GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| TAB6054-22 | TARIMDA UYGULAMALI VERİ ANALİZİ VE YORUMLANMASI I | Ders | 1 | 1 | 6.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
[DersinAmaci]
Tarım sektöründe veri analizinin önemini kavratmak İstatistiksel yöntemleri kullanarak tarımsal verileri değerlendirmek Tarımsal araştırmalarda veri toplama, temizleme ve görselleştirme tekniklerini öğretmek R veya Python gibi yazılımlarla veri analizi yapabilme becerisi kazandırmak Tarımsal üretim, verimlilik, toprak analizi ve iklim değişikliği gibi konularda veri odaklı karar alma süreçlerini geliştirmek Ders içeriği genellikle tanımlayıcı istatistikler, hipotez testleri, regresyon analizi, zaman serisi analizi, uzaktan algılama verileriyle çalışma gibi konuları içerir.
Dersi Veren Öğretim Görevlisi / Görevlileri
Doç. Dr. Fatih ÖNER
Öğrenme Çıktıları
| 1 | Tarımsal verileri toplama, düzenleme ve analiz etme becerisi kazanır. |
| 2 | İstatistiksel yöntemleri kullanarak tarımsal verileri yorumlayabilir. |
| 3 | Tarımsal araştırmalarda hipotez testleri ve regresyon analizleri uygulayabilir. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
yok
Ders İçin Önerilen Diğer Hususlar
1. Veri Kaynaklarını Anlama ve Doğru Kullanma Yerel ve uluslararası tarım veri setleri (FAO, TÜİK, NASA Harvest vb.) Tarımsal sensörlerden ve IoT cihazlarından gelen veriler İklim değişikliği ve hava durumu verilerinin tarıma etkisi 2. Uygulamalı Araç ve Yazılımlar R (dplyr, ggplot2, caret gibi paketlerle analiz) Python (pandas, scikit-learn, seaborn ile veri görselleştirme ve modelleme) Excel ve SPSS gibi geleneksel istatistik yazılımları QGIS ve ArcGIS (Coğrafi Bilgi Sistemleri ile analiz) 3. Tarımsal Karar Destek Sistemleri Büyük veri kullanarak tarımsal yönetim stratejileri oluşturma Hassas tarım teknikleriyle veri odaklı karar alma Veriye dayalı hastalık ve zararlı yönetimi 4. Veri Güvenliği ve Etik Tarımsal verilerin gizliliği ve korunması Çiftçilerin ve araştırmacıların veri paylaşımı konusundaki hakları Yanıltıcı analizlerden kaçınma ve etik raporlama 5. Gerçek Dünya Uygulamaları ve Örnek Vaka Analizleri Verim tahminleme modelleri (Makine öğrenmesi ile mahsul tahmini) Su ve gübre kullanım optimizasyonu Uydu görüntüleriyle hastalık ve stres analizi
Dersin İçeriği
1. Tarımsal Verinin Önemi ve Türleri Tarımda veri kaynakları (iklim, toprak, verim, fiyat, hastalık vb.) Veri toplama yöntemleri (anketler, sensörler, uzaktan algılama) Yapılandırılmış ve yapılandırılmamış veri türleri 2. Temel İstatistik ve Veri Analizi Teknikleri Tanımlayıcı istatistikler (ortalama, medyan, varyans, standart sapma) Veri görselleştirme (histogram, kutu grafikleri, dağılım grafikleri) Eksik veri analizi ve veri temizleme 3. Hipotez Testleri ve Karar Verme t-testleri, Ki-kare testleri Varyans analizi (ANOVA) Güven aralıkları ve anlamlılık seviyeleri 4. Regresyon ve Korelasyon Analizi Basit ve çoklu regresyon analizi Korelasyon katsayısı hesaplama Tarımda verim tahmin modelleri 5. Zaman Serisi Analizi ve Tahmin Yöntemleri Zaman serisi bileşenleri (trend, mevsimsellik) Hareketli ortalama ve üstel düzeltme yöntemleri Tarımsal üretim ve fiyat tahminleri 6. Makine Öğrenmesi ve Veri Madenciliği Uygulamaları (Giriş Düzeyinde) Kümeleme ve sınıflandırma yöntemleri Tarımsal görüntü işleme (bitki hastalıkları tespiti) Derin öğrenme ile tarımsal tahminleme 7. Coğrafi Bilgi Sistemleri (CBS) ve Uzaktan Algılama Tarımsal verilerde coğrafi analiz Toprak ve su yönetimi için uzaktan algılama verileri Uydu görüntülerinden veri çıkarma teknikleri 8. R ve Python ile Uygulamalı Veri Analizi Veri setlerinin okunması ve temizlenmesi Veri görselleştirme (ggplot2, matplotlib, seaborn) Regresyon, hipotez testleri ve zaman serisi analizlerinin uygulanması
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Tarımsal Veri Analizine Giriş | ||
| 2 | Temel İstatistik Kavramları | Bilgisayara paket programı kurma | |
| 3 | Veri Görselleştirme Teknikleri | ||
| 4 | Tarımsal Verilerde Veri Ön İşleme | ||
| 5 | Hipotez Testleri | bilgisayarda örnekleme | |
| 6 | Regresyon ve Korelasyon Analizi | ||
| 7 | Zaman Serisi Analizi ve Tahminleme | ||
| 8 | Ara Sınav ve Uygulamalı Değerlendirme | ||
| 9 | Makine Öğrenmesine Giriş | ||
| 10 | Tarımda Büyük Veri ve Karar Destek Sistemleri | ||
| 11 | Uzaktan Algılama ve CBS Uygulamaları | ||
| 12 | Tarımsal Üretim ve Fiyat Tahmini | ||
| 13 | Veri Güvenliği ve Etik | ||
| 14 | Final Proje Sunumları ve Genel Değerlendirme |
Ders Kitabı Malzemesi Önerilen Kaynaklar
1. "Statistical Methods for Agricultural Sciences" – M. V. Kalaiselvan 2. pplied Statistics in Agricultural, Biological, and Environmental Sciences" – Lynne M. Cole, Karen A. Garrett
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 8 | 2 | 16 |
| Final Sınavı | 8 | 2 | 16 |
| Bireysel Çalışma | 14 | 5 | 70 |
| Final Sınavı içiin Bireysel Çalışma | 8 | 10 | 80 |
| Toplam İş Yükü (saat) | 182 | ||
Program ve Öğrenme Çıktıları İlişkisi
| [PC] 1 | [PC] 2 | [PC] 3 | [PC] 4 | [PC] 5 | [PC] 6 | [PC] 7 | [PC] 8 | [PC] 9 | [PC] 10 | [PC] 11 | |
| [OC] 1 | 3 | 4 | 2 | 4 | 4 | ||||||
| [OC] 2 | 2 | 3 | 5 | ||||||||
| [OC] 3 | 3 | 4 | 3 | 4 | 2 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek