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 | |
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. |
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 |
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 |