GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| FBIST7058 | Veri Madenciliği ve Uygulamaları II | Ders | 1 | 2 | 5,00 |
Dersin Seviyesi
Yüksek Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
To introduce the basic applications of data mining, its strengths and weaknesses, basic concepts and techniques.
Dersi Veren Öğretim Görevlisi Görevlileri
Asist.Prof.Dr.Recep ÖZDAĞ
Öğrenme Çıktıları
| 1 | Veri madenciliğinin temel kavram ve tekniklerini anlar. |
| 2 | Veri ambarındaki veriden, temiz ve tutarlı bir veri deposu oluşturabilir. |
| 3 | Veri madenciliği alanındaki projeleri aktif olarak yönetir . |
| 4 | Veri madenciliği ile ilgili yazılımları kullanarak problemlere pratik çözümler geliştirir. |
Öğrenim Türü
Dersin Ön Koşulu Olan Dersler
None
Ders İçin Önerilen Diğer Hususlar
None
Dersin İçeriği
Introduction to data mining, input elements, data processing (cleanup, addition, size reduction), data mining and OLAP, data mining algorithms, reliability, simple classification algorithms (decision trees) and advanced pattern mining, advanced classification issues, data mining applications.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | Uygulama | Laboratuvar |
|---|---|---|---|
| 1 | Veri Madenciliği Giriş Ders Notu | ||
| 2 | Girdi: Konsept, Özellikler ve örnek | ||
| 3 | Veri İşleme | ||
| 4 | Veri Ambarları ve Çevrimiçi Analitik İşleme (OLAP) | ||
| 5 | Veri Madenciliği Algoritmaları: Basit Metodlar | ||
| 6 | Güvenirlik: Öğrenilenleri Değerlendirme-1 | ||
| 7 | Güvenirlik: Öğrenilenleri Değerlendirme-2 | ||
| 8 | Ara Sınav | ||
| 9 | İleri Patern Madenciliği-1 | ||
| 10 | İleri Patern Madenciliği-2 | ||
| 11 | Sınıflandırma:Temel Kavramlar-1 | ||
| 12 | Sınıflandırma:Temel Kavramlar-2 | ||
| 13 | Dönüştürme: Girdi ve Çıktı Mühendisliği-1 | ||
| 14 | Dönüştürme: Girdi ve Çıktı Mühendisliği-2 | ||
| 15 | İleri Teknikler, Veri Madenciliği ugulamaları ve yazılımları | ||
| 16 | Final Sınav |
Ders Kitabı Malzemesi Önerilen Kaynaklar
1. Jiawei Han and Micheline Kamber. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2006. 2. Ian H. Witten and Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Morgan Kaufmann Publishers, 2005. 3. Pang-Ning Tan, Michael Steinbach and Vipin Kumar. Introduction to Data Mining. Addison Wesley, 2005.
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 25 |
| Makale Kritik Etme | 1 | 75 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 20 |
| Makale Yazma | 1 | 80 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
None
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 10 | 10 |
| Final Sınavı | 1 | 10 | 10 |
| Derse Katılım | 14 | 3 | 42 |
| Makale Yazma | 10 | 3 | 30 |
| Makale Kritik Etme | 14 | 3 | 42 |
| Toplam İş Yükü (saat) | 134 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | |
| ÖÇ 1 | 4 | 5 | 4 | ||||
| ÖÇ 2 | 4 | 4 | 4 | 4 | |||
| ÖÇ 3 | 4 | 5 | 4 | 4 | 5 | ||
| ÖÇ 4 | 4 | 4 | 3 | 4 | 4 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek