GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
EBLG350 Veri Madenciliği Seçmeli Ders Grubu 3 6 6.00 3.00

Dersin Seviyesi

Lisans

Dersin Sunulduğu Dil

Türkçe

Dersin Amacı

Veri madenciliği, büyük ölçekli veriler arasından bilgiye ulaşma, bilgiyi madenleme işidir. Diğer bir anlamda büyük veri yığınları içerisinden gelecekle ilgili tahminde bulunabilmemizi sağlayabilecek bağıntıların bilgisayar programı kullanarak aranmasıdır. Veri madenciliği deyimi ile eş değer başka kullanımlar da literatüre geçmiştir. Veritabanlarında bilgi madenciliği (knowledge mining from databases), bilgi çıkarımı (knowledge extraction), veri ve örüntü analizi (data/pattern analysis), veri arkeolojisi gibi. Bunların arasında en yaygın kullanım Veritabanlarında Bilgi Keşfi (VBK - Knowledge Discovery From Databases - KDD)'dir. Alternatif olarak veri madenciliği aslında bilgi keşfi sürecinin bir parçası şeklinde kabul görmektedir.

Dersi Veren Öğretim GörevlisiGörevlileri

Prof. Dr. Taner Çevik

Öğrenme Çıktıları

1 Öğrenciler Veri Madenciliği temel kavramlarını öğrenme ve uygulayabilme bilgi ve becerisi kazanacaklardır.
2 Öğrenciler Veri önişleme-(Veri temizleme, birleştirme) yöntemlerini öğrenecektir.
3 Öğrenciler Veri indirgeme yöntemleri öğrenecektir.
4 4. Öğrenciler eğiticili ve eğiticisiz yöntemlerle sınıflama ve kümeleme yöntemlerini öğreneceklerdir. Öğrenciler birliktelik kuralları hakkında bilgi sahibi olacaklardır.

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Dersin İçeriği

Veri Madenciliği Kavramları, Veri Hazırlama Teknikleri, İstatistiksel Öğrenme Teorisi(Naive Bayes) , Kümeleme Metodları (K-Means, hiyerarşik), Karar Ağaçları ve Karar Kuralları, Birliktelik Kuralları

Haftalık Ayrıntılı Ders İçeriği

Hafta Teorik [OgretimYontemVeTeknikleri] [OnHazirlik]
1 Veri Madenciliğine Giriş
2 Veri Madenciliği Kavramları
3 Regresyon
4 Regresyon
5 Kümeleme
6 Kümeleme
7 Sınıflandırma
8 Ara Sınav
9 Sınıflandrıma
10 Sınıflandrıma
11 Boyut indirgeme
12 Destek Vektör Makineleri
13 Yapay Sinir Ağları
14 Proje Sunumları

Ders Kitabı Malzemesi Önerilen Kaynaklar

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

Planlanan Öğrenme Aktiviteleri ve Metodları

Değerlendirme

Yarıyıl (Yıl) İçi Etkinlikleri Adet Değer
Ara Sınav 1 40
Proje Hazırlama 1 20
Proje Sunma 1 20
Proje Tasarımı /Yönetimi 1 20
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 2 2
Final Sınavı 1 2 2
Proje Hazırlama 1 75 75
Proje Sunma 1 1 1
Proje Tasarımı /Yönetimi 1 15 15
Bireysel Çalışma 1 25 25
Ara Sınav İçin Bireysel Çalışma 1 15 15
Final Sınavı içiin Bireysel Çalışma 1 15 15
Toplam İş Yükü (saat) 150

Program ve Öğrenme Çıktıları İlişkisi

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