GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| BVA123 | VERİ MADENCİLİĞİ | Ders | 1 | 2 | 5,00 |
Dersin Seviyesi
Önlisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı, öğrencilere veri madenciliğinin temel kavramlarını tanıtmak, büyük veri kümelerinden anlamlı bilgiler elde edebilme becerisi kazandırmak ve çeşitli veri madenciliği tekniklerini uygulamalı olarak kullanma yetkinliği sağlamaktır.
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğr. Görevlisi Ömer MERMER
Öğrenme Çıktıları
| 1 | Veri madenciliğinin temel kavramlarını açıklar. |
| 2 | Veri ön işleme tekniklerini uygular. |
| 3 | Sınıflandırma, kümeleme ve birliktelik kuralları algoritmalarını açıklar ve uygular. |
| 4 | Gerçek dünya verileri üzerinde analiz yapar. |
| 5 | Veri madenciliği araçlarını kullanarak sonuçlar üretir ve yorumlar. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
[Yok]
Dersin İçeriği
Veri Madenciliği Süreci ve Aşamaları, Veri Ön İşleme (Eksik veriler, aykırı değerler), Veri Dönüştürme ve Normalizasyon Teknikleri, Sınıflandırma Yöntemlerine Giriş, Karar Ağaçları, K-En Yakın Komşu (KNN), Naive Bayes, Ara Sınav, Kümeleme Yöntemlerine Giriş, K-Means ve Hiyerarşik Kümeleme, Birliktelik Kuralları ve Apriori algoritması, Veri Madenciliği Uygulamaları (Python, WEKA, Orange), Dönem Projesi Sunumları veya Genel Tekrar
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Uygulama | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|---|
| 1 | Veri Madenciliğine Giriş | Temel kavramlar sunumu, sınıf içi tartışma | Anlatım, Soru-Cevap | Veri madenciliğine giriş dokümanlarının okunması |
| 2 | Veri Madenciliği Süreci ve Aşamaları | Süreç diyagramı çizimi, örnek senaryo çözümü | Anlatım, Örnek olay incelemesi | CRISP-DM ve diğer süreç modellerinin incelenmesi |
| 3 | Veri Ön İşleme (Eksik veriler, aykırı değerler) | Eksik veri doldurma, aykırı değer tespiti | Uygulamalı laboratuvar (Jupyter Notebook) | NumPy ve pandas kütüphanelerine giriş |
| 4 | Veri Dönüştürme ve Normalizasyon Teknikleri | Min-max ve z-score normalizasyon tekniklerinin uygulanması | Uygulamalı anlatım | Normalizasyon formüllerinin incelenmesi |
| 5 | Sınıflandırma Yöntemlerine Giriş | Temel sınıflandırma problemlerinin çözülmesi | Anlatım, Grup çalışması | Sınıflandırma algoritmalarının genel tanıtımı |
| 6 | Karar Ağaçları | ID3/C4.5 algoritması ile karar ağacı oluşturma | Kodlama, Simülasyon | Entropi ve bilgi kazancı hesaplamalarının öğrenilmesi |
| 7 | K-En Yakın Komşu (KNN) | Python ile KNN algoritmasının uygulanması | Uygulamalı laboratuvar | Euclidean mesafe ve komşuluk kavramları |
| 8 | Naive Bayes | Bayes teoremi ile sınıflandırma örnekleri | Anlatım, Örnek çözüm | Olasılık ve Bayes teoreminin çalışılması |
| 9 | Kümeleme Yöntemlerine Giriş | Kümeleme algoritmalarının tanıtımı ve örnek veri ile uygulama | Sunum, Tartışma | Kümeleme türlerinin araştırılması |
| 10 | Kümeleme Yöntemleri | Kümeleme algoritmalarının tanıtımı ve örnek veri ile uygulama | Sunum, Tartışma | Kümeleme türlerinin araştırılması |
| 11 | K-Means ve Hiyerarşik Kümeleme | K-means algoritmasının Python ile uygulanması | Kodlama uygulaması | K-means algoritmasının çalışma prensibi |
| 12 | Birliktelik Kuralları ve Apriori Algoritması | Market sepeti analizi, destek ve güven hesaplama | Hesaplama ve WEKA ile uygulama | Apriori algoritmasının adımlarını öğrenme |
| 13 | Veri Madenciliği Uygulamaları (Python, WEKA, Orange) | WEKA, Orange veya RapidMiner kullanarak analiz | Uygulamalı yazılım kullanımı | Yazılımların kurulumu ve kılavuzlarının incelenmesi |
| 14 | Dönem Projesi Sunumları veya Genel Tekrar | Öğrenci proje sunumları ve değerlendirme | Sunum, Geri bildirim | Proje raporlarının ve sunum slaytlarının hazırlanması |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 60 |
| Proje Sunma | 1 | 40 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Derse Katılım | 14 | 2 | 28 |
| Derse Katılım (Uygulama) | 14 | 2 | 28 |
| Örnek Vaka İncelemesi | 1 | 2 | 2 |
| Rapor Hazırlama | 3 | 2 | 6 |
| Rapor Sunma | 1 | 1 | 1 |
| Proje Sunma | 1 | 1 | 1 |
| Proje Tasarımı /Yönetimi | 2 | 2 | 4 |
| Bireysel Çalışma | 14 | 1 | 14 |
| Ara Sınav İçin Bireysel Çalışma | 7 | 1 | 7 |
| Final Sınavı içiin Bireysel Çalışma | 7 | 2 | 14 |
| Rapor | 2 | 2 | 4 |
| Performans | 14 | 1 | 14 |
| Toplam İş Yükü (saat) | 125 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 5 | 5 | |||||||||||||
| ÖÇ 2 | 5 | 5 | |||||||||||||
| ÖÇ 3 | 5 | 5 | |||||||||||||
| ÖÇ 4 | 5 | 5 | 5 | 5 | 5 | ||||||||||
| ÖÇ 5 | 5 | 5 | 5 | 5 | 5 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek