R İle Matematiksel ve İstatistiksel Veri Analizi

"R İle Matematiksel ve İstatistiksel Veri Analizi" eğitimi, R programlama dilini kullanarak veri analizi, istatistiksel modelleme ve matematiksel hesaplamalar yapmayı öğretmeyi amaçlar. Bu eğitim programında, R'nin temel sözdizimi, veri yapıları, fonksiyonlar ve paketler (ggplot2, dplyr, tidyr gibi) tanıtılacak; betimsel ve çıkarımsal istatistik, hipotez testleri, regresyon analizi, zaman serileri ve makine öğrenmesi temelleri gibi konular işlenecektir. Uygulamalı örneklerle öğrenciler, gerçek hayat veri setleri üzerinde analiz yapma, görselleştirme ve raporlama becerileri kazanacaktır. Akademik araştırmacılar, veri bilimciler ve istatistikçiler için temel bir kaynak niteliğindedir.

• R’a giriş: Kurulum, RStudio kullanımı
• Temel veri yapıları (vektörler, matrisler, listeler, veri çerçeveleri)
• Fonksiyon yazma ve kontrol yapıları (if-else, for, while döngüleri)
• R’da dosya okuma/yazma (CSV, Excel, SQL veritabanları)

• dplyr ile veri işleme (filter(), select(), mutate(), group_by(), summarise())
• tidyr ile veri düzenleme (pivot_longer(), pivot_wider(), separate(), unite())
• Eksik veri (NA) yönetimi ve düzeltme teknikleri
• String işlemleri için stringr paketi

• Merkezi eğilim ve dağılım ölçüleri (ortalama, medyan, standart sapma)
• ggplot2 ile gelişmiş grafikler (histogram, boxplot, scatter plot, bar plot)
• Çoklu veri görselleştirme (facetting, renk ve tema ayarları)
• Dinamik grafikler için plotly entegrasyonu

• Kesikli ve sürekli dağılımlar (Binom, Poisson, Normal, t-dağılımı)
• Rastgele sayı üretme ve Monte Carlo simülasyonları
• Olasılık hesaplamaları ve kümülatif dağılım fonksiyonları

• Hipotez testleri (t-testi, ANOVA, ki-kare testi)
• Parametrik ve non-parametrik testler
• Güven aralıkları ve p-değeri yorumlama
• Korelasyon analizi (Pearson, Spearman)

• Basit ve çoklu lineer regresyon (lm fonksiyonu)
• Model doğrulama (R², artık analizi, çoklu bağlantı)
• Lojistik regresyon (GLM ile sınıflandırma)
• Regularizasyon yöntemleri (Ridge, Lasso regresyon)

• Zaman serisi veri yapısı (ts, xts, zoo paketleri)
• Trend, mevsimsellik ve durağanlık analizi
• ARIMA modelleme ve tahminleme
• Prophet ile ileri düzey zaman serisi analizi

• Denetimli ve denetimsiz öğrenme temelleri
• Kümeleme algoritmaları (k-means, hiyerarşik kümeleme)
• Sınıflandırma (Karar ağaçları, Random Forest)
• Model değerlendirme (Confusion Matrix, ROC eğrisi)

• R Markdown syntax’ı ve HTML/PDF/Word çıktıları
• Parametrik raporlama ve otomatik doküman oluşturma
• Shiny ile interaktif web uygulamaları geliştirme