GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| FBIST7049 | Veri Madenciliği ve Bilgi Keşfi | Ders | 1 | 1 | 5,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
The aim of this course is to provide the students with the theoretical knowledge of data mining algorithms and techniques and to give the students the ability to select and apply appropriate data mining techniques for different applications. This course is designed for students; learn pre-processing, association rule analysis, classification and estimation and clustering analysis.
Dersi Veren Öğretim Görevlisi Görevlileri
Asist.Prof.Dr.Recep ÖZDAĞ
Öğrenme Çıktıları
| 1 | Temel veri madenciliği kavramlarını tanımlayabilme |
| 2 | Veri ön işleme işlemlerini uygulayabilme |
| 3 | Belirli bir problemi çözmek için uygun olan veri madenciliği tekniğini belirleyebilme |
| 4 | Bir veri madenciliği modeli tasarlayabilme |
| 5 | Bir veri madenciliği algoritması uygulayabilme |
Öğrenim Türü
Dersin Ön Koşulu Olan Dersler
None
Ders İçin Önerilen Diğer Hususlar
None
Dersin İçeriği
Concepts of Data Mining, Data Preparation Techniques, Statistical Learning Theory (Naive Bayes), Clustering Methods (K-Means, Hierarchical), Decision Trees and Decision Rules, Association Rules
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Veri Madenciliği Giriş | ||
| 2 | Veri Madenciliğine Detaylı Bakış | ||
| 3 | Veri Hazırlama (Veri Entegrasyonu, İndirgeme, Ön işleme ve Temizleme, Dönüşüm) | ||
| 4 | Sık Desenlerin Keşfi, İlişkilendirme Kuralları ve Korelasyonlar | ||
| 5 | Sıralı Örüntü Analizi | ||
| 6 | Sınıflandırma ve Tahminleme | ||
| 7 | Ara Sınav | ||
| 8 | Kümeleme | ||
| 9 | Anomali Tespiti | ||
| 10 | Temel Veri Madenciliği Araçları | ||
| 11 | Web Madenciliği | ||
| 12 | Metin Madenciliği | ||
| 13 | Multimedya ve Konumsal Veri Madenciliği | ||
| 14 | Veri Madenciliğinde Gizliliğin Korunması | ||
| 15 | Sunumlar | ||
| 16 | Final Sınav |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Han, J. ve Kamber, M., Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, San Francisco, Second Edition, 2006. Roiger, R.J., ve Geatz, M.W., Data Mining: A Tutorial-Based Primer, Addison Wesley, USA, 2003. Dunham, M.H., Data Mining: Introductory and Advanced Topics, Prentice Hall, New Jersey, 2003
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 25 |
| Ev Ödevi | 5 | 75 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 40 |
| Proje Sunma | 1 | 60 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 60 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 40 | |
Staj Durumu
None
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 20 | 20 |
| Final Sınavı | 1 | 20 | 20 |
| Derse Katılım | 14 | 3 | 42 |
| Proje Tasarımı /Yönetimi | 1 | 10 | 10 |
| Ev Ödevi | 5 | 9 | 45 |
| Toplam İş Yükü (saat) | 137 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | |
| ÖÇ 1 | 3 | 4 | |||||
| ÖÇ 2 | 4 | 4 | 4 | ||||
| ÖÇ 3 | 4 | 5 | 4 | ||||
| ÖÇ 4 | 3 | 4 | 4 | 4 | 4 | ||
| ÖÇ 5 | 4 | 3 | 3 | 5 | 5 | 3 | 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek