AUZEF Web Analitiği ve Zekâsı Çıkmış Sorular

Q: AUZEF Web Analitiği ve Zekâsı çıkmış sorular nerede?

Mobil Defter'de AUZEF Web Analitiği ve Zekâsı dersinin vize, final ve bütünleme hazırlığı için 99 sorusu var (2026 Vize, 2026 Final, 2026 Büt, 2025 Vize). Soruları cevaplarıyla test olarak çözebilir, yanlışlarını ayrıca tekrar edebilir ve sesli dinleyebilirsin.

Q: AUZEF Web Analitiği ve Zekâsı vize soruları ve final soruları ayrı çözülebilir mi?

Evet. Uygulamada "Vize (hepsi)" ve "Final (hepsi)" düğmeleriyle yalnız o sınavın sorularını, yıl düğmeleriyle de tek bir yılın sınavını çözebilirsin.

Q: AUZEF Web Analitiği ve Zekâsı çıkmış sorular PDF olarak indirilebilir mi?

Ayrı bir PDF dosyası yerine uygulamadaki "Kağıda yazdır" düğmesi dersin bütün sorularını ve cevap anahtarını yazdırılabilir sayfa olarak hazırlar; telefonda ya da bilgisayarda "PDF olarak kaydet" seçeneğiyle PDF yapabilirsin.

Q: AUZEF Web Analitiği ve Zekâsı ders notları ve konu özeti var mı?

Evet. Bu sayfada dersin konu özeti var; uygulamadaki "Konu özeti" düğmesiyle özetin tamamını okuyabilir ya da sesli dinleyebilirsin.

Q: AUZEF Web Analitiği ve Zekâsı soruları ücretli mi?

Hayır, ücretsiz. Ad, cep telefonu ve bölümünle bir dakikada üye olup bütün sorulara, yanlışlar listesine ve sesli dinlemeye erişebilirsin.

İstanbul Üniversitesi AUZEF Web Analitiği ve Zekâsı dersinin vize, final ve bütünleme sınavlarına hazırlanmak için 99 soruluk havuz: çıkmış sınav sorularını cevaplarıyla çöz, yanlış yaptıklarını tekrar et, yolda sesli dinle.

Ders kodu: WTKO40062. sınıf Bahar99 soruSesli dinleme

Bu dersin 99 sorusunu ücretsiz çöz →

Web Analitiği ve Zekâsı konu özeti

Web Analitiği ve Zekâsı dersi, web sitelerindeki kullanıcı davranışlarının veriyle ölçülmesini, R diliyle veri hazırlama ve analiz adımlarını ve temel makine öğrenmesi kavramlarını (sınıflandırma başarısı, kümeleme, dengesizlik) birlikte ele alır.

Web analitiği süreci ve temel ölçümler

Web analitiği; kullanıcı davranışını anlamak, ölçmek ve iyileştirmek için veri toplama, çözümleme ve raporlama sürecidir.
Çalışma sırası: soru belirleme, veri toplama, veriyi hazırlama, analiz ve yorum, soruları yanıtlama.
Metrik sayısal ölçümdür (ne kadar?); boyut ise bu ölçümleri kategorilere ayıran niteliktir.
Hemen çıkma oranı, tek sayfa görüp ayrılan ziyaretçilerin yüzdesidir.

Trafik kaynakları ve yorumlama

Ziyaretçi kaynakları organik arama, sosyal medya, doğrudan giriş ve e-posta gibi kanallara ayrılır.
En büyük payı getiren kanala yatırım yapmak mantıklıdır.
Organik arama baskınsa SEO çalışmalarını öne almak yerinde bir karardır.

Sunucu log dosyaları

Erişim logları her HTTP isteğinin ayrıntısını tutar.
Kullanıcı aracısı alanı tarayıcı, işletim sistemi ve cihaz bilgisini verir.
Geçilen yol, kullanıcının site içinde tıkladığı bağlantıların oluşturduğu gezinme dizisidir.

R temelleri: vektör, veri çerçevesi, NA

Vektör tek tip veri taşır; karışık girişte en kapsamlı tip olan karaktere zorlanır.
R'da indeksleme 1'den başlar; vektor[2] ikinci elemanı verir.
Data frame iki boyutludur; her sütun tek tiptedir, sütunlar farklı tipte olabilir, sütuna $ ile erişilir.
NA eksik değeri gösterir; yerini korur, vektör uzunluğu değişmez.
str() veri yapısını, sütun tiplerini ve boyutu özetler.

Veri ön-işleme

Eksik değerleri ortalamayla doldurmak için mean(x, na.rm = TRUE) kullanılır; aksi hâlde sonuç NA çıkar.
Yinelenen satırlar kayit[!duplicated(kayit), ] ile elenir.
Min-max ölçekleme için caret::preProcess içinde method = c("range") yazılır; değerler 0 ile 1 arasına gelir.
Dummy coding, kategorik değişkenleri 0/1 sayısal sütunlara çevirir.
Sıklık sorgusu: names(which.min(table(x))) en az görülen kategorinin adını verir.

Kümeleme

kmeans(data, centers, nstart) biçiminde kullanılır.
centers küme sayısını belirler.
nstart, rastgele başlangıç merkezleriyle yapılacak deneme sayısıdır.
Beş küme ve yirmi deneme için centers = 5, nstart = 20 yazılır.

Sınıflandırma başarısı ve dengesizlik

Karmaşıklık matrisi gerçek ve tahmin edilen sınıfları TP, FP, FN, TN olarak sayar.
Accuracy = (TP + TN) / tüm örnekler; modelin genel doğruluğunu gösterir.
Sınıf dengesizliğinde yeniden örnekleme kullanılır.
SMOTE azınlık sınıfı için kopya değil, komşu örneklerden yeni sentetik örnekler üretir.

Önemli kavramlar

Web analitiği: Kullanıcı davranışını anlamak ve iyileştirmek için veri toplama, analiz ve raporlama sürecidir.
Metrik: Ziyaretçi sayısı, gelir gibi sayısal olarak ölçülen değerdir.
Boyut (dimension): Şehir, tarayıcı, trafik kaynağı gibi ölçümleri gruplara ayıran niteliktir.
Hemen çıkma oranı: Başka sayfa görüntülemeden ayrılan oturumların yüzdesidir.
Kullanıcı aracısı (user agent): Tarayıcı, işletim sistemi ve cihaz bilgisini sunucuya bildiren log alanıdır.
Geçilen yol (traversed path): Kullanıcının site içinde izlediği sayfa geçişleri dizisidir.
Zorlama (coercion): Vektördeki farklı tiplerin tek ve en kapsamlı tipe dönüştürülmesidir.
Dummy coding: Kategorileri 0/1 değerli sütunlara çeviren kodlamadır.
Accuracy: Doğru sınıflandırılan örneklerin tüm örneklere oranıdır.
SMOTE: Azınlık sınıfı için sentetik örnek üreten yeniden örnekleme yöntemidir.
nstart: kmeans'te farklı rastgele başlangıçlarla yapılan çalıştırma sayısıdır.

Sınav ipuçları

Metrik sayısal ölçüm, boyut ise kategori ayıran özelliktir; karıştırılmamalı.
R'da indeks 1'den başlar; Python ve C'deki 0 başlangıcıyla karıştırılmamalı.
kmeans'te sıra centers sonra nstart gelir; küme sayısı ile deneme sayısı birbirine karıştırılmamalı.
Ortalama alırken na.rm = TRUE unutulursa sonuç NA döner.
TP, FP, FN, TN sayılırken pozitif sınıfın hangisi olduğuna bakılmalıdır.

Hangi sınavların soruları var?

2026 Vize2026 Final2026 Büt2025 Vize2025 Final

Web Analitiği ve Zekâsı örnek sorular

Aşağıdaki sorular dersin konularından derlenmiştir; cevabı görmek için "Cevabı gör"e dokunun. Tüm soruları uygulamada çözebilirsiniz.

1. Veri çerçevesi (data frame) hakkında aşağıdaki ifadelerden hangisi doğrudur?

Her sütundaki veriler aynı tipte olmalıdır; farklı sütunlar farklı veri tiplerine sahip olabilir.
Bütün hücrelerinin veri tipi aynı olmak zorundadır.
Yalnızca sayısal veri barındırabilir.
Sütunlara erişmek için # simgesi kullanılır.
Üç boyutlu bir veri yapısıdır.

Cevabı gör

Doğru cevap: A) Her sütundaki veriler aynı tipte olmalıdır; farklı sütunlar farklı veri tiplerine sahip olabilir.
R'daki data.frame, Excel tablosuna benzeyen iki boyutlu bir yapıdır. Her sütun bir vektör olduğundan içindeki elemanlar aynı tipte olmalıdır, ama sütunlar birbirinden farklı tipte olabilir (ör. yaş sayısal, cinsiyet metin). Sütunlara $ simgesiyle erişilir.

2. Metin biçimindeki sınıfları (ör. Kadın/Erkek) 0 ve 1 değerli sütunlara çevirerek algoritmaların işleyebileceği hâle getiren yönteme yapay kodlama (dummy-coding) denir. Bu yönteme ilişkin doğru ifade aşağıdakilerden hangisidir?

Sadece nümerik değişkenlere uygulanır, kategorik veriye uygulanamaz.
Veri setindeki tekrar eden gözlemleri tespit edilmesini sağlar.
Kategorik değişkenleri algoritmaların anlayabileceği sayısal değerlere dönüştürür.
n elemanlı sayısal bir değişkeni [0,1] aralığına indirgemek için kullanılır.
Multicollinearity probleminin üstesinden gelmek için tercih edilir.

Cevabı gör

Doğru cevap: C) Kategorik değişkenleri algoritmaların anlayabileceği sayısal değerlere dönüştürür.
Birçok algoritma metinsel kategorileri doğrudan işleyemez. Dummy coding, bu değişkenleri 0/1 değerli sayısal sütunlara çevirir.

3. Bir web analitiği çalışmasında işlerin hangi sırayla yürütülmesi gerektiği sorulsa, mantıksal akışı en doğru veren dizilim aşağıdakilerden hangisidir?

Soruları yanıtlama → Veri toplama → Soru belirleme → Ön-işleme → Veri analizi
Soru belirleme → Veri toplama → Veriyi analize uygun hâle getirme (dönüştürme/ön-işleme) → Veri analizi ve yorumlama → Soruları yanıtlama
Veri analizi → Soru belirleme → Veri toplama → Ön-işleme → Soruları yanıtlama
Veri toplama → Veri analizi → Soru belirleme → Soruları yanıtlama → Ön-işleme
Ön-işleme → Veri toplama → Soru belirleme → Veri analizi → Soruları yanıtlama

Cevabı gör

Doğru cevap: B) Soru belirleme → Veri toplama → Veriyi analize uygun hâle getirme (dönüştürme/ön-işleme) → Veri analizi ve yorumlama → Soruları yanıtlama
Süreç önce araştırılacak sorunun belirlenmesiyle başlar, ardından veri toplanır. Toplanan veri temizlenip düzenlenir, sonra analiz edilip yorumlanır ve en sonda sorulara yanıt üretilir.

4. R'da bir vektör oluşturan a <- c(3, TRUE, "elif") komutu çalıştırılırsa a nesnesinin durumu için aşağıdakilerden hangisi söylenebilir?

a içinde yalnızca nümerik (numeric) değerler kalır.
a içinde yalnızca mantıksal (logical) değerler oluşur.
a içindeki tüm elemanlar karakter (character) veri tipine dönüşür.
a bir matrix yapısına dönüşür.
mode(a) sonucu numeric döner.

Cevabı gör

Doğru cevap: C) a içindeki tüm elemanlar karakter (character) veri tipine dönüşür.
R vektörleri tek bir veri tipi barındırabilir. Sayı, mantıksal değer ve metin birlikte yazıldığında zorlama (coercion) uygulanır ve en kapsamlı tip olan karaktere geçilir; elemanlar "3", "TRUE", "elif" olur.

5. Bir web sunucusunun kayıt dosyasında, ziyaretçinin kullandığı tarayıcı ve işletim sistemi bilgisini taşıyan alan aşağıdakilerden hangisidir?

URL
İstek Türü (request type)
Başarı Oranı (success rate)
Ziyaret Yolu (visiting path)
Kullanıcı Aracısı (user agent)

Cevabı gör

Doğru cevap: E) Kullanıcı Aracısı (user agent)
HTTP başlığındaki User Agent dizesi; ziyaretçinin tarayıcısını, işletim sistemini ve cihaz tipini sunucuya bildirir ve log dosyasına kaydedilir.

6. vektor <- c(0,1,2,3,4,5) R kod satırı verildiğine göre vektor[2] ifadesinin sonucu nedir?

Cevabı gör

Doğru cevap: E) 1
Python ve C gibi dillerin aksine R'da vektör indeksleri 0 yerine 1'den başlar. Bu yüzden vektor[1] değeri 0, vektor[2] ise ikinci eleman olan 1 değerini verir.

7. "web_data" veri setindeki erişim cihazı (AccessDevice) değişkeni cihaz kullanımlarını içermektedir. En az tercih edilen cihaz türünü bulmak isteyen bir araştırmacı hangi R kodunu yazmalıdır?

summary(which.min(table(web_data$AccessDevice)))
names(which.min(table(web_data$AccessDevice)))
summary(which.min(prop.table(web_data$AccessDevice)))
names(min.which(prop.table(web_data$AccessDevice)))
names(min.which(table(web_data$AccessDevice)))

Cevabı gör

Doğru cevap: B) names(which.min(table(web_data$AccessDevice)))
Önce table() ile her cihaz türünün sıklığı hesaplanır. Sonra which.min() en küçük sıklığa sahip elemanın konumunu bulur. Cihazın sayısı değil adı istendiğinden names() ile o elemanın etiketi alınır.

8. Yukarıda bir kısmı gösterilen çıktı, "web_data" veri seti için aşağıdaki fonksiyonlardan hangisiyle üretilmiş olabilir?

names(web_data)
sum(web_data)
head(web_data)
str(web_data)
dim(web_data)

Cevabı gör

Doğru cevap: D) str(web_data)
Çıktı; veri çerçevesinin boyutunu, sütun adlarını ve her sütunun veri tipini (Date, Factor, Numeric vb.) özet olarak göstermektedir. R'da bir nesnenin bu iç yapısını görmek için str() fonksiyonu kullanılır.

9. Bir web analizinde ziyaretçilerin siteye geliş kaynaklarının dağılımı şöyledir: •Organik arama (Google vb.): yüzde 41 •Sosyal medya: yüzde 33 •Doğrudan giriş: yüzde 16 •E-posta kampanyaları: yüzde 10 Sonuçlar, kullanıcıların çoğunun siteye arama motorlarıyla geldiğini göstermektedir. Bu verilere dayanarak aşağıdaki adımlardan hangisini atmak en yerinde olur?

Arama motoru optimizasyonu (SEO) çalışmalarını ön plana almak.
Sosyal medya paylaşımlarına tamamen son vermek.
Site içeriğini kısıp sayfa sayısını azaltmak.
E-posta kampanyalarını tümüyle kaldırmak.
Web sitesinin tasarımını sadece tabletlere uygun şekilde değiştirmek.

Cevabı gör

Doğru cevap: A) Arama motoru optimizasyonu (SEO) çalışmalarını ön plana almak.
Trafiğin en büyük payı (yüzde 41) organik aramadan gelmektedir. En çok ziyaretçi getiren kanala yatırım yapmak mantıklıdır; bu nedenle içerikleri arama motorlarına uygun hâle getiren SEO çalışmalarını güçlendirmek en rasyonel adımdır.

10. R dilindeki NA değeri için aşağıdaki ifadelerden hangisi doğrudur?

Eksik ya da bilinmeyen bir değeri gösterir ve vektörün uzunluğu değişmez.
Bir gözlemin veri setinden kendiliğinden çıkarıldığını gösterir.
Bir vektörün içinde eleman olarak yer alamaz.
Hesaplamalarda daima sıfır (0) gibi işlem görür.
Sadece karakter türündeki vektörlerde kullanılabilir.

Cevabı gör

Doğru cevap: A) Eksik ya da bilinmeyen bir değeri gösterir ve vektörün uzunluğu değişmez.
R'daki NA (Not Available), kayıp ya da bilinmeyen bir değeri gösteren özel mantıksal sabittir. Satırı silmez ve sıfır sayılmaz. Vektör veya data.frame içinde yerini korur, böylece veri yapısının boyutu değişmez.

Tüm 99 soruyu çözmeye başla →

Bu dersi alan bölümler

AUZEF Web Tasarımı ve Kodlama (Ön Lisans)99 soru →

Nasıl çalışmalı?

Önce "Vize (hepsi)" ya da "Final (hepsi)" ile geçmiş yılların sorularını çözün; aynı konular sınavlarda sık tekrarlanır. Yanlış yaptığınız sorular "Yanlışlar" bölümünde birikir, sınavdan önce onları yeniden çözün. Yolda ya da ev işi yaparken "Sesli Dinle" ile soruları ve cevaplarını dinleyebilirsiniz.

Sık sorulan sorular