| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Veri Madenciliği | SWE 421 | 7 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | 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 amacını, aşamalarını ve algoritmalarını öğrenmek |
| Dersin İçeriği | Veri madenciliği, Veriler arası ilişkiler, Veri ön işleme, Sınıflandırma algortimaları, Kümeleme algoritmaları, Birliktelik analizi, Regresyon analizi, Veri anomali |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Veri madenciliği temelleri ve aşamalrını öğrenmek | Anlatım, Soru-Cevap, | Ödev / Evde-Çöz Sınavlar, Yazılı Sınavlar (Kısa ve Uzun Yanıtlı), Çoktan Seçmeli Testler, |
| 2 | Veri madenciliği algoritmalarını öğrenmek | Anlatım, Proje, | Ödev / Evde-Çöz Sınavlar, Yazılı Sınavlar (Kısa ve Uzun Yanıtlı), |
| 3 | Veri madenciliği algoritmalarını uygulayabilmek | Problem Çözme, Gösterip Yaptırma, | Yazılı Sınavlar (Kısa ve Uzun Yanıtlı), |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Veri madenciliğine giriş | |
| 2 | Veri türleri, veri kalitesi, veri benzerliği ve veriler arası ilişkiler | |
| 3 | Veri ön işlme | |
| 4 | Sınıflandırma temelleri ve algoritmaları | |
| 5 | Sınıflandırma: Karar ağaçları | |
| 6 | Sınıflandırma: KNN algoritması | |
| 7 | Sınıflandırma: SVM algoritması | |
| 8 | Birliktelik analizi | |
| 9 | Kümeleme | |
| 10 | Resresyon analizi | |
| 11 | Veri görselleştirme | |
| 12 | Anamoli tespiti | |
| 13 | Uygulamalar | |
| 14 | Uygulamalar |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | 1. Ping Ning Tan, Micheal Steinbach, Anuj Karpatne, Vipin Kumar , Introduction to Data Mining, Pearson
2. Jiawei Han, Micheline Kamber and Jian Pei, Data Mining: Concepts and Techniques, 3rd ed., The Morgan Kaufmann Series in Data Management Systems, Morgan Kaufmann Publishers, July 2011. ISBN 978-0123814791 |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Mühendislik Bilgisi: Matematik, fen bilimleri, temel mühendislik, bilgisayarla hesaplama ve ilgili mühendislik disiplinine özgü konularda bilgi; bu bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. | X | |||||
| 2 | Problem Analizi: Karmaşık mühendislik problemlerini, temel bilim, matematik ve mühendislik bilgilerini kullanarak ve ele alınan problemle ilgili BM Sürdürülebilir Kalkınma Amaçlarını gözeterek tanımlama, formüle etme ve analiz becerisi. | X | |||||
| 3 | Mühendislik Tasarımı: Karmaşık mühendislik problemlerine yaratıcı çözümler tasarlama becerisi; karmaşık sistemleri, süreçleri, cihazları veya ürünleri gerçekçi kısıtları ve koşulları gözeterek, mevcut ve gelecekteki gereksinimleri karşılayacak biçimde tasarlama becerisi. | X | |||||
| 4 | Teknik ve Araçların Kullanımı: Karmaşık mühendislik problemlerinin analizi ve çözümüne yönelik, tahmin ve modelleme de dahil olmak üzere, uygun teknikleri, kaynakları ve modern mühendislik ve bilişim araçlarını, sınırlamalarının da farkında olarak seçme ve kullanma becerisi. | X | |||||
| 5 | Araştırma ve İnceleme: Karmaşık mühendislik problemlerinin incelenmesi için literatür araştırması, deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama dahil, araştırma yöntemlerini kullanma becerisi. | X | |||||
| 6 | Mühendislik Uygulamalarının Küresel Etkisi: Mühendislik uygulamalarının BM Sürdürülebilir Kalkınma Amaçları* kapsamında, topluma, sağlık ve güvenliğe, ekonomiye, sürdürülebilirlik ve çevreye etkileri hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. | ||||||
| 7 | Mühendislik Etiği: Mühendislik meslek ilkelerine* uygun davranma, etik sorumluluk hakkında bilgi; hiçbir konuda ayrımcılık yapmadan, tarafsız davranma ve çeşitliliği kapsayıcı olma konularında farkındalık. | X | |||||
| 8 | Bireysel ve Takım Çalışması: Bireysel olarak ve disiplin içi ve çok disiplinli takımlarda (yüz yüze, uzaktan veya karma) takım üyesi veya lideri olarak etkin biçimde çalışabilme becerisi. | X | |||||
| 9 | Sözlü ve Yazılı İletişim: Hedef kitlenin çeşitli farklılıklarını (eğitim, dil, meslek gibi) dikkate alarak, teknik konularda sözlü, yazılı etkin iletişim kurma becerisi. | X | |||||
| 10 | Proje Yönetimi: Proje yönetimi ve ekonomik yapılabilirlik analizi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik ve yenilikçilik hakkında farkındalık. | ||||||
| 11 | Yaşam Boyu Öğrenme: Bağımsız ve sürekli öğrenebilme, yeni ve gelişmekte olan teknolojilere uyum sağlayabilme ve teknolojik değişimlerle ilgili sorgulayıcı düşünebilmeyi kapsayan yaşam boyu öğrenme becerisi. | ||||||
| # | 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 | Veri madenciliği temelleri ve aşamalrını öğrenmek | 5 | ||||||||||
| 2 | Veri madenciliği algoritmalarını öğrenmek | 5 | 5 | 5 | 5 | |||||||
| 3 | Veri madenciliği algoritmalarını uygulayabilmek | 5 | 5 | 5 | 5 |
| 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 | 2 | 32 |
| Ara Sınav | 1 | 20 | 20 |
| Kısa Sınav | 2 | 2 | 4 |
| Proje / Tasarım | 1 | 10 | 10 |
| Toplam İş Yükü | 114 | ||
| Toplam İş Yükü / 25 (Saat) | 4,56 | ||
| dersAKTSKredisi | 5 | ||