GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
BTT513 Veri Madenciliği I Seçmeli Ders Grubu 1 1 6.00 3.00

Dersin Seviyesi

Yüksek Lisans

Dersin Sunulduğu Dil

Türkçe

Dersin Amacı

Bu dersin amacı, öğrencilere veri madenciliği kavramlarını, tekniklerini ve araçlarını öğretmek, veri keşfi sürecini anlatmak, öğrencilerin veri analizi ve keşfi becerilerini geliştirmek, veri madenciliği uygulamaları için temel bir altyapı sağlamaktır.

Dersi Veren Öğretim GörevlisiGörevlileri

Öğrenme Çıktıları

1 Veri madenciliği kavramı ve temel terminoloji İngilizce
2 Veri ön işleme ve temizleme teknikleri İngilizce
3 Veri madenciliği algoritmaları ve veri keşfi İngilizce
4 Sınıflandırma ve kümeleme yöntemleri İngilizce
5 Veri madenciliği uygulamaları ve gelecekteki trendler İngilizce

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Dersin İçeriği

Bu dersin amacı, öğrencilere veri madenciliği kavramlarını, tekniklerini ve araçlarını öğretmek, veri keşfi sürecini anlatmak, öğrencilerin veri analizi ve keşfi becerilerini geliştirmek, veri madenciliği uygulamaları için temel bir altyapı sağlamaktır.

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik [OgretimYontemVeTeknikleri] [OnHazirlik]
1 Veri Madenciliği Temelleri ve Kavramlar
2 Veri Madenciliği Süreci ve Metodolojisi
3 Veri Ön İşleme ve Temizleme
4 Veri Boyut Azaltma ve Özellik Seçimi
5 Veri Madenciliği Algoritmaları: Karar Ağaçları
6 Veri Madenciliği Algoritmaları: Doğal Dil İşleme
7 Veri Madenciliği Algoritmaları: K-En Yakın Komşular
8 Veri Madenciliği Algoritmaları: Kümeleme
9 Derin Öğrenme ve Sinir Ağları
10 Derin Öğrenme Uygulamaları: Görüntü İşleme
11 Derin Öğrenme Uygulamaları: Doğal Dil İşleme
12 Derin Öğrenme Uygulamaları: Öneri Sistemleri
13 Veri Madenciliği Yazılımları ve Araçları
14 Uygulama Örnekleri ve Proje Çalışması

Ders Kitabı Malzemesi Önerilen Kaynaklar

1 "Data Mining: Concepts and Techniques" - Jiawei Han, Micheline Kamber, Jian Pei 2 "Introduction to Data Mining" - Pang-Ning Tan, Michael Steinbach, Vipin Kumar 3 "Principles of Data Mining" - Max Bramer

Planlanan Öğrenme Aktiviteleri ve Metodları

Değerlendirme

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

Staj Durumu

Yok

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ara Sınav 1 1 1
Final Sınavı 1 1 1
Ara Sınav İçin Bireysel Çalışma 1 76 76
Final Sınavı içiin Bireysel Çalışma 1 72 72
Toplam İş Yükü (saat) 150

Program ve Öğrenme Çıktıları İlişkisi

ÖÇ 1
ÖÇ 2
ÖÇ 3
ÖÇ 4
ÖÇ 5
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek