TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN-EDEBİYAT FAKÜLTESİ |
| İSTATİSTİK PR. | |
| Kod | ISB417 |
| Ad | Python ile Zaman Serileri Analizi |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Yarıyıl | 7. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 5 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Belirsiz |
| Tür | Normal |
| Etiket | S Seçmeli |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. MAHMUDE REVAN ÖZKALE ATICIOĞLU |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bu dersin amacı, öğrencilere zaman serisi verilerinin yapısını ve dinamiklerini kavratmak, bu veriler üzerinde istatistiksel analiz ve modelleme tekniklerini öğretmek ve Python programlama dili kullanarak gerçek dünya problemlerine yönelik tahmin ve analiz becerileri kazandırmaktır.
Dersin İçeriği
Bu ders kapsamında durağanlık analizi, ayrıştırma yöntemleri, zaman serilerinde regresyon yaklaşımları, mevsimsel ve mevsimsel olmayan zaman serisi modelleri ile zaman serilerinde makine öğrenmesi ve derin öğrenme teknikleri Python uygulamaları eşliğinde ele alınmaktadır.
Dersin Ön Koşulu
yok
Kaynaklar
Peixeiro, M. 2022. Time Series Forecasting in Python. Manning Publications. Kadılar, C., Öncel Çekim, H. 2020. SPSS ve R uygulamalı Zaman Serileri Analizine Giriş. Seçkin Yayıncılık, Ankara
Notlar
Smith, J. 2019. Time Series with Python. Jim Smith Publishing
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Zaman serisi verisinin temel özelliklerini (trend, mevsimsellik, durağanlık, otokorelasyon) açıklar ve yorumlar. |
| ÖÇ02 | Zaman serisi analizinde kullanılan temel istatistiksel kavramları ve yöntemleri uygular. |
| ÖÇ03 | Python programlama dili kullanarak zaman serisi verisini işler, görselleştirir ve analiz eder. |
| ÖÇ04 | AR, MA, ARMA ve ARIMA gibi klasik zaman serisi modellerini kurar ve karşılaştırır. |
| ÖÇ05 | Model seçim kriterlerini (AIC, BIC vb.) kullanarak en uygun modeli belirler. |
| ÖÇ06 | Durağanlık testlerini (örneğin ADF testi) gerçekleştirir ve sonuçlarını değerlendirir. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | İstatistiğin temel kavramlarını ve ilkelerini açıklar | |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Yaşamda istatistiğin yerini ve önemini belirtir | |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | İktisadi ve hukuksal temel kavram ve ilkeleri tanımlar | |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Karşılaşılabileceği sorunlar karşısında sayısal ve istatistiksel çözümler üretir | |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | İstatistiksel verilerin elde edilmesi ve/veya düzenlenmesi için uygun yöntem ve teknikleri kullanır | 5 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Bilgisayar programlarını kullanarak rastgelelik içeren problemlerle ilgili model kurar, problemleri çözer, analiz yapar ve yorumlar | 5 |
| PÖÇ07 | Bilgi - Kuramsal, Olgusal | İstatistiksel analiz yöntemlerini uygular | 4 |
| PÖÇ08 | Bilgi - Kuramsal, Olgusal | İstatistiksel sonuç çıkarım (tahmin, hipotez testi, v.b.) yapar | |
| PÖÇ09 | Bilgi - Kuramsal, Olgusal | İstatistiksel teknikleri kullanarak İstatistikle ilişkili farklı disiplinler arasındaki etkileşimin farkında olur ve problemlere çözüm üretir | 5 |
| PÖÇ10 | Bilgi - Kuramsal, Olgusal | Görsel, veritabanı ve web programlama tekniklerini anlar ve nesnel program yazabilme yeteneğine sahip olur | |
| PÖÇ11 | Beceriler - Bilişsel, Uygulamalı | İstatistiksel yöntemler arasındaki farkı ayırt eder | |
| PÖÇ12 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | İstatistiksel yöntemleri kullanarak elde edilen sonuçları sözlü ve görsel olarak sunar | |
| PÖÇ13 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Bireysel ve ortaklaşa olarak etkili ve üretken çalışma yapma becerisine sahip olur | |
| PÖÇ14 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Mesleki gelişimlerinin yanı sıra ilgi ve yetenekleri doğrultusunda bilimsel, kültürel, sanatsal ve sosyal alanlarda eğitim gereksinimlerini belirleyerek kendini sürekli geliştirir | |
| PÖÇ15 | Yetkinlikler - Öğrenme Yetkinliği | İstatistiğin kullanıldığı bilim alanları ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Zaman serisi verisi, zaman serisi bileşenleri, gecikme sayısı, otokorelasyon ve kısmi otokorelasyon fonksiyonları, fark işlemleri, durağanlık, beyaz gürültü serisi | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 2 | Python'da zaman serisi verilerinin ön işlenmesi ve görselleştirilmesi | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 3 | Ayrıştırma Yöntemleri ve Python uygulamaları | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 4 | Üstel düzleştirme yöntemleri ve Python uygulamaları | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 5 | Uygulamalı ve teorik soru çözümü | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 6 | Durağanlık testleri (ADF testi) ve gerçek veri analizi | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 7 | Zaman serilerinde regresyon analizi-varsayımların test edilmesi ve gerçek veriler üzerinde Python uygulaması | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 8 | Ara Sınavlar | Ara Sınav | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Mevsimsel olmayan zaman serilerinde regresyon analizi | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 10 | Model seçim kriterleri | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 11 | Mevsimsel olmayan Box-Jenkins modelleri | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 12 | Mevsimsel Box-Jenkins modelleri | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 13 | Zaman serileri için makine öğrenmesi | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 14 | Zaman serileri için derin öğrenme | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 15 | Python programı ile zaman serisi öngörüsü | Kaynak Okuma | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama |
| 16 | Yarıyıl Sonu Sınavları | Final Sınavı | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Final Sınavı |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 3 | 42 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 1 | 15 | 15 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 10 | 10 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 15 | 15 |
| Toplam İş Yükü (Saat) | 124 | ||
| Toplam İş Yükü / 25 (s) | 4,96 | ||
| AKTS | 5 AKTS | ||