephi kullanarak) | İlgili bölüm kitaptan okunacaktır. |
14 | Vaka çalışması: Sosyal ağ analizi ile anomali (ör. dolandırıcılık) tespiti (Pajek ve Gephi kullanarak) | İlgili bölüm kitaptan okunacaktır. |
Kaynak |
[1] Ders notları |
[2] Necmi Gürsakal, 2009, Sosyal Ağ Analizi, Dora Yayıncılık [3] V.G. Demirci, A.M.Çilingirtürk, 2020, Sosyal Ağ Analizi, Ekin Yayınları [4] S.Wasserman, K.Faust, 1994, Social Network Analysis: Methods and Applications, Cambridge University Press [5] D.J.Cook, L.B.Holders (editors), 2007, Minin Graph Data, John Wiley & Sons |
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı | |||||||
No | Program Yeterliliği | Katkı Düzeyi | |||||
1 | 2 | 3 | 4 | 5 | |||
1 | Bilişim ve yönetim alanında teorik bilgileri tanımlar. | X | |||||
2 | Bilişim ve yönetim alanında gerekli ileri düzeyde matematiksel ve istatistiki yöntemleri anlatır. | X | |||||
3 | Enformatik, yönetim ve büyük veri ile ilgili gerekli en az bir bilgisayar programı veya teknolojiyi kullanır. | X | |||||
4 | Bilişim projeleri hazırlar ve takım çalışmalarını yönetir. | ||||||
5 | Disiplinler arası çalışmalar yürütebilmek için farklı disiplinlerde (ekonomi, finans, sosyoloji, hukuk, işletme) temel bilgileri ve verileri analiz ederek alanında kullanır. | X | |||||
6 | Büyük verileri analiz için hazırlar. | X | |||||
7 | Alana özgü bilimsel tez, rapor, makale ve benzerlerini yazar. | ||||||
8 | Mesleki alanda yaşam boyu öğrenmenin gerekliliği bilinciyle bilim ve teknolojideki gelişmeleri izleyerek kendini sürekli yenileyip edindiği bilgi ve becerileri eleştirel olarak değerlendirir. | X | |||||
9 | Alanının ilişkili olduğu disiplinler arası etkileşimi açıklar. | X |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |
AKTS / İşyükü Tablosu | ||||||
Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
Ders Saati | 14 | 3 | 42 | |||
Rehberli Problem Çözme | 5 | 4 | 20 | |||
Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 2 | 30 | 60 | |||
Okul Dışı Diğer Faaliyetler | 0 | 0 | 0 | |||
Proje Sunumu / Seminer | 1 | 40 | 40 | |||
Kısa Sınav (QUİZ) ve Hazırlığı | 2 | 20 | 40 | |||
Ara Sınav ve Hazırlığı | 1 | 20 | 20 | |||
Genel Sınav ve Hazırlığı | 1 | 40 | 40 | |||
Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
Toplam İş Yükü (Saat) | 262 | |||||
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(262/30) | 9 | |||||
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. |
Dersin Detaylı Bilgileri
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
BÜYÜK VERİ VE SOSYAL AĞ ANALİZİ | İEVY1112886 | Güz Dönemi | 3+0 | 3 | 9 |
Ders Programı |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | Türkçe |
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Programa Bağlı Seçmeli |
Dersin Koordinatörü | Dr.Öğr.Üye. Mutlu GÜRSOY |
Dersi Verenler | Dr.Öğr.Üye. Mutlu GÜRSOY |
Dersin Yardımcıları | |
Dersin Amacı | Büyük verilerden faydalı bilgileri keşfetmek, karar performansını iyileştirmenin umut verici bir yolu olarak kabul edilir. Geleneksel veri analitiği, yalnızca iki boyutlu bir veri tablosunda depolanan verileri işleyebilir, ancak karmaşık biçimlerdeki (örneğin, çoklu ilişkisel veritabanları) verileri temsil etme ve analiz etme yeteneğinden yoksundur. Çizgeler (Graphs), uzamsal bilgi ve bağlantılar gibi çeşitli bilgi türlerini bütünleştirme ve temsil etme yeteneğine sahiptir. Çizge verilerine dayalı bilgi keşfi, bu nedenle, büyük verilerdeki karmaşık ilişkileri ortaya çıkarmak için çok yardımcı olabilir. Bir çizge madenciliği aracı olarak sosyal ağ analizi, insan sosyal etkileşimlerinin incelenmesine yönelik bir yaklaşımdır. Sosyal ağlar, metin, veri tabanları, sensor ağları, iletişim sistemleri ve sosyal medya gibi kaynaklardaki bilgilerden ortaya çıkabilir. Bu dersin amacı öğrencilerin sosyal ağ analizi yaklaşımı konusunda becerilerini geliştirmektir. |
Dersin İçeriği | Bu ders; Klasik veri madenciliği ve çizge madenciliğinin karşılaştırmalı analizi: Sosyal Ağ Analizine Giriş ,Sosyal ağ verileri hakkında daha fazla bilgi: Büyük veri, sosyal ağ verileri ve sosyal ağ verilerinin temsili,Çizge teorisinin temelleri ,Sosyal ağ analizi için gerekli temel ağ metrikleri,Ağ türleri (modelleri),Pajek, Gephi ve NodeXL yazılımları kullanılarak sosyal ağ verilerinin görselleştirilmesi,Sosyal ağ analizinde sınıflandırma çalışmaları (Pajek ve Gephi ile uygulama),Sosyal ağ analizinde kümeleme çalışmaları (Pajek ve Gephi ile uygulama),Sosyal ağ analizinde metin madenciliği çalışmaları (Pajek ve Gephi ile uygulama),Sosyal ağların istatistiksel analizi: sosyal ağları istatistiksel bakış açısıyla ele almak,Vaka çalışması: Sosyal ağ analizi ile WEB madenciliği (Pajek ve Gephi kullanarak),Vaka çalışması: Sosyal ağ analizi ile sosyal medya analizi (Pajek ve Gephi kullanılarak),Vaka çalışması: Sosyal ağ analizi ile sosyal medyada metin madenciliği (Pajek ve Gephi kullanarak),Vaka çalışması: Sosyal ağ analizi ile anomali (ör. dolandırıcılık) tespiti (Pajek ve Gephi kullanarak); konularını içermektedir. |
Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. Sosyal ağ analizi örneklerini gösterir. | 10, 13, 9 | A, E, G |
2. Ağ yapısını analiz eder. | 10, 13, 9 | A, E, G |
3. Bilinen bazı sosyal ağ analizi yazılımlarını kullanır. | 10, 13, 9 | A, E, G |
4. Farklı amaçlar için sosyal ağ modelleri oluşturur. | 10, 13, 9 | A, E, G |
5. Bilinen bazı gerçek uygulamalarda sosyal ağ analizini kullanır. | 10, 13, 9 | A, E, G |
Öğretim Yöntemleri: | 10: Tartışma Yöntemi, 13: Örnek Olay Yöntemi, 9: Anlatım Yöntemi |
Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev, G: Kısa Sınav |
Ders Akışı
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Klasik veri madenciliği ve çizge madenciliğinin karşılaştırmalı analizi: Sosyal Ağ Analizine Giriş | İlgili bölüm kitaptan okunacaktır. |
2 | Sosyal ağ verileri hakkında daha fazla bilgi: Büyük veri, sosyal ağ verileri ve sosyal ağ verilerinin temsili | İlgili bölüm kitaptan okunacaktır. |
3 | Çizge teorisinin temelleri | İlgili bölüm kitaptan okunacaktır. |
4 | Sosyal ağ analizi için gerekli temel ağ metrikleri | İlgili bölüm kitaptan okunacaktır. |
5 | Ağ türleri (modelleri) | İlgili bölüm kitaptan okunacaktır. |
6 | Pajek, Gephi ve NodeXL yazılımları kullanılarak sosyal ağ verilerinin görselleştirilmesi | İlgili bölüm kitaptan okunacaktır. |
7 | Sosyal ağ analizinde sınıflandırma çalışmaları (Pajek ve Gephi ile uygulama) | İlgili bölüm kitaptan okunacaktır. |
8 | Sosyal ağ analizinde kümeleme çalışmaları (Pajek ve Gephi ile uygulama) | İlgili bölüm kitaptan okunacaktır. |
9 | Sosyal ağ analizinde metin madenciliği çalışmaları (Pajek ve Gephi ile uygulama) | İlgili bölüm kitaptan okunacaktır. |
10 | Sosyal ağların istatistiksel analizi: sosyal ağları istatistiksel bakış açısıyla ele almak | İlgili bölüm kitaptan okunacaktır. |
11 | Vaka çalışması: Sosyal ağ analizi ile WEB madenciliği (Pajek ve Gephi kullanarak) | İlgili bölüm kitaptan okunacaktır. |
12 | Vaka çalışması: Sosyal ağ analizi ile sosyal medya analizi (Pajek ve Gephi kullanılarak) | İlgili bölüm kitaptan okunacaktır. |
13 | Vaka çalışması: Sosyal ağ analizi ile sosyal medyada metin madenciliği (Pajek ve Gephi kullanarak) | İlgili bölüm kitaptan okunacaktır. |
14 | Vaka çalışması: Sosyal ağ analizi ile anomali (ör. dolandırıcılık) tespiti (Pajek ve Gephi kullanarak) | İlgili bölüm kitaptan okunacaktır. |
Kaynak |
[1] Ders notları |
[2] Necmi Gürsakal, 2009, Sosyal Ağ Analizi, Dora Yayıncılık [3] V.G. Demirci, A.M.Çilingirtürk, 2020, Sosyal Ağ Analizi, Ekin Yayınları [4] S.Wasserman, K.Faust, 1994, Social Network Analysis: Methods and Applications, Cambridge University Press [5] D.J.Cook, L.B.Holders (editors), 2007, Minin Graph Data, John Wiley & Sons |
Dersin Program Yeterliliklerine Katkısı
Dersin Program Yeterliliklerine Katkısı | |||||||
No | Program Yeterliliği | Katkı Düzeyi | |||||
1 | 2 | 3 | 4 | 5 | |||
1 | Bilişim ve yönetim alanında teorik bilgileri tanımlar. | X | |||||
2 | Bilişim ve yönetim alanında gerekli ileri düzeyde matematiksel ve istatistiki yöntemleri anlatır. | X | |||||
3 | Enformatik, yönetim ve büyük veri ile ilgili gerekli en az bir bilgisayar programı veya teknolojiyi kullanır. | X | |||||
4 | Bilişim projeleri hazırlar ve takım çalışmalarını yönetir. | ||||||
5 | Disiplinler arası çalışmalar yürütebilmek için farklı disiplinlerde (ekonomi, finans, sosyoloji, hukuk, işletme) temel bilgileri ve verileri analiz ederek alanında kullanır. | X | |||||
6 | Büyük verileri analiz için hazırlar. | X | |||||
7 | Alana özgü bilimsel tez, rapor, makale ve benzerlerini yazar. | ||||||
8 | Mesleki alanda yaşam boyu öğrenmenin gerekliliği bilinciyle bilim ve teknolojideki gelişmeleri izleyerek kendini sürekli yenileyip edindiği bilgi ve becerileri eleştirel olarak değerlendirir. | X | |||||
9 | Alanının ilişkili olduğu disiplinler arası etkileşimi açıklar. | X |
Değerlendirme Sistemi
Katkı Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |