| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Data Mınıng | SWE 513 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi GÖZDE YOLCU ÖZTEL |
| Dersi Verenler | Dr.Öğr.Üyesi GÖZDE YOLCU ÖZTEL, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Alanına Uygun Temel Öğretim |
| Dersin Amacı | Veri madenciliği için temel algoritma ve metotları öğrenmek |
| Dersin İçeriği | Veri madenciliğine giriş, veri, sınıflandırma teknikleri (en yakın komşu sınıflandırıcı, naive bayes sınıflandırıcı, yapay sinir ağları, destek vektör makineleri, sınıf dengesizliği problemi), birliktelik analizi teknikleri, kümeleme analizi teknikleri, Anomali tespiti, |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Veri madenciliği hakkında bilgi sahibi olmak | Deney ve Laboratuvar, Beyin Fırtınası, | |
| 2 | Veri madenciliği yöntemlerini ve algoritmalarını öğrenmek | Problem Çözme, Tartışma, Anlatım, | |
| 3 | Bir veri madenciliği uygulaması tasarlayabilmek | Gözlem, Gezi / Gözlem, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Veri madenciliğine giriş | |
| 2 | Veri | |
| 3 | Sınıflandırma: En yakın komşu algoritması | |
| 4 | Sınıflandırma: Bayes algoritması | |
| 5 | Sınıflandırma: Yapay sinir ağları | |
| 6 | Sınıflandırma: Destek vektör makineleri | |
| 7 | Sınıflandırma: Örnek problem çözümleri | |
| 8 | İlişkisel analiz kavramı | |
| 9 | Kümeleme | |
| 10 | Kümeleme | |
| 11 | Hata tespiti | |
| 12 | Uygulamalar | |
| 13 | Uygulamalar | |
| 14 | Uygulamalar |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Pang-Ning Tan, Michael Steinbach, Anuj Karpatne, Vipin Kumar, Introduction to Data Mining |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | ||||||
| 2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
| 3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır. | ||||||
| 4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
| 5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır. | ||||||
| 6 | Her ölçekte yazılım sistemi için proje planlaması; zaman, kaynak, bütçe ve risk yönetimi yapar, alternatif çözüm yolları belirler. | ||||||
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| Toplam | 0 |
| Toplam | 0 |
| 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 |
| Kısa Sınav | 2 | 1 | 2 |
| Ödev | 1 | 10 | 10 |
| Ara Sınav | 1 | 20 | 20 |
| Final | 1 | 20 | 20 |
| Toplam İş Yükü | 148 | ||
| Toplam İş Yükü / 25 (Saat) | 5,92 | ||
| Dersin AKTS Kredisi | 6 | ||