• Bu ders lisansüstü düzeyde kurgulanmış, ampirik odaklı bir derstir: Her istatistiksel kavram doğrudan Python uygulamalarıyla desteklenmiştir.
• İncelenen her ekonometrik ve istatistiksel yöntem için tekrarlanabilir bir Google Colab çalışma defteri sağlanacaktır.
• Bu ders, akademik çalışmalarınızda ve sektörel projelerinizde ampirik verileri metodolojik olarak analiz etme ve savunabilme yetkinliği kazandırmayı amaçlar.
• Ders saatlerinde, akademik tartışma ortamında ve ofis saatlerinde sorularınızı yöneltmeniz teşvik edilir.
• Tüm ders izlenceleri, sunumlar, veri setleri ve kod blokları kurumsal bulut deposu üzerinden erişime sunulacaktır.

• Veri bilimi; programlama, istatistiksel modelleme ve alana özgü teorik bilgiyi harmanlayarak ham verilerden karar alma mekanizmalarına temel teşkil eden çıkarımlar elde etme sürecidir.
• Veri toplama, veri ön işleme, keşifçi analiz, istatistiksel modelleme ve sonuçların akademik/sektörel sunumunu bütünleşik olarak kapsar.
• Ampiriktir: Teorik modeller önerilir, ampirik veri setleri üzerinden geçerliliği sınanır ve elde edilen tanı sonuçlarına göre yeniden yapılandırılır.
• Sistem yaklaşımında veri bilimi: Ölçümler üzerinden stokastik belirsizlik altında analitik çıkarım yapma metodolojisidir.

İstatistiğin Analitik Süreçteki Rolü:

• Veri Toplama: Örneklemleme tasarımı, yanlılık kontrolü ve optimal örneklem büyüklüğünün saptanması.
• Ön İşleme: Aykırı değerler, yapısal eksiklikler ve ölçüm hatalarının metodolojik yönetimi.
• Keşif: Moment tahminleri, dağılım karakteristikleri ve kovaryans yapısının tespiti.
• Modelleme: Parametre tahmini, hipotez testleri ve tahmin belirsizliğinin ölçülmesi.
• Raporlama: Anlamlılık düzeyleri, güven sınırları ve etki büyüklüklerinin nesnel raporlanması.

• Tablosal Veri Yapısı = Satırlar (Gözlem Birimleri) × Sütunlar (Değişkenler/Öznitelikler) matrisidir.
• Her bir satır bağımsız bir gözleme karşılık gelirken; her bir sütun belirli bir ölçüm tipine aittir.
• Python bilimsel ekosistemindeki standart temsili pandas.DataFrame yapısıdır.
• Yapısal olmayan veri türleri (metin, ses, görüntü, çizge) analiz öncesinde vektörleştirilerek dikdörtgensel forma indirgenir.

• Basit rassal örnekleme, kitledeki her birimin örnekleme seçilme olasılığının eşit ve bağımsız olmasını güvence altına alır.
• Rassal örnekleme tasarımı, örneklemleme hatasını ve parametre belirsizliğini matematiksel olarak ölçmemizi sağlar.
• Rassal olmayan örneklemler, gözlem sayısı ne kadar büyük olursa olsun kitleyi sistematik olarak saptırabilir.
• Mühendislik uygulamalarında: Yalnızca kolay erişilebilir alt birimlerden veri derlemek (kolayda örnekleme) sık karşılaşılan bir yanlılık kaynağıdır.
• Deney tasarımı (DOE), rassallaştırmanın nedensellik analizleri için metodolojik olarak kontrol edilmesidir.

• Her ampirik çalışma; veri kaynağı, ön işleme kodları, yazılım kütüphaneleri ve sürüm bilgileriyle belgelenmelidir.
• Rassal elemanlar içeren tüm algoritmik adımlarda rassal tohum (random seed) tanımlanmalıdır.
• Ham veri seti orijinal haliyle korunmalı; türetilen veya filtrelenen veri setleri ayrı dosyalar olarak kaydedilmelidir.
• Akademik çalışmalarda sürüm kontrol sistemleri (Git) kullanılmalıdır.

• Korelasyon – Nedensellik Özdeşleştirmesi: İstatistiksel birlikteliğin doğrudan nedensellik gösterdiği yanılgısı (10. Hafta).
• p-Hacking (Veri Madenciliği / Spesifikasyon Arayışı): Anlamlı p-değeri elde edene kadar çok sayıda model deneyip yalnızca anlamlı çıkanları raporlamak.
• Aşırı Öğrenme (Overfitting): Modelin anakütle örüntüsü yerine örnekleme özgü rastlantısal gürültüyü öğrenmesi.
• Model Varsayımlarının İhmal Edilmesi: Normallik, eşvaryanslılık ve bağımsızlık koşulları denetlenmeden test uygulanması.
• Aykırı Değerlerin Keyfî Ayıklanması: Teorik veya ampirik bir gerekçe olmaksızın hipotezi desteklemeyen gözlemlerin veri setinden çıkarılması.
• Yanıltıcı Görselleştirme Teknikleri: Kırpılmış eksen ölçekleri ve görsel manipülasyonlarla verinin saptırılması.

• Geniş bilimsel kütüphane ekosistemine sahip, esnek ve nesne yönelimli genel amaçlı bir dildir.
• Açık kaynak mimarisi sayesinde küresel veri bilimi ve yapay zekâ literatürünün ortak çalışma standardıdır.
• Uçtan uca analitik süreçleri destekler: Veri kazıma, temizleme, ekonometrik analiz, makine öğrenmesi ve üretime dağıtım.
• Bilimsel tekrarlanabilirliği sağlayan etkileşimli hesaplama altyapılarına (Jupyter, Google Colab) sahiptir.
• Akademik araştırmalarda ve kurumsal analitik projelerde yaygın olarak benimsenmiştir.

colab.research.google.com adresini açarak kurumsal Google hesabınız ile oturum açınız.

Kod Hücresi: Python kodlarını icra eder; çalıştırmak için Shift + Enter kısayolu kullanılır.

# Python kod hücresi
import numpy as np
x = np.arange(10)
print("Ortalama:", x.mean(), "Standart Sapma:", x.std())

Markdown Hücresi: Analiz açıklamaları, LaTeX denklemleri ve yapısal başlıklar içerir.

# 1. Hafta: İlk İstatistiksel Analiz
Örneklem ortalaması formülü: $\bar{x} = \frac{1}{n}\sum_{i=1}^n x_i$
- Veri kümesinin içe aktarılması
- Betimsel momentlerin incelenmesi

• Colab çalışma zamanı geçici bir sanal makinedir; belirli bir hareketsizlik süresinden sonra oturum sonlandırılır.
• Çekirdek yeniden başlatıldığında bellekteki tüm nesneler ve değişkenler sıfırlanır. Hücrelerin baştan itibaren sırayla çalıştırılması gerekir.
• Doğrudan sol panele yüklenen veri dosyaları oturum kapandığında silinir; kalıcılık için Google Drive entegrasyonu kurulmalıdır.
• Yeni bir harici kütüphane kurulduğunda çalışma zamanı yeniden başlatılmalıdır.
• Gerektiğinde donanım hızlandırma tipi seçilebilir (Çalışma Zamanı → Çalışma zamanı türünü değiştir).

# Standart kütüphaneler haricinde ek modül kurulumu:
!pip install pmdarima

# Bilimsel analiz kütüphanelerinin içe aktarılması:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
import statsmodels.api as sm
from sklearn.linear_model import LinearRegression

print("NumPy Sürümü :", np.__version__)
print("pandas Sürümü:", pd.__version__)

• pandas, SciPy, scikit-learn ve statsmodels kütüphanelerinin sayısal altyapısını oluşturur.
• Bellekte bitişik bloklar halinde tutulan homojen, n-boyutlu dizi nesneleri (ndarray) sunar.
• Vektörize işlemler optimize edilmiş C/Fortran seviyesinde yürütülür; yavaş Python döngülerine duyulan ihtiyacı ortadan kaldırır.
• Yayınlama (Broadcasting) mekanizması ile farklı boyutlardaki matris ve diziler arasında cebirsel işlemleri destekler.
• Gelişmiş lineer cebir, Fourier dönüşümleri ve rassal sayı üretim motorlarına sahiptir.

import numpy as np

# 1. Dizi tanımlama ve özel matrisler
a = np.array([1, 2, 3, 4, 5])
z = np.zeros(5)                  # Sıfırlar vektörü
o = np.ones((2, 2))              # 2x2 boyutlu birler matrisi
r = np.arange(0, 10, 2)          # [0, 2, 4, 6, 8]
lin = np.linspace(0, 1, 5)       # [0., 0.25, 0.5, 0.75, 1.]

# 2. İstatistiksel momentler
a.mean(), a.std(ddof=1), a.min(), a.max()

# 3. Vektörize matematik (Döngüsüz hesaplama)
b = a ** 2 + 3

# 4. Stokastik simülasyon ve rassal tohum
rng = np.random.default_rng(seed=42)
x = rng.normal(loc=0, scale=1, size=1000)

• pandas kütüphanesi iki temel analitik veri yapısı sunar: Series (1-Boyutlu) ve DataFrame (2-Boyutlu).
• Series nesnesi, homojen veri tipi ve etiketli indeks içeren tek boyutlu bir vektördür.
• DataFrame nesnesi, ilişkisel veritabanı veya ekonometrik panel tablolarına karşılık gelen etiketli iki boyutlu veri matrisidir.
• İndeks mekanizması, gözlem birimleri ile değişkenler arasında yüksek performanslı eşleme ve sorgulama olanağı sağlar.
• Veri manipülasyonu, filtreleme, toplulaştırma ve eksik veri yönetiminde endüstri standardıdır.

import pandas as pd

# Series tanımlama: Veri Değerleri + İndeks Bileşeni
sicakliklar = pd.Series(
    [72.4, 78.1, 84.9, 69.3],
    index=["M1", "M2", "M3", "M4"],
    name="sicaklik"
)

# Etiket bazlı erişim
deger = sicakliklar["M3"]         # 84.9

# Betimsel istatistikler
ortalama = sicakliklar.mean()
sapma = sicakliklar.std()

# Mantıksal (Boolean) maskeleme ile filtreleme
yuksek = sicakliklar[sicakliklar > 75]

import pandas as pd

# 1. Sözlük veri yapısından DataFrame türetme:
df = pd.DataFrame({
    "makine":   ["M1", "M2", "M3", "M4"],
    "sicaklik": [72.4, 78.1, 84.9, 69.3],
    "titresim": [0.31, 0.47, 0.92, 0.22],
    "durum":    ["NORMAL", "NORMAL", "HATA", "NORMAL"],
})

# 2. Yerel dosya sisteminden CSV içe aktarma:
df = pd.read_csv("sensor_verileri.csv")

# 3. Harici bir web kaynağından (URL) doğrudan içe aktarma:
url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/iris.csv"
iris = pd.read_csv(url)

# Strateji A: Doğrudan URL üzerinden okuma (Tekrarlanabilirlik için en uygun yöntem):
import pandas as pd
url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv"
df = pd.read_csv(url)

# Strateji B: Yerel sistemden geçici oturuma dosya yükleme:
from google.colab import files
yuklenen = files.upload()
df = pd.read_csv(next(iter(yuklenen)))

# Strateji C: Google Drive bağlantısı ile kalıcı veri erişimi:
from google.colab import drive
drive.mount("/content/drive")
df = pd.read_csv("/content/drive/MyDrive/BSM622/veri/sensor_verileri.csv")

df.shape                         # Boyutlar: (Gözlem sayısı, Değişken sayısı)
df.head()                        # İlk 5 gözlem birimi
df.tail(3)                       # Son 3 gözlem birimi
df.info()                        # Bellek kullanımı, sütun tipleri ve eksik gözlem sayıları
df.describe()                    # Sayısal değişkenlere ait momentler (Ortalama, Sapma, Kartiller)
df.describe(include="object")    # Kategorik değişkenlerin frekans ve mod özetleri
df.dtypes                        # Değişken veri tipleri
df.columns.tolist()              # Değişken adları listesi
df.sample(5, random_state=42)    # Rassal seçilen 5 gözlem birimi

# Değişken (Sütun) Seçimi:
df["sicaklik"]                     # Tek değişken -> Series nesnesi
df[["sicaklik", "titresim"]]       # Çok değişkenli alt küme -> DataFrame nesnesi

# Gözlem (Satır) Seçimi:
df.iloc[0]                         # Pozisyona dayalı ilk gözlem birimi
df.iloc[0:5, 1:3]                  # Pozisyonel aralık: 0-4 satırlar, 1-2 sütunlar
df.loc[0, "sicaklik"]              # Etikete dayalı koordinat erişimi
df.loc[df["durum"] == "HATA"]      # Mantıksal koşula dayalı satır seçimi

# Tek kriterli mantıksal seçim:
sicak = df[df["sicaklik"] > 80]

# Çok kriterli seçim (& = VE, | = VEYA, ~ = DEĞİL):
kritik = df[(df["sicaklik"] > 80) & (df["titresim"] > 0.5)]

# .query operatörü ile dinamik filtreleme:
kritik = df.query("sicaklik > 80 and titresim > 0.5")

# Kategori listesi veya aralık bazlı filtreleme:
df[df["durum"].isin(["HATA", "UYARI"])]
df[df["sicaklik"].between(70, 85)]

# Mevcut değişkenlerden yeni analitik öznitelikler türetme:
df["sicaklik_c"] = (df["sicaklik"] - 32) * 5 / 9
df["risk_skoru"] = df["titresim"] * df["sicaklik"]

# Koşullu değişken türetme (np.where):
import numpy as np
df["risk_sinifi"] = np.where(df["sicaklik"] > 80, "Yuksek", "Normal")

# Değişken çıkarma (axis=1) veya satır çıkarma (axis=0):
df = df.drop(columns=["risk_sinifi"])

# Değişken adını yeniden tanımlama:
df = df.rename(columns={"sicaklik": "sicaklik_f"})

df.isna().sum()                    # Değişken bazında eksik gözlem (NA) sayıları
df.isna().mean().round(3)          # Değişken bazında eksik gözlem oranları
df[df.isna().any(axis=1)]          # En az bir hücresinde eksik değer bulunan satırlar

# Temel yönetim yaklaşımları (2. Haftada detaylandırılacaktır):
df.dropna()                        # Eksik gözlem içeren satırların çıkarılması
df.fillna(df.median(numeric_only=True))  # Sayısal değişkenlerin medyan ile ikamesi

# Tek değişken için grup ortalamaları:
df.groupby("durum")["sicaklik"].mean()

# Çoklu betimsel momentlerin topluca hesaplanması:
df.groupby("durum").agg(
    ortalama_sicaklik = ("sicaklik", "mean"),
    ortalama_titresim = ("titresim", "mean"),
    gozlem_hacmi      = ("sicaklik", "size"),
)

import matplotlib.pyplot as plt
import seaborn as sns

# Dağılım histogramı
df["sicaklik"].hist(bins=20)
plt.xlabel("Sıcaklık"); plt.ylabel("Frekans"); plt.title("Sıcaklık Dağılımı")
plt.show()

# Gruplar arası kutu grafiği (Boxplot)
sns.boxplot(data=df, x="durum", y="sicaklik")
plt.show()

import pandas as pd, seaborn as sns, matplotlib.pyplot as plt

# 1) İçe Aktar
url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/tips.csv"
tips = pd.read_csv(url)

# 2) Yapısal Teşhis
print(tips.shape); print(tips.head())

# 3) Moment Analizi & 4) Gruplama
print(tips.describe())
print(tips.groupby("day")["tip"].mean())

# 5) Grafiksel Temsil
sns.boxplot(data=tips, x="day", y="tip")
plt.show()

Çok modlu (multimodal) yapay zekâ araçları, karmaşık grafiklerin yorumlanmasında güçlü bir destekçidir.

• Google Colab üzerinde BSM622_H1_AdinizSoyadiniz.ipynb adıyla yeni bir çalışma defteri oluşturunuz.
• Başlık hücresine adınızı, soyadınızı ve öğrenci numaranızı Markdown formatında tanımlayınız.
• tips veri setini belirtilen URL üzerinden doğrudan oturuma yükleyiniz.
• .info(), .describe() ve .head() komutlarını çalıştırarak her bir çıktının altına 1-2 cümlelik metodolojik yorumunuzu ekleyiniz.
• groupby kullanarak haftanın günlerine göre ortalama bahşiş ve hesap tutarlarını karşılaştırınız.
• Çalışma defterinizi Google Drive'ınızda /BSM622/H1/ klasör hiyerarşisi altında kaydediniz.
• Görüntüleme bağlantısını Moodle → BSM622 → 1. Hafta → Ödev üzerinden teslim ediniz.

Teslim Formatı: Tekrarlanabilir ve çalıştırılabilir Colab çalışma bağlantısı.

Araştırma Görevleri:

• G1. En az 5 değişken ve 200 gözlem içeren ampirik bir veri seti belirleyiniz (UCI, Kaggle veya seaborn) ve kaynağını referans gösteriniz.
• G2. Veri setinin boyutunu (shape), veri tiplerini (dtypes) ve betimsel özetlerini (describe()) raporlayınız.
• G3. İki sayısal değişken için ortalama, medyan ve standart sapma değerlerini hesaplayınız.
• G4. Metodolojik bir kural tanımlayarak mantıksal satır filtrelemesi yapınız ve gözlem adedini belirtiniz.
• G5. Bir kategorik değişken üzerinde groupby uygulayarak sayısal bir değişkenin grup momentlerini inceleyiniz.
• G6. Bulgularınızı metodolojik olarak yorumlayan 3-5 cümlelik bir "Bulgular" metin hücresi ekleyiniz.

Yapay Zekâ Destekli Keşif (3. Baskı)

1. Bir AI aracını (ChatGPT, Claude, Gemini) kullanarak robust konum tahminleri hakkında bilgi edinin. R veya Python uygulamalarını inceleyin.
2. Kamuya açık bir veri setinin (örn. UCI ML Repository) veri sözlüğünü AI ile iyileştirin. Orijinal ile karşılaştırın.
3. Bu haftaki grafiklerden birini AI'ya yorumlatın. Takip soruları sorarak derinleştirin. Çıktıyı eleştirel gözle değerlendirin.

Son Teslim Tarihi: 2. Hafta ders saatinden önce • Teslim: Moodle Ödev modülü • Gecikme cezası: Günlük -%20 (azami 3 gün).

• Hücreleri Sırasız Çalıştırmak: Teslim öncesinde mutlaka Çalışma Zamanı → Yeniden başlat ve tümünü çalıştır yaparak kodun doğrusal çalıştığını teyit ediniz.
• Yerel Dosya Yollarını Sabitlemek: Yerel disk yolları harici sistemlerde çalışmaz; URL veya Drive yollarını tercih ediniz.
• Veri Tiplerini Denetlememek: Sayısal değişkenlerin nesne (string) olarak içe aktarılması durumunda istatistiksel hesaplamalar sessizce bozulur.
• Filtreleme Kayıplarını Belgelememek: df.dropna() gibi işlemler sonucunda veri setinden kaç gözlemin dışlandığı mutlaka raporlanmalıdır.
• Rassal Tohum Tanımlamamak: Rassal tohum içermeyen stokastik analizler bağımsız araştırmacılar tarafından tekrarlanamaz.
• Monolitik Hücre Tasarımı: Bütün analiz sürecini tek bir hücreye yığmak yerine bağımsız, başlıklı hücre blokları oluşturunuz.

Gelecek Derse Hazırlık:

• Python deneyiminiz sınırlıysa: Ders sayfasındaki Python Temelleri Colab defterini tamamlayınız.
• Bruce vd., 1. Bölümü (Exploratory Data Analysis) dikkatle inceleyiniz.
• Ödev 1 çalışmanızı tamamlayıp Moodle üzerinden teslim ediniz.
• Analiz ettiğiniz veri seti ile ilgili metodolojik en az bir soru hazırlayınız.