Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
Veri Madenciliği ve Endüstriyel Uygulamaları | MYU 519 | 0 | 3 + 0 | 3 | 6 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler | |
Dersin Dili | Türkçe |
Dersin Seviyesi | YUKSEK_LISANS |
Dersin Türü | Seçmeli |
Dersin Koordinatörü | Dr.Öğr.Üyesi NEVRA AKBİLEK |
Dersi Verenler | Dr.Öğr.Üyesi NEVRA AKBİLEK, |
Dersin Yardımcıları | Arş.Gör. Beyazıt Ocaktan |
Dersin Kategorisi | Diğer |
Dersin Amacı | 1- Veri madenciliğini tanıtmak ve kullanımını yaygınlaştırmak 2- Geniş ölçekli veri tabanlarında analiz yeteneğinin kazandırılması |
Dersin İçeriği | Bu ders veri madenciliğinin istatiksel,makine oğrenimi ve veri tabanı yönünden temellerini içermektedir.Ders üç kısımdan oluşmaktadır. Birinci kısım veri madenciliği için istatistik ve makine oğrenimi yaklaşımının temelleri hakkındadır.İkinci kısımda Online Analitik İşleme, ilişki kuralları ve gruplama gibi işlemler için temel veri madenciliği ve algoritmalar işleyeceğiz. Dersin son kısmı metin madenciliği, birliktelik filtresi, bağlantı analizi ve biolojik alanlarda madencilik gibi alanlarda araştırmalar üzerine odaklanmaktadır. |
# | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
---|---|---|---|
1 | Sınıflandırma algoritmalarını kullanabilmek | ||
2 | Gruplama algoritmalarını kullanabilmek | ||
3 | Sepet analizini kullanabilmek | ||
4 | Veri madenciliği yazılımlarını kullanabilmek |
Hafta | Ders Konuları | Ön Hazırlık |
---|---|---|
1 | Veri madenciliğinin genel tanımı ve veri madenciliğine giriş | |
2 | Temel bilgilerin gözden geçirilmesi | |
3 | Veri madenciliğinin imalat ve servis sistemlerindeki uygulamaları | |
4 | İstatistiksel sınıflandırma ve Bayes Öğrenimi | |
5 | Karar ağacı ve Sınıflandırma | |
6 | Yapay Sinir Ağları | |
7 | Optimizasyon Tekniklerinin Veri Madenciliğinde kullanımı | |
8 | Optimizasyon Tekniklerinin Veri Madenciliğinde kullanımı - Devam | |
9 | Veri Tabanı sistemlerinde veri madenciliği | |
10 | Veri Tabanı sistemlerinde veri madenciliği (Devam) | |
11 | Online analitik işleme (OLAP) | |
12 | Gruplama | |
13 | İlişkilendirme madenciliği | |
14 | Biyoinformatik ve veri madenciliği |
Kaynaklar | |
---|---|
Ders Notu | |
Ders Kaynakları | 1. Principles of Data Mining. David J. Hand, Heikki Mannila, Padhraic Smyth 2. Introduction to Data Mining. Pang-Ning Tan, Michael Steinbach, Vipin Kumar. |
Sıra | Program Çıktıları | Katkı Düzeyi | |||||
---|---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | |||
1 | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşabilme, bilgiyi değerlendirme, yorumlama ve uygulamaktır. | ||||||
2 | Sınırlı ya da eksik verileri kullanarak bilimsel yöntemlerle bilgiyi tamamlayabilme ve uygulama becerisi; değişik disiplinlere ait bilgileri bütünleştirebilmektir. | ||||||
3 | Mühendislik problemlerini kurgulayabilme, çözmek için yöntem geliştirme ve çözümlerde yenilikçi yöntemler uygulamaktır. | ||||||
4 | Yeni ve orijinal fikir ve yöntemler geliştirme becerisi; sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirebilmektir. | ||||||
5 | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlama ve uygulama becerisi; bu süreçte karşılaşılan karmaşık durumları analiz etme ve yorumlamaktır. | ||||||
6 | Gereksinim duyulan bilgi ve verileri tanımlama, bunlara ulaşma ve ileri düzeyde değerlendirmektir. | ||||||
7 | Çok disiplinli takımlarda liderlik yapma, karmaşık durumlarda çözüm yaklaşımları geliştirebilme ve sorumluluk almaktır. | ||||||
8 | Çalışmalarının süreç ve sonuçlarını, o alandaki veya dışındaki ulusal ve uluslar arası ortamlarda sistematik ve açık bir şekilde yazılı ya da sözlü olarak aktarabilmektir. | ||||||
9 | Mühendislikte uygulanan modern teknik ve yöntemler ile bunların sınırları hakkında kapsamlı bilgileri yorumlamaktır. | ||||||
10 | Mesleğinin yeni ve gelişmekte olan uygulamaları hakkında farkındalık; gerektiğinde bunları inceleme ve öğrenebilmektir. | ||||||
11 | Mühendislik uygulamalarının sosyal ve çevresel boyutlarını anlama ve sosyal çevreye uyum sağlamaktır. | ||||||
12 | Verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetmektir. |
Değerlendirme Sistemi | |
---|---|
Yarıyıl Çalışmaları | Katkı Oranı |
1. Ara Sınav | 40 |
1. Ödev | 30 |
2. Ödev | 30 |
Toplam | 100 |
1. Yıl İçinin Başarıya | 40 |
1. Final | 60 |
Toplam | 100 |
AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
---|---|---|---|
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
Ara Sınav | 1 | 20 | 20 |
Ödev | 1 | 25 | 25 |
Final | 1 | 20 | 20 |
Toplam İş Yükü | 161 | ||
Toplam İş Yükü / 25 (Saat) | 6,44 | ||
Dersin AKTS Kredisi | 6 |