| Dersin Türü | Seçmeli |
|---|
| Dersin Düzeyi | Lisans |
|---|
| Dersin Yılı | - |
|---|
| Dersin Yarıyılı | - |
|---|
| AKTS | 5 |
|---|
| Öğretim Eleman(lar)ı |
- |
| Öğrenme Kazanımları |
Bu dersin sonunda öğrenciler;
- Turizm endüstrisindeki büyük veri kaynaklarını inceler.
- Temel veri madenciliği ve makine öğrenimi metotlarını keşfeder.
- Yapay zeka ve makine öğrenimini karşılaştırır.
- Müşteri ilişkileri yönetimi, destinasyon yönetimi ve online itibar yönetimi için büyük veri analizi kullanımını tartışır.
- Python dilini kullanarak veri setini düzenler ve temizler.
|
| Veriliş Biçimi | Yüz Yüze |
|---|
| Önkoşullar | Yok |
|---|
| Önerilen Dersler | Yok |
|---|
| Ders Tanımı | Bu ders, büyük veri kaynakları, analiz yöntemleri ve turizmdeki uygulamaları ile ilgili konuları kapsamaktadır. Akıllı destinasyon yönetimi, müşteri ilişkileri yönetimi ve çevrimiçi itibar yönetimi bağlamında büyük veri analiz yöntemleri ele alınacak; ayrıca yaygın makine öğrenimi ve veri madenciliği teknikleri üzerinde durulacaktır. Öğrenciler, büyük veri analizi gerçekleştirmek için temel Python kütüphanelerini kullanacaktır. |
|---|
| Ders İçeriği |
| HAFTA |
KONULAR |
|
1. Hafta |
Giriş: ders içeriğinin paylaşılması |
|
2. Hafta |
Turizm ve otelcilikte büyük veri kaynakları, turizm endüstrisindeki değişkenler |
|
3. Hafta |
Turizm ve otelcilikte büyük veri kaynakları, turizm endüstrisindeki değişkenler |
|
4. Hafta |
Turizm ve otelcilik için büyük veri kullanımı, müşteri ilişkileri ve online itibar yönetimi |
|
5. Hafta |
Turizm ve otelcilik için büyük veri kullanımı, akıllı destinasyon yönetimi |
|
6. Hafta |
Büyük veri analiz metot ve araçları, tahminleme analizleri, makine öğrenimi |
|
7. Hafta |
Konu tekrarı |
|
8. Hafta |
Ara sınav |
|
9. Hafta |
Büyük veri analizi, veri madenciliği süreci |
|
10. Hafta |
Metin madenciliği, düşünce ve duygu analizi |
|
11. Hafta |
DataFrame ile çalışma, Pandas kütüphanesi kullanarak veri seti temizleme ve düzenleme |
|
12. Hafta |
DataFrame ile çalışma, Pandas kütüphanesi kullanarak veri seti temizleme ve düzenleme |
|
13. Hafta |
Konu tekrarı |
|
14. Hafta |
Konu tekrarı |
|
| Kaynaklar | Anaconda navigator
WEKA
|
|---|
| Öğretim Yöntemleri |
- Anlatım
- Tartışma
- Soru-Cevap
- Sunum
|
|---|
| Değerlendirme |
|
Sayısı |
Toplam Katkısı (%) |
| Ara Sınav |
1 |
30 |
| Proje |
1 |
20 |
| Toplam(%) |
|
50 |
| Yıl İçinin Başarıya Oranı(%) |
|
50 |
| Finalin Başarıya Oranı(%) |
|
50 |
| Toplam(%) |
|
100 |
|
| AKTS İş Yükü |
| Aktivite |
Sayı |
Süre (Saat) |
İş Yükü |
| Ara Sınav |
1 |
1 |
1 |
| Kısa Sınavlara hazırlık |
|
|
|
| Sınıf Dışı Ders Çalışma Süresi |
14 |
2 |
28 |
| Final Sınavına Hazırlık |
1 |
30 |
30 |
| Ders Saati |
13 |
3 |
39 |
| Ara Sınava Hazırlık |
1 |
20 |
20 |
| Laboratuvar |
|
|
|
| Final Sınavı |
1 |
1 |
1 |
| Ödevler |
|
|
|
| Proje |
1 |
25 |
25 |
| Toplam İş Yükü | 144 |
| Toplam İş Yükü / 30 | 4.8 |
| Dersin AKTS Kredisi | 5 |
|
| Dil | Türkçe |
|---|
| Staj / Uygulama | Yok |
|---|
