| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Veri Madenciliği | ENM 424 | 8 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi NEVRA AKBİLEK |
| Dersi Verenler | |
| Dersin Yardımcıları | Uzman Neslihan Açıkgöz |
| 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 | Deney / Laboratuvar, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Sınav , Ödev, |
| 2 | Gruplama algoritmalarını kullanabilmek | Proje Temelli Öğrenme , Bireysel Çalışma, Deney / Laboratuvar, | Ödev, Proje / Tasarım, Sınav , |
| 3 | Sepet analizini kullanabilmek | Deney / Laboratuvar, Bireysel Çalışma, Proje Temelli Öğrenme , | Sınav , Ödev, Proje / Tasarım, |
| 4 | Veri madenciliği yazılımlarını kullanabilmek | Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Giriş ve Genel Tanımlar | |
| 2 | Veri Madenciliğinin Uygulama Alanları | |
| 3 | Veri Madenciliğinde kullanılan hazır programların tanıtılması - Elektronik Tablo Programlarında Veri Madenciliği | |
| 4 | Verinin analize hazırlanması (adımları) | |
| 5 | OLAP | |
| 6 | Sınıflandırma ve Kümeleme | |
| 7 | Karar Ağaçları | |
| 8 | Veri Madenciliğinde istatistik | |
| 9 | Veri Madenciliğinde Yapay Zeka | |
| 10 | Veri Madenciliğinde Yapay Sinir Ağları | |
| 11 | Birliktelik Kuralları | |
| 12 | Veri Madenciliğinde diğer madencilik teknikleri-Web ve Metin Madenciliği | |
| 13 | Örnek Uygulamalar | |
| 14 | Veri Madenciliği Endüstriyel Uygulamaları |
| Kaynaklar | |
|---|---|
| Ders Notu | http://www.cagil.sakarya.edu.tr adresinde yayınladığım indirilebilir ders notları |
| Ders Kaynakları | - Gökhan Silahtaroğlu, Kavram ve Algoritmalarıyla Temel Veri Madenciliği, Papatya Yayıncılık (2008) - Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to Data Mining, Addison Wesley, (2005). |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Matematik, fen bilimleri ve kendi dalları ile ilgili mühendislik konularında yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgilerini kullanarak karmaşık Endüstri Mühendisliği problemlerini modelleyebilme ve çözebilme becerisi | X | |||||
| 2 | Karmaşık Endüstri Mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analitik yöntemler ile modelleme tekniklerini seçme ve uygulama becerisi | X | |||||
| 3 | Endüstri Mühendisliği alanında karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi | X | |||||
| 4 | Endüstri Mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi | X | |||||
| 5 | Endüstri Mühendisliği alanındaki karmaşık problemlerinin, araştırma konularının incelenmesi amacıyla deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi | X | |||||
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi | X | |||||
| 7 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi | ||||||
| 8 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi | X | |||||
| 9 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi | X | |||||
| 10 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi | X | |||||
| 11 | Endüstri Mühendisliği alanındaki uygulamaların evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Sınıflandırma algoritmalarını kullanabilmek | |||||||||||
| 2 | Gruplama algoritmalarını kullanabilmek | |||||||||||
| 3 | Sepet analizini kullanabilmek | |||||||||||
| 4 | Veri madenciliği yazılımlarını kullanabilmek |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 50 |
| 1. Kısa Sınav | 15 |
| 1. Ödev | 10 |
| 2. Kısa Sınav | 15 |
| 2. Ödev | 10 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| 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 | 2 | 32 |
| Ara Sınav | 1 | 4 | 4 |
| Ödev | 2 | 10 | 20 |
| Performans Görevi (Laboratuvar) | 1 | 16 | 16 |
| Toplam İş Yükü | 120 | ||
| Toplam İş Yükü / 25 (Saat) | 4,8 | ||
| dersAKTSKredisi | 5 | ||