GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| EYON407 | Veri Madenciliği | Seçmeli Ders Grubu | 4 | 7 | 5.00 | 3.00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu derste amaçlanan, öğrencilerin veri madenciliği kavramlarını öğrenmelerini, ilgili sistemin analizini yapabilmelerini ve veri madenciliğinde kullanılan yöntemlerin farklı amaçlar için gerçek dünya problemlerine uygulamalarını sağlamaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Dr. Öğr. Üyesi Gülsüm ŞANAL
Öğrenme Çıktıları
| 1 | Veri madenciliği kavramları hakkında bilgi sahibi olma |
| 2 | Mevcut bir sistemi ve kullanılan verileri belirleme becerisini kazandırma |
| 3 | Belirli yöntemler için verileri uygun hale getirebilme |
| 4 | Öğrenciler Veri önişleme-(Veri temizleme, birleştirme) yöntemlerini öğrenecektir. |
| 5 | Öğrenciler Veri indirgeme yöntemleri öğrenecektir. |
| 6 | Öğrenciler eğiticili ve eğiticisiz yöntemlerle sınıflama ve kümeleme yöntemlerini öğreneceklerdir. Öğrenciler birliktelik kuralları hakkında bilgi sahibi olacaklardır. |
| 7 | Veri madenciliği projelerini değerlendirme, geliştirme ve gerçek hayatta uygulayabilme yetisini kazandırma |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Python ve R programlama dillerinden bir tanesi
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Hafta Konular Açıklama 1 Veri madenciliğine giriş, temel kavramlar 2 Veritabanı, veri ambarları, OLAP 3 Veritabanlarında Bilgi Keşfi, CRISP-DM 4 Veriyi anlama, veri görselleştirme 5 Veri hazırlama 6 Kümeleme yöntemleri, hiyerarşik kümeleme 7 k-means kümeleme, yoğunluk tabanlı kümeleme 8 Arasınav 9 Sınıflandırma yöntemleri, k-en yakın komşu algoritması 10 Karar ağaçları, C4.5, CART, CHAID 11 Yapay sinir ağları, temel kavramlar 12 Yapay sinir ağları - devam 13 Birliktelik kuralları, Model değerlendirme 14 Veri madenciliği uygulamaları
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Veri Madenciliğine Giriş | Teorik | |
| 2 | Veri Madenciliği Kavramları | Teorik | |
| 3 | Regresyon | Teorik ve Uygulama | |
| 4 | Regresyon | Teorik ve Uygulama | |
| 5 | Kümeleme | Teorik ve Uygulama | |
| 6 | Kümeleme | Teorik ve Uygulama | |
| 7 | Sınıflandırma | Teorik ve Uygulama | |
| 8 | Ara Sınav | ||
| 9 | Sınıflandırma | Teorik ve Uygulama | |
| 10 | Sınıflandırma | Teorik ve Uygulama | |
| 11 | Boyut indirgeme | Teorik ve Uygulama | |
| 12 | Destek Vektör Makineleri | Teorik ve Uygulama | |
| 13 | Yapay Sinir Ağları | Teorik ve Uygulama | |
| 14 | Proje Sunumları | Sunum | |
| 15 | Final |
Ders Kitabı Malzemesi Önerilen Kaynaklar
- Data Mining – Concepts, Models, Methods and Algorithms, Mehmed Kantardzic, ISBN:0-471-22852-4 - Data Mining , J. Han – M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6 - Han, J. , Kamber, M., Pei, J., Data Mining: Concepts and Techniques. 3rd Ed., Morgan Kaufmann Publishers, 2011 - Larose, Daniel T., Discovering Knowledge In Data An Introduction to Data Mining. New Jersey: John Wiley and Sons Ltd, 2005 - Tan, P., Steinbach, M., Kumar, V., Introduction to Data Mining, Addison Wesley, 2006
Planlanan Öğrenme Aktiviteleri ve Metodları
Ara sınav sonrasında, her ders anlatımı sonrasında oluşturulacak olan gruplardan birinin uygulamalı sunumu
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 30 |
| Rapor Sunma | 1 | 20 |
| Proje Sunma | 1 | 10 |
| Proje Tasarımı/Yönetimi | 1 | 40 |
| 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 | 2 | 1 | 2 |
| Final Sınavı | 2 | 1 | 2 |
| Uygulama/Pratik | 15 | 2 | 30 |
| Takım/Grup Çalışması | 7 | 2 | 14 |
| Rapor Sunma | 2 | 1 | 2 |
| Proje Hazırlama | 5 | 6 | 30 |
| Proje Sunma | 2 | 1 | 2 |
| Ara Sınav İçin Bireysel Çalışma | 5 | 2 | 10 |
| Final Sınavı içiin Bireysel Çalışma | 15 | 3 | 45 |
| Toplam İş Yükü (saat) | 137 | ||
Program ve Öğrenme Çıktıları İlişkisi
| 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 | 5 | 5 | 5 | 5 | 5 | 4 | 4 | 4 | 4 | 5 | 4 | 3 | 3 | 3 | 5 |
| ÖÇ 2 | 3 | 3 | 3 | 4 | 4 | 4 | 4 | 4 | 4 | 5 | 5 | 5 | 5 | 5 | 5 |
| ÖÇ 3 | 2 | 2 | 3 | 3 | 3 | 3 | 4 | 4 | 4 | 5 | 5 | 5 | 5 | 5 | 5 |
| ÖÇ 4 | 2 | 2 | 2 | 2 | 3 | 3 | 4 | 4 | 4 | 5 | 5 | 5 | 5 | 5 | 5 |
| ÖÇ 5 | 1 | 2 | 3 | 3 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 5 | 5 | 5 | 5 |
| ÖÇ 6 | 2 | 2 | 3 | 3 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 5 | 5 | 5 | 5 |
| ÖÇ 7 | 1 | 2 | 3 | 3 | 3 | 3 | 3 | 3 | 4 | 4 | 4 | 5 | 5 | 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek