Dersi Veren Fakülte \ Bölüm
İktisadi ve İdari Bilimler Fakültesi \ İşletme
Kredi
AKTS
Ders Türü
Öğretim Dili
Bu ders, işletmelerde yapay zeka (AI) ve veri analitiğinin nasıl uygulandığını kapsamlı biçimde ele alır. Öğrenciler, veri odaklı karar verme süreçlerini desteklemek için gerekli temel analitik becerileri kazanacaklardır. SQL ile temel sorgulama, veri yönetimi ve görselleştirme tekniklerinin yanı sıra Excel, Tableau ve Power BI gibi araçlar tanıtılacaktır. Ayrıca, iş dünyasında uygulamalarıyla birlikte makine öğrenmesi, yapay zeka ve veri bilimi kavramları incelenecek; öğrenciler bu teknolojilerin pazarlama, operasyon ve stratejik yönetim gibi alanlardaki katkılarını anlayacaktır. Ders kapsamında ERP sistemlerine yapay zeka ve veri analizlerinin nasıl entegre edilebileceği bağlamında bir giriş de yapılacaktır. Ders sonunda öğrenciler, analitik araçları etkin kullanarak verilerden içgörü üretme ve işletmelerde stratejik karar alma süreçlerine katkı sağlama yetkinliğine ulaşacaklardır.
Ders Kitapları ve/veya Kaynaklar
1. Provost, F., & Fawcett, T. (2013). Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O’Reilly Media.
2. Tanimura, C. (2017). SQL for Data Analysis: Advanced Techniques for Transforming Data into Insights. O'Reilly Media.
3. Knaflic, C. N. (2015). Storytelling with Data: A Data Visualization Guide for Business Professionals. Wiley.
4. MS Excel.
Bu dersin amacı, öğrencilere işletmelerde yapay zeka ve veri analitiği kavramlarını tanıtmak, temel veri yönetimi ve SQL becerileri kazandırmak, veri görselleştirme araçlarını kullanmayı öğretmek ve yapay zekanın iş dünyasındaki uygulamalarını anlamalarını sağlamaktır. Ayrıca, öğrencilerin analitik düşünme yeteneklerini geliştirerek veri odaklı kararlar alabilmelerini ve İngilizce teknik terimleri kullanabilmelerini hedefler.
1. Yapay zeka ve veri analitiği kavramlarını tanımlayabilir ve bu teknolojilerin işletmelerdeki stratejik karar alma süreçlerine etkisini açıklayabilir.
2. Temel düzeyde SQL sorguları yazarak veri tabanlarından veri çekme, filtreleme ve analiz etme becerisi gösterebilir.
3. Excel, Tableau ve Power BI gibi araçlarla veri görselleştirme yapabilecek ve iş bağlamına uygun KPI’lar oluşturabilir.
4. Makine öğrenmesi ve yapay zekâ uygulamalarının temel işlevlerini anlayarak, bunları pazarlama, operasyon ve müşteri analitiği gibi alanlarda değerlendirebilir.
5. Veri analitiği süreçlerini iş stratejilerine entegre ederek, farklı iş senaryolarında veri odaklı çözüm önerileri sunabilir.
6. Yapay zeka ve veri analitiği kavramlarını İngilizce dilinde anlar ve bu alanda İngilizce dilini kullanabilir.
1. Hafta: İşletmelerde Yapay Zeka ve Veri Analitiğine Giriş
2. Hafta: Veri Odaklı Karar Verme ve İş Uygulamaları
3. Hafta: Veri Yönetimi Temelleri ve Veri Türleri
4. Hafta: SQL'e Giriş ve Temel Sorgulamalar
5. Hafta: SQL ile Veri Çekme ve Filtreleme
6. Hafta: Veri Görselleştirme İlkeleri ve Araçlara Genel Bakış
7. Hafta: Excel ile Analiz ve Uygulamalı Örnekler
8. Hafta: Tableau ve Power BI ile Pano ve KPI Tasarımı
9. Hafta: Tableau ve Power BI ile Pano ve KPI Tasarımı
10. Hafta: Makine Öğrenmesi ve Yapay Zekâya Giriş
11. Hafta: Yapay Zekâ ve Makine Öğrenmesinin İş Uygulamaları
12. Hafta: ERP Sistemlerine Yapay Zeka ve Analitik Entegrasyonu
Referans Değerlendime Ölçütleri
• Ara Sınav % 20
• Final % 30
• Ödev % 30
• Proje % 20
|
Program Çıktısı
**
|
| 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
|
Ders Çıktısı
|
|---|
| 1 |
|
|
|
|
|
|
|
|
|
|
|
|
| 2 |
|
|
|
|
|
|
|
|
|
|
|
|
| 3 |
|
|
|
|
|
|
|
|
|
|
|
|
| 4 |
|
|
|
|
|
|
|
|
|
|
|
|
| 5 |
|
|
|
|
|
|
|
|
|
|
|
|
| 6 |
|
|
|
|
|
|
|
|
|
|
|
|