Dersi Veren Fakülte \ Bölüm
İktisadi ve İdari Bilimler Fakültesi \ İktisat
Kredi
AKTS
Ders Türü
Öğretim Dili
Bu dersin önkoşulu bulunmamaktadır.
Bu ders, ekonomik çözümlemede kullanılan modern araçlar ve yapay zeka uygulamalarına giriş sunar. Dersin temel hedefleri, öğrencilere hesap tablosu yazılımları (örneğin Libreoffice Calc, MS Excel) ve yaygın ekonometrik analiz yazılımlarına (örneğin Greti, Stata) ek olarak, yapay zeka tabanlı araçlar ve büyük dil modelleriyle (LLM) etkileşim konularında bilgi ve
beceri kazandırmaktır. Ders boyunca öğrenciler, TÜİK, EVDS, World Bank gibi çeşitli veri kaynaklarından veri indirme, temizleme ve formatlama Süreçlerini öğrenir; veri görselleştirme, temel istatistiksek analiz, ekonomi uygulamaları ve yapay zeka destekli yöntemler ile etkili YZ yönlendirme (prompting) becerilerini keşfeder ve geliştirir.
Ders Kitapları ve/veya Kaynaklar
Senol Aldıbas, 2012, Libre Office Calc, TÜBiTAK
http://www.pardus.org.tr/wp-content/uploads/2016/09/LibreOffice-Hesap-TablosuCalc.pdf
Halil Özmen, 2016, R Programlama (Özet Ders Notları)
http://halilozmen.com/dersler.php
Libre Office – Calc
https://tr.libreoffice.org/
Gretl (Gnu Regression, Econometrics and Time Series Library)
http://gretl.sourceforge.net/
R
https://www.r-project.org/
Bu ders ekonomik çalışmalarda kullanılan temel yöntem ve araçları tanıtarak öğrencileri daha ileri düzey derslere hazırlamayı amaçlar. Ekonomistlerin günlük yaşamda sıkça yararlandıkları hesap tablosu, ekonometri yazılımı ve istatistiksel programlama dili gibi araçları kullanma becerisini geliştirmek, dersin öncelikli hedefleri arasındadır.
1. Ekonomik çözümlemeler yapar
2. Modern veri kaynaklarını etkin kullanır.
3. Verileri temizler ve analiz eder.
4. Hesap tablosu ve ekonometrik araçlarla çalışır.
5. Yapay zeka tabanlı araçları kullanır.
6. Yapay zeka araçlarını yönlendirir (prompting)
7. Yapay zeka destekli analizler geliştirir.
1. Hafta: Veri analizi ve görselleştirme araçlarına giriş, kullanıcı arayüzlerinin temel özellikleri
2. Hafta: Hücre, tablo ve veri biçimlendirme, temel veri yapılandırma teknikleri
3. Hafta: Temel analiz komutları, işlevler ve hesaplamalar
4. Hafta: Veri setlerinin yüklenmesi, dış veri kaynaklarıyla bağlantı kurulması
5. Hafta: Temel istatistiksel hesaplamalar ve görselleştirme yöntemleri
6. Hafta: Ekonomik veri kaynaklarından (TÜİK, EVDS, World Bank vb.) veri indirme ve temizleme
7. Hafta: Veri analizi için temel ekonometrik uygulamalar
8. Hafta: Programlama dillerine yönelik kısa özet ve tekrar
9. Hafta: Yapay zeka tabanlı araçlar ve modellerle tanışma
10. Hafta: Etkili YZ yönlendirme (prompting) ve temel AI entegrasyonu
11. Hafta: Yapay zeka destekli ekonomik analiz ve örnek uygulamalar
12. Hafta: Yapay zeka destekli ekonomik analiz ve örnek uygulamalar
Referans Değerlendime Ölçütleri
|
Program Çıktısı
*
|
| 1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
|
Ders Çıktısı
|
|---|
| 1 |
|
|
|
|
|
|
|
|
|
|
| 2 |
|
|
|
|
|
|
|
|
|
|
| 3 |
|
|
|
|
|
|
|
|
|
|
| 4 |
|
|
|
|
|
|
|
|
|
|
| 5 |
|
|
|
|
|
|
|
|
|
|
| 6 |
|
|
|
|
|
|
|
|
|
|
| 7 |
|
|
|
|
|
|
|
|
|
|