GERİ DÖN

Ders Öğretim Planı

Dersin Kodu Dersin Adı Dersin Türü Yıl Yarıyıl AKTS Kredi
ESOF310 Data Mining Seçmeli Ders Grubu 3 6 6.00 3.00

Dersin Seviyesi

Lisans

Dersin Sunulduğu Dil

İngilizce

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

Dr. Öğr. Üyesi Nesibe MANAV MUTLU

Öğrenme Çıktıları

1 Öğrenciler Veri Madenciliği temel kavramlarını öğrenir ve uygulayabilme bilgi ve becerisi kazanır
2 Öğrenciler Veri önişleme-(Veri temizleme, birleştirme) yöntemlerini öğrenir ve uygular.
3 Öğrenciler Veri indirgeme yöntemleri öğrenir.
4 Öğrenciler eğiticili ve eğiticisiz yöntemlerle sınıflama ve kümeleme yöntemlerini öğrenir. Öğrenciler birliktelik kuralları hakkında bilgi sahibi olur.
5 Sınıflandırma, kümeleme, regresyon, yapay sinir ağları gibi ders kapsamında işlenen yöntemlerin uygulamalarını öğrenir.
6 Sınıflandırma, kümeleme, regresyon, yapay sinir ağları gibi ders kapsamında işlenen yöntemlerin uygular.

Öğrenim Türü

Birinci Öğretim

Dersin Ön Koşulu Olan Dersler

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 Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri nedir? Yapılandırılmış ve yapılandırılmamış veri konularının araştırılması
2 Veri Madenciliği Kavramları Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Büyük Veri, Büyük Verinin Özellikleri, Nesnelerin İnterneti, Veri Bilimi konularının araştırılması
3 Regresyon Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Regresyon yönteminin literatürde araştırılması.
4 Regresyon Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Regresyon yönteminin literatürde araştırılması.
5 Kümeleme Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Kümeleme yönteminin literatürde araştırılması.
6 Kümeleme Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Kümeleme yönteminin literatürde araştırılması.
7 Sınıflandırma Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Sınıflandırma yönteminin literatürde araştırılması.
8 Ara Sınav Soru Yanıt, Beyin Fırtınası
9 Sınıflandrıma Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Sınıflandırma yönteminin literatürde araştırılması.
10 Sınıflandrıma Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Sınıflandırma yönteminin literatürde araştırılması.
11 Boyut indirgeme Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Boyut indirgeme yönteminin literatürde araştırılması.
12 Destek Vektör Makineleri Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Destek Vektör Makineleri yönteminin literatürde araştırılması.
13 Yapay Sinir Ağları Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme Veri Madenciliğinde kullanılan yöntemlerden Yapay Sinir Ağları yönteminin literatürde araştırılması.
14 Proje Sunumları Anlatım, Soru Yanıt, Tartışma, Görüş Geliştirme, Düşünce Atölyesi, Senaryo Temelli Öğrenme, Sunum Drslerde öğrenilen konuların belli bir senaryo kapsamında uygulanması.

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

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

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

PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 7 PÇ 8 PÇ 9 PÇ 10 PÇ 11
ÖÇ 1 1 2 2 3 3 4 4 4 5
ÖÇ 2 1 3 3 4 4 4 3 5 5
ÖÇ 3 1 4 4 3 4 4 2 5 5
ÖÇ 4 1 4 4 4 4 5 4 5 5
ÖÇ 5 1 5 5 4 3 5 3 5 5
ÖÇ 6 1 5 5 4 4 5 3 5 5
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek