GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
YZM503 Veri Madenciliği 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, yöntemlerini ve tekniklerini öğretmek, veri önişleme, görselleştirme, sınıflandırma, kümeleme, derin öğrenme ve tahminleme gibi temel konulara odaklanmak, büyük veri, web madenciliği, metin madenciliği gibi özel alanları incelemek ve geleceğe yönelik trendleri ve uygulamaları keşfetmektir.

Dersi Veren Öğretim GörevlisiGörevlileri

-

Öğrenme Çıktıları

1 Veri madenciliği kavramlarını ve temel prensiplerini anlama becerisi geliştirmek.
2 Veri madenciliği sürecinde veri önişleme, veri keşfi ve veri modelleme tekniklerini öğrenmek ve uygulama yetkinliği kazanmak.
3 Veri madenciliği algoritmalarını anlama, analiz etme ve uygulama becerisi geliştirmek.
4 Büyük veri setlerinde veri madenciliği yapabilme yetkinliği geliştirmek.
5 Veri madenciliği sonuçlarını yorumlama, analiz etme ve raporlama becerisi geliştirmek.

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, yöntemlerini ve tekniklerini öğretmek, veri önişleme, görselleştirme, sınıflandırma, kümeleme, derin öğrenme ve tahminleme gibi temel konulara odaklanmak, büyük veri, web madenciliği, metin madenciliği gibi özel alanları incelemek ve geleceğe yönelik trendleri ve uygulamaları keşfetmektir.

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik [OgretimYontemVeTeknikleri] [OnHazirlik]
1 Veri Madenciliğine Giriş
2 Veri Ön İşleme ve Temizleme
3 Veri Keşfi ve Görselleştirme
4 Örüntü Madenciliği ve Derin Öğrenme
5 Sınıflandırma Algoritmaları
6 Kümeleme ve Segmentasyon
7 Derin Öğrenme Uygulamaları
8 Ara Sınav
9 Öznitelik Seçimi ve Boyut Azaltma
10 Birliktelik Kuralları ve İlişki Madenciliği
11 Büyük Veri ve Paralel Veri Madenciliği
12 Web Madenciliği ve Sosyal Ağ Analizi
13 Metin Madenciliği ve Duygu Analizi
14 Veri Madenciliğinde Gelecek Trendler ve Uygulamalar
15 Final Sınavı

Ders Kitabı Malzemesi Önerilen Kaynaklar

"Data Mining: Concepts and Techniques" - Jiawei Han, Micheline Kamber, Jian Pei "Principles of Data Mining" - Max Bramer "Introduction to Data Mining" - Pang-Ning Tan, Michael Steinbach, Vipin Kumar "Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking" - Foster Provost, Tom Fawcett "Data Mining: Practical Machine Learning Tools and Techniques" - Ian H. Witten, Eibe Frank, Mark A. Hall

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

-

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ara Sınav 1 76 76
Final Sınavı 1 1 1
Alan Gezisi 1 1 1
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