GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| BLG523 | Veri Madenciliği | Seçmeli Ders Grubu | 1 | 1 | 6.00 | 3.00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Dersin Amacı
Bu dersin amacı, öğrencilere büyük veri kümeleri üzerinde anlamlı desenler, eğilimler ve ilişkiler bulmak için kullanılan veri madenciliği yöntem ve tekniklerini öğretmektir. Öğrenciler, veri ön işleme, sınıflandırma, kümeleme, ilişkilendirme kuralları ve regresyon gibi temel konuları öğrenerek gerçek dünya verileri üzerinde analiz yapma becerisi kazanacaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Veri madenciliğinin temel kavramlarını ve tekniklerini açıklar. |
| 2 | Veri ön işleme adımlarını uygular ve analiz için uygun veri setleri hazırlar. |
| 3 | Sınıflandırma, kümeleme ve birliktelik kuralları gibi veri madenciliği yöntemlerini uygular. |
| 4 | Elde edilen sonuçları yorumlar ve karar verme süreçlerinde kullanır. |
| 5 | Veri madenciliği araçlarını ve yazılımlarını etkin şekilde kullanır. |
| 6 | Gerçek dünya problemleri için uygun veri madenciliği çözümleri geliştirir. |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
YOK
Ders İçin Önerilen Diğer Hususlar
YOK
Dersin İçeriği
Veri madenciliğine giriş Veri ön işleme (temizleme, dönüştürme, öznitelik seçimi) Sınıflandırma algoritmaları (Karar ağaçları, Naive Bayes, k-NN) Kümeleme algoritmaları (K-means, DBSCAN, Hiyerarşik) İlişkilendirme kuralları (Apriori, FP-Growth) Regresyon analizi Web ve metin madenciliği Büyük veri analitiği ve uygulamaları Veri madenciliği projeleri ve sunumlar
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Veri madenciliğine giriş | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 2 | Veri ön işleme: temizleme, dönüştürme | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 3 | Veri indirgeme ve öznitelik seçimi | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 4 | Veri kümelemeye giriş | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 5 | Hiyerarşik ve bölütleme tabanlı kümeleme | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 6 | Yoğunluk ve kılavuz tabanlı kümeleme | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 7 | Sınıflandırmaya giriş | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 8 | Karar ağaçları ve kural tabanlı yöntemler | Ders anlatımı, Sunum, Tartışma - Lecture, Presentation, Discussion | Makale ve Kitap Okuma |
| 9 | Naive Bayes ve k-NN algoritmaları | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 10 | Birleşik yöntemler: Bagging, Boosting | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 11 | Regresyon analizi | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 12 | İlişkilendirme kuralları ve Apriori algoritması | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 13 | Web ve metin madenciliğine giriş | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
| 14 | FİNAL | Ders anlatımı, Sunum, Tartışma | Makale ve Kitap Okuma |
Ders Kitabı Malzemesi Önerilen Kaynaklar
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 | 72 | 72 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 76 | 76 |
| Toplam İş Yükü (saat) | 150 | ||
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ 1 |
| ÖÇ 2 |
| ÖÇ 3 |
| ÖÇ 4 |
| ÖÇ 5 |
| ÖÇ 6 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek