ECON 465 | Ders Tanıtım Bilgileri - Ekonomi | İzmir Ekonomi Üniversitesi

Dersin Adı

Ekonomik Uygulamalar ile Veri Bilimine Giriş

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
ECON 465	Güz/Bahar	3	0	3	6

Ön-Koşul(lar)	Yok
Dersin Dili
Dersin Türü	Seçmeli
Dersin Düzeyi	-
Dersin Veriliş Şekli	-
Dersin Öğretim Yöntem ve Teknikleri	-
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	-
Öğretim Eleman(lar)ı	Doç. Dr. GÜL ERTAN
Yardımcı(ları)	Araş. Gör. Samet ŞİMŞEK

Dersin Amacı	Bu ders Ekonometri dersinin devamı olup “Uygulamalı Ekonomi Analizi” alanına ait bir ders olarak tasarlanmıştır. Dersin veri bilimi araçlarının ekonomiye nasıl uygulanabileceğini göstermektir. Öğrenciler büyük veri setleri ile veri düzenlemesi, keşifçi veri analizi, lineer regresyonla tahminsel modelleme, veri görselleştirme ve etkili iletişim için gerekli kavram, araç ve teknikleri büyük veri setlerine ekonometrik yazılımdan daha uygun bir platformda öğreneceklerdir. Ders ayrıca gerçek dünya veri setlerine dayalı ekonomik ve finansal problemler ile öğrencilere veri biliminde pratik tecrübe kazandırmayı amaçlamaktadır
Öğrenme Çıktıları	Bu dersi başarıyla tamamlayabilen öğrenciler; Doğrusal cebir, istatistik ve olasılığın temel kavramlarını açıkla ve bu kavramların veri biliminde nasıl uygulandığını gösterebilecektir. Veri toplama, keşif, temizleme ve manipülasyon süreçlerini uygulayabilecektir. Temel makine öğrenmesi algoritmalarını (k-en yakın komşu, Naive Bayes, doğrusal ve lojistik regresyon, karar ağaçları, kümeleme) teorik temelleriyle açıkla ve uygulayabilecektir. Makine öğrenmesi modellerini uygulayarak algoritmaların temel çalışma mantığını analiz edebilecektir. Model değerlendirme ve doğrulama tekniklerini kullanarak tahminsel modellerin performansını karşılaştırabilecektir.
Ders Tanımı	Bu ders veri düzenleme, araştırmacı veri analizi, lineer regresyonla tahminleyici modelleme, makine öğrenmesi, veri görselleştirmesi ve etkili iletişim konularını içerir. Ders boyunca öğrenciler gerçek dünya veri setlerine dayalı ekonomik ve finansal uygulamalar üzerine çalışacak ve R yazılım programını kullanacaklardır
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri	X
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

Hafta	Konular	Ön Hazırlık
1	Karşılama ve Veri Tabanlı Ekonomi Yaklaşımı	Winant Ch1, R4DS (2e) – İş akışı temelleri; The Effect Bölüm 1; OpenIntro Statistics – Giriş; ISLR2 Bölüm 1.Varian, Hal R. "Big data: New tricks for econometrics." Journal of Economic Perspectives 28.2 (2014): 3-28. Athey, Susan. "The impact of machine learning on economics." The Economics of Artificial Intelligence: An Agenda. University of Chicago Press, 2018. Wickham and Grolemund Ünite 1
2	R ile Tekrarlanabilir İş Akışı ve Ekonomik Veri İçe Aktarma	R4DS – Veri içe aktarma, dönüştürme, görselleştirme; Irizarry Introduction to Data Science – R temelleri; ISLR2 Bölüm 2 (arka plan)
3	Veri Temizleme, Ölçüm ve Veri Entegrasyonu	R4DS – Tidy veri, birleştirmeler, eksik değerler; The Effect – Ölçüm; OpenIntro Statistics – Veri kalitesi
4	Ekonomik İçgörü için Keşifsel Veri Analizi	R4DS – EDA ve görselleştirme; OpenIntro Statistics – Betimsel istatistikler; Irizarry Intro DS – EDA örneği; ISLR2 Bölüm 2
5	Olasılık, Örnekleme ve Ekonomide Simülasyon	Irizarry Intro DS – Olasılık ve çıkarım; OpenIntro Statistics – Güven aralıkları; ISLR2 Bölüm 3.1–3.2
6	Tahmin Amaçlı Doğrusal Regresyon	Irizarry Advanced Data Science – Regresyonla tahmin; OpenIntro Statistics – Regresyon yorumu; The Effect – Tahmin-nedensellik ayrımı; ISLR2 Bölüm 3.3–3.4
7	Ekonomik Kararlar için Sınıflandırma Yöntemleri	Irizarry Advanced Data Science – Sınıflandırma; OpenIntro Statistics – Lojistik regresyon; ISLR2 Bölüm 4
8	Ara Sınav
9	Çapraz Doğrulama ve Model Seçimi	Irizarry Advanced Data Science – Yeniden örnekleme ve çapraz doğrulama; OpenIntro Statistics – Model belirsizliği; ISLR2 Bölüm 5
10	Ekonomide Ağaç Tabanlı ve Topluluk Yöntemleri	Irizarry Advanced Data Science – Karar ağaçları ve rassal ormanlar; ISLR2 Bölüm 8
11	Gözetimsiz Öğrenme ve Ekonomik Yapı Analizi	Irizarry Advanced Data Science – Kümeleme ve PCA; ISLR2 Bölüm 10, 12
12	Ekonomistler için Yapay Zekâ ve Büyük Dil Modelleri	Mollick Co-Intelligence (seçili bölümler); yapay zekâ okuryazarlığı ve etik kaynaklar
13	Tekrarlanabilir Ekonomik Araştırma Süreci	R4DS – İletişim, Quarto ve tekrarlanabilirlik; Irizarry iş akışı materyalleri
14	Final Proje Sunumları	Öğrenci proje raporları ve sunumları
15	Dönemin gözden geçirilmesi
16	Dönemin gözden geçirilmesi

Ders Kitabı

Çetinkaya-Rundel, M., & Diez, D. M. (2023). OpenIntro statistics (4th ed.). OpenIntro. https://www.openintro.org/book/os/
Huntington-Klein, N. (2022). The effect: An introduction to research design and causality. Chapman & Hall/CRC. https://theeffectbook.net/
Irizarry, R. A. (2020). Introduction to data science: Data analysis and prediction algorithms with R. https://rafalab.github.io/dsbook/
Irizarry, R. A. (2023). Advanced data science: Statistics and prediction algorithms through case studies. http://rafalab.dfci.harvard.edu/dsbook-part-2/
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R(2nd ed.). Springer. https://www.statlearning.com/
Mollick, E. (2024). Co-intelligence: Living and working with AI. Portfolio/Penguin.
Wickham, H., Çetinkaya-Rundel, M., & Grolemund, G. (2023). R for data science (2nd ed.). O’Reilly. https://r4ds.hadley.nz/
Winant, P. (n.d.). Data-Based Economics. ESCP Business School.
https://www.mosphere.fr/dbe/
R for Data Science (RDS) by Hadley Wickham and Garret Grolemund (free online) (https://r4ds.had.co.nz/)

Önerilen Okumalar/Materyaller

Varian, Hal R. "Big data: New tricks for econometrics." Journal of Economic Perspectives 28.2 (2014): 3-28.
Athey, Susan. "The impact of machine learning on economics." The Economics of Artificial Intelligence: An Agenda. University of Chicago Press, 2018
Khandani, Amir E., Adlar J. Kim, and Andrew W. Lo. "Consumer credit-risk models via machine-learning algorithms." Journal of Banking & Finance 34.11 (2010): 2767-2787.
Bastos, Joao. "Credit scoring with boosted decision trees." (2007).
Bajari, Patrick, et al. "Machine learning methods for demand estimation." American Economic Review 105.5 (2015): 481-85.

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %
Katılım	1	10
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği	1	10
Portfolyo
Ödev	1	15
Sunum / Jüri Önünde Sunum
Proje	1	35
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav	1	30
Final Sınavı	1
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	4	65
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	35
Toplam

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	3	48
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16		0
Sınıf Dışı Ders Çalışması	16	2	32
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği	1	14	14
Portfolyo			0
Ödev	1	16	16
Sunum / Jüri Önünde Sunum			0
Proje	1	40	40
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar	1	30	30
Final Sınavı	1		0
		Toplam	180

#	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	İktisat alanına özgü temel kavramların, teorilerin, ilkelerin ve araştırma yöntemlerinin bilgisine sahip olur.	-	-	-	X	-
2	İktisadi verileri toplar, işler ve ekonomi politikalarına yol gösterebilecek bilimsel araştırmalar yapmak için uygun matematiksel, ekonometrik, istatistiksel yöntemleri ve veri analizi yöntemlerini uygular.	-	-	-	-	X
3	İlgili akademik, mesleki, bölgesel ve global ağların içinde yer alır bu ağları etkin olarak kullanır.	-	-	-	-	-
4	Bulunduğu toplumun ihtiyaçları konusunda yeterli sosyal sorumluluk bilincine sahip olur ve gerektiğinde sosyal dinamikleri etkileyebilecek aktiviteler düzenler.	-	-	-	-	-
5	İhtiyaç duyduğu bilgiye erişmek için eğitim sürecinde edindiği ile kişisel bilgi birikimini sentezler.	-	-	-	-	-
6	Eleştirel ve analitik düşünme becerisi ile kendi öğrenim gereksinimlerini belirler ve yaşam boyu öğrenme sürecini yönlendirir.	-	-	-	X	-
7	Toplumsal dinamikleri iktisadi süreçlere hem bir girdi hem de sonuç olarak eklemleyebilmek için gerekli becerilere sahiptir.	-	-	-	-	-
8	Üniversitede edindiği birikimini bulunduğu toplumun kültürel ve tarihsel yapısıyla ilişkilendirebilir ve toplumun farklı katmanlarına iletir.	-	-	-	-	-
9	Bireysel ve grup üyesi olarak sorumluluk alır.	-	-	-	-	-
10	Ekonomi ile ilgili verilerin toplanması, yorumlanması, duyurulması ve uygulanması aşamalarında toplumsal, bilimsel ve etik değerlere göre hareket eder.	-	X	-	-	-
11	Bir yabancı dili kullanarak ekonomi 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.	-	-	-	-	-