
İŞLETME FAKÜLTESİ
Uluslararası Ticaret ve Finansman
BUS 220 | Ders Tanıtım Bilgileri
Dersin Adı |
İşletme ve Ekonomi için Veri Analitiği
|
Kodu
|
Yarıyıl
|
Teori
(saat/hafta) |
Uygulama/Lab
(saat/hafta) |
Yerel Kredi
|
AKTS
|
BUS 220
|
Bahar
|
2
|
2
|
3
|
5
|
Ön-Koşul(lar) |
Yok
|
|||||
Dersin Dili |
İngilizce
|
|||||
Dersin Türü |
Zorunlu
|
|||||
Dersin Düzeyi |
Lisans
|
|||||
Dersin Veriliş Şekli | - | |||||
Dersin Öğretim Yöntem ve Teknikleri | Deney / Laboratuvar / Atölye uygulamaAnlatım / Sunum | |||||
Dersin Koordinatörü | ||||||
Öğretim Eleman(lar)ı | ||||||
Yardımcı(ları) |
Dersin Amacı | Veri analizi, günümüzün dijital ortamında tüm profesyoneller için bir gerekliliktir. Bu ders, işletme ve ekonomi alanlarında gerekli olan temel veri analizi becerilerini geliştirmeyi amaçlamaktadır. |
Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Ders Tanımı | Bu ders işletme ve ekonomi alanında gerekli olan veri işleme ve analiz becerilerini geliştirmeyi amaçlamaktadır. Bu derste öğrenciler veri işlemleriyle ilgili bilgisayar kodlama becerilerini, kendi alanlarındaki vaka çalışmaları ile öğrenir. Bilgisayar alanında uzmanlaşmayı hedefleyen öğrenciler için tasarlanan kodlama derslerinin aksine, bu ders algoritmalara işletme ve ekonomi problemlerindeki işlevleri açısından yaklaşmakta ve veri işleme modellerinin özelliklerine ve uygulamalarına odaklanmaktadır. Bu uygulamalı derste öğrenciler, iş uygulamaları ve araştırmalarda yaygın olarak kullanılan Python ve R programlama dillerini öğrenir. Buna ek olarak, ders büyük veri analitiğinin özelliklerini ve bunun için kullanılan teknolojileri de kapsar.Bu ders üç modülden oluşmaktadır: 1 - Büyük veri (2 hafta): Teknolojiler (Hadoop, MapReduce), yetkinlikler, gerçek zamanlı veri işleme, büyük verilerde olası değer yaratma işlem hatları. 2. R ile istatistiksel süreçler (6 hafta): R'da keşifsel istatistikler. 3- Python ile veri analizi için kodlamaya giriş (6 hafta): Veri türleri, arama / sıralama, istatistiksel hesaplamalar için liste işleme, veriler için web kazıma. |
|
Temel Ders | |
Uzmanlık/Alan Dersleri | ||
Destek Dersleri | ||
İletişim ve Yönetim Becerileri Dersleri | ||
Aktarılabilir Beceri Dersleri |
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK ÇALIŞMALARI
Hafta | Konular | Ön Hazırlık |
1 | MODÜL 1: Büyük Veri Büyük veri teknolojileri (Hadoop, MapReduce), yetkinlikler, gerçek zamanlı veri işleme. Hedef: Büyük verilerdeki temel veri dönüşümlerini anlamak. Örnek olay: Bir süpermarketteki POS işlemlerinden stok verilerini toplamak için bir veri süreci tasarlayın. | Big Data Analytics: Concepts, Technologies, and Applications” https://aisel.aisnet.org/cais/vol34/iss1/65/?utm_source=aisel.aisnet.org%2Fcais%2Fvol34%2Fiss1%2F65&utm_medium=PDF&utm_campaign=PDFCoverPages |
2 | Büyük veri: Büyük verilerde olası değer oluşturma işlem hatları. Hedef: Büyük verilerdeki gerçek zamanlı veya çevrimdışı değer oluşturma işlem hatlarını anlamak. Örnek olay: İzmir Belediyesi ulaşım araçları verilerini düşünün. Hizmet bilgileri sağlayarak kamu hizmetlerini iyileştirmek için değer yaratma işlem hattı önerin. | |
3 | MODÜL 2: R İLE İSTATİSTİK PROGRAMLAMA R ve Rstudio'yu kullanmaya başlama, R komut dosyaları, R bölmeleri, Paketleri yükleme, R temelleri (nesneler, çalışma alanı, değişken adları) | Bölüm 1 Introduction to Data Science; Bölüm 1 R for Data Science https://rafalab.github.io/dsbook/ |
4 | R ve programlama temelleri: Veri türleri ve vektörler; matrisler; faktörler; veri çerçeveleri | Bölüm 2 Introduction to Data Science |
5 | Listeler; İndeksleme; Alt küme *Vaka Çalışması: ABD Silahlı Cinayetler | Bölüm 4 Introduction to Data Science |
6 | ggplot2 Paketi ile görselleştirmeye giriş (grafiklerin grameri, estetik, yönler, dönüşümler) * Veri seti: Galon ve Elmas karat başına Mil | Bölüm 3 R for Data Science https://r4ds.had.co.nz/index.html |
7 | Keşfedici Veri Analizi (Varyasyon, eksik değerler, kovaryasyon) | Bölüm 7 R for Data Science |
8 | Rmarkdown ile Raporlama *Vaka Çalışması: Gapminder veri seti (kişi başına GSYİH, yaşam beklentisi ve doğurganlık) | Bölüm 9 Introduction to Data Science |
9 | MODÜL 3: Python veri işleme modellerine giriş * Python editörü ve arayüzü. Sözdizimi, gramer ve kelime bilgisi. Basit veri türleri.Yardım sistemi. * Python scriptleri | Thousand Oaks: SAGE Publications, Inc.”, Bölüm 1 |
10 | * Python veri türleri * Şart/Koşul durumları | Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 2 |
11 | * Döngüler * Döngülerle tasarım örüntüleri | Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 3 |
12 | * Python veri yapıları * Fonksiyonlar | Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 4 |
13 | .csv uzantılı dosyaların kullanımı | Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 5 |
14 | "Matlib" ve "Statistics" kütüphaneleri ile istatistiksel hesaplamalar | Kaefer, F., & Kaefer, P. (2020). Introduction to Python programm Thousand Oaks: SAGE Publications, Inc.Bölüm 6 |
15 | Dönemin gözden geçirilmesi | |
16 | Final sınavı |
Ders Kitabı | “Introduction to Python Programming for Business and Social Science Applications” (2020) Frederick Kaefer, Paul Kaefer, Sage publications ISBN: 9781544377445 Wickham, H., & Grolemund, G. (2016). R for data science: import, tidy, transform, visualize, and model data. " O'Reilly Media, Inc.". ISBN-13: 978-1491910399 Tutorial: “Big Data Analytics: Concepts, Technologies, and Applications” https://aisel.aisnet.org/cais/vol34/iss1/65/?utm_source=aisel.aisnet.org%2Fcais%2Fvol34%2Fiss1%2F65&utm_medium=PDF&utm_campaign=PDFCoverPages |
Önerilen Okumalar/Materyaller |
DEĞERLENDİRME ÖLÇÜTLERİ
Yarıyıl Aktiviteleri | Sayı | Katkı Payı % |
Katılım |
1
|
10
|
Laboratuvar / Uygulama | ||
Arazi Çalışması | ||
Küçük Sınav / Stüdyo Kritiği | ||
Portfolyo | ||
Ödev |
1
|
30
|
Sunum / Jüri Önünde Sunum |
1
|
20
|
Proje | ||
Seminer/Çalıştay | ||
Sözlü Sınav | ||
Ara Sınav |
2
|
40
|
Final Sınavı | ||
Toplam |
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı |
5
|
100
|
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | ||
Toplam |
AKTS / İŞ YÜKÜ TABLOSU
Yarıyıl Aktiviteleri | Sayı | Süre (Saat) | İş Yükü |
---|---|---|---|
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati) |
16
|
2
|
32
|
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati) |
16
|
2
|
32
|
Sınıf Dışı Ders Çalışması |
16
|
2
|
32
|
Arazi Çalışması |
0
|
||
Küçük Sınav / Stüdyo Kritiği |
0
|
||
Portfolyo |
0
|
||
Ödev |
2
|
3
|
6
|
Sunum / Jüri Önünde Sunum |
1
|
26
|
26
|
Proje |
0
|
||
Seminer/Çalıştay |
0
|
||
Sözlü Sınav |
0
|
||
Ara Sınavlar |
2
|
1
|
2
|
Final Sınavı |
0
|
||
Toplam |
130
|
DERSİN ÖĞRENME ÇIKTILARININ PROGRAM YETERLİLİKLERİ İLE İLİŞKİSİ
#
|
Program Yeterlilikleri / Çıktıları |
* Katkı Düzeyi
|
||||
1
|
2
|
3
|
4
|
5
|
||
1 | Ticaret ve finans alanındaki problemleri tanımlayıp analiz ederek çözüm önerileri geliştirir. |
|||||
2 | Uluslararası Ticaret ve Finans alanında elde edinilen kuramsal ve uygulamalı bilgileri kullanır. | |||||
3 | Edindiği eleştirel düşünme yeteneğini kullanarak global piyasalardaki gelişmeleri analiz eder. | |||||
4 | Bilişim teknolojilerini etkin bir biçimde kullanarak finans, ticaret ve ekonomi alanındaki verileri analiz ederek yorumlar. | |||||
5 | Alanına ilişkin yasal düzenlemeler ve uygulamalar konusunda bilgi sahibi olur. | |||||
6 | Ticaret ve finans alanında karşılaşılabilecek riskleri öngörüp tanımlar ve bu riskleri yönetecek kararlar alıp uygular. | |||||
7 | Uluslararası Ticaret ve Finans programının gerektirdiği sözel ve sayısal becerileri edinip uygulamada kullanır. | |||||
8 | Ticaret ve finans alanı ile ilgili bilgileri elde edecek, sentezleyecek ve raporlayacak yeterliliğe sahip olur. | |||||
9 | Bireysel, takım üyesi veya lideri olarak sorunların çözümüne katkı yapar. | |||||
10 | Alanına ilişkin konuları etik bir bakış açısı ve sosyal duyarlılıkla değerlendirir. |
|||||
11 | Bir yabancı dili kullanarak Uluslararası Ticaret ve Finans ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar ("European Language Portfolio Global Scale", Level B1). | |||||
12 | İkinci yabancı dili orta düzeyde kullanır. | |||||
13 | İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir. |
*1 Lowest, 2 Low, 3 Average, 4 High, 5 Highest
HABER |TÜM HABERLER

Sürdürülebilir Finans Yaz Okulu
İzmir Ekonomi Üniversitesi, EKOSEM bünyesinde lise öğrencilerine yönelik tasarlanan Sürdürülebilir Finans Yaz Okulu 14-25 Ağustos tarihlerinde gerçekleşti. Uluslararası Ticaret ve Finansman Bölümü

Prof. Dr.C.Coşkun Küçüközmen, BASİFED tarafından gerçekleştirilen "Digital Gelecek Zirvesi"nde önemli bilgiler aktarmıştır.
Batı Anadolu Sanayici ve İş İnsanları Dernekleri Federasyonu (BASİFED) tarafından gerçekleştirilen ve büyük ilgi gören zirvede `Dijital Gelecek' tüm yönleri ile masaya

Prof. Dr. C. Coşkun Küçüközmen, "KPMG & FINTR - Dijital Finansın Öncüleri" için jüri üyeliği yapmıştır.
"KPMG & FINTR - Dijital Finansın Öncüleri" ödül programının başvurularını değerlendiren jüri üyeleri ise şu isimlerden oluştu: KPMG Türkiye Fintech ve Dijital

İlk 5’e Girdiler
İzmir Ekonomi Üniversitesi (İEÜ) öğrencilerinden oluşan 5 kişilik ekip, finans alanında en saygın uluslararası kuruluşlar arasında gösterilen CFA Enstitüsü’nün düzenlediği ‘Araştırma Yarışması’nda

İngiltere Merkezli Enstitüden İEÜ’ye Saygın Üyelik
Finans sektörünün en saygın kuruluşları arasında gösterilen İngiltere merkezli CFA Enstitüsü, İzmir Ekonomi Üniversitesi (İEÜ) Uluslararası Ticaret ve Finansman Bölümü’nü, dünyaca ünlü

Prof. Dr. Coşkun Küçüközmen Siber Riskler Hakkında EKOTÜRK'e Konuştu
İEÜ Uluslararası Ticaret ve Finans Bölümü öğretim üyesi Prof. Dr. Coşkun Küçüközmen, "Siber risklerden nasıl korunulması gerekiyor?" sorusu etrafında EKOTÜRK TV'ye değerlendirmelerde bulundu.

Prof. Dr. C. Coşkun Küçüközmen, ‘İzmir, Fintech Merkezi Olmalı’ dedi
Bölümümüz hocalarından Prof. Dr. C. Coşkun Küçüközmen, 9 Eylül Gazetesine verdiği röportajda, İzmir'in kısaca Fintech denilen teknolojik cihazlarla finansal şirketlerin internet üzerinden

Prof. Dr. C. Coşkun Küçüközmen, artan akaryakıt fiyatlarıyla ilgili “ ‘50 Liralık’çılar Geri dönemiyor” dedi
Bölümümüz hocalarından Prof. Dr. C. Coşkun Küçüközmen, 9 Eylül Gazetesine verdiği röportajda, akaryakıta gelen zamlarla ilgili değerlendirmede bulundu.