Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
---|---|---|---|---|---|---|
ESOF310 | Data Mining | Seçmeli Ders Grubu | 3 | 6 | 6.00 | 3.00 |
Lisans
İngilizce
Veri madenciligini tanitmak ve kullanimini yayginlastirmak. Genis ölçekli veri tabanlarinda analiz yeteneginin kazandirilmasi. Veri madenciliginde kullanilacak programlarin tanitilmasi ve kullandirilmasi.
DR. NESİBE MANAV MUTLU
1 | Veri ve veriyi işlemek için veri madenciliği, metin madenciliği ile ilgili kavram ve yöntemler hakkında bilgi sahibi olur |
2 | Veri madenciliği süreci hakkında bilgi sahibi olur ve gerekli program araçlarını kullanır. |
3 | Veri madenciliği uygulama alanları hakkında bilgi sahibi olur. |
4 | Sınıflandırma ve kümelemede kullanılan yöntemler hakkında bilgi sahibi olur. |
5 | Metin ve kategorik verilerinin sayıllaştırılması süreci hakkında bilgi sahibi olur ve program araçlarını kullanır. |
6 | Veri madenciliği tekniklerine ve modellerini uygulamalarında kullanabilir. |
7 | Veri madenciliği yöntemleri geliştirebilir. |
Birinci Öğretim
Bulunmamaktadır.
Bulunmamaktadır
Veri madenciliği uygulama alanlarına öğrenir. Veri madenciliği tekniklerine ve modellerini uygulamalarında kullanabilir Veri madenciliği yöntemleri geliştirebilir.Veri madenciliği, büyük ölçekli veriler arasından bilgiye ulaşma, bilgiyi madenleme işidir. Veri Madenciliği Kavramları, Veri Hazırlama Teknikleri, İstatistiksel Öğrenme Teorisi(Naive Bayes) , Kümeleme Metodları (K-Means, hiyerarşik), Karar Ağaçları ve Karar Kuralları, Birliktelik Kuralları
Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
---|---|---|---|
1 | Veri Madenciliğine Giriş | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri nedir? Yapılandırılmış ve yapılandırılmamış veri konularının araştırılması |
2 | Veri Madenciliği Uygulama Alanları ve örnekler | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Büyük Veri, Büyük Verinin Özellikleri, Nesnelerin İnterneti, Veri Bilimi konularının araştırılması. |
3 | Veri Ambarları | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri tabanı, veri ambarı kavramlarının araştırılması. |
4 | Veri Madenciliği Süreci | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri Madenciliği Sürecinin literatürde araştırılması. |
5 | Yöntemler Sınıflandırma, Kümeleme, Birliktelik Kuraları | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri Madenciliğinde kullanılan yöntemlerin literatürde araştırılması. |
6 | Karar Ağaçları ve Sınıflandırma | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri Madenciliğinde kullanılan yöntemlerin literatürde araştırılması. |
7 | Sınıflandırma ve Regresyon Ağaçları | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri Madenciliğinde kullanılan yöntemlerin literatürde araştırılması. |
8 | Vize Sınavı | ||
9 | Uygulama Örnekleri | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri Madenciliği uygulamalarının literatürde araştırılması. |
10 | Kümeleme Analizi | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri Madenciliği uygulamalarının literatürde araştırılması. |
11 | Kümeleme Yöntemleri | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri Madenciliği uygulamalarının literatürde araştırılması. |
12 | Uygulama Örnekleri | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Veri Madenciliği uygulamalarının literatürde araştırılması. |
13 | Metin Madenciliği ve Web Madenciliği | Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme | Metin Madenciliği ve Web Madenciliği uygulamalarının literatürde araştırılması. |
14 | Final Sınavı |
Textbook1: Data Mining – Concepts, Models, Methods and Algorithms, Mehmed Kantardzic, ISBN:0-471-22852-4 Textbook2: Data Mining , J. Han – M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6
Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
---|---|---|
Ara Sınav | 1 | 100 |
Toplam | 100 | |
Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
Final Sınavı | 1 | 100 |
Toplam | 100 | |
Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
Yarıyıl (Yıl) Sonu Etkinlikleri | 60 |
Bulunmamaktadır
Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
---|---|---|---|
Ara Sınav | 1 | 2 | 2 |
Derse Katılım | 14 | 3 | 42 |
Takım/Grup Çalışması | 1 | 2 | 2 |
Rapor Hazırlama | 1 | 5 | 5 |
Rapor Sunma | 1 | 1 | 1 |
Proje Hazırlama | 1 | 20 | 20 |
Proje Sunma | 1 | 5 | 5 |
Proje Tasarımı /Yönetimi | 1 | 20 | 20 |
Ara Sınav İçin Bireysel Çalışma | 7 | 3 | 21 |
Rapor | 1 | 10 | 10 |
Performans | 14 | 2 | 28 |
Toplam İş Yükü (saat) | 156 |
PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
ÖÇ 1 | 2 | 2 | 1 | ||||||||||||
ÖÇ 2 | 3 | 5 | 2 | ||||||||||||
ÖÇ 3 | 5 | 4 | 5 | 4 | 4 | 5 | 4 | 5 | 4 | 4 | 5 | 4 | 4 | 5 | 4 |
ÖÇ 4 | 2 | 1 | 5 | 2 | |||||||||||
ÖÇ 5 | 3 | 4 | 5 | 3 | |||||||||||
ÖÇ 6 | 4 | 5 | 3 | 5 | 4 | 5 | 4 | 5 | 4 | 3 | 4 | 4 | 4 | 4 | 5 |
ÖÇ 7 | 4 | 3 | 4 | 4 | 3 | 4 | 3 | 4 | 4 | 4 | 4 | 4 | 4 | 3 | 4 |