GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| BMH708 | VERİ MADENCİLİĞİNE GİRİŞ | Seçmeli Ders Grubu | 4 | 8 | 5,00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu ders ileri seviye bilgisayar bilimleri eğitimde işlenen veri madenciliği konuları hakkında öğrenciye genel bir perspektif kazandırma ve uygulama yapabilme becerilerini vermeyi amaçlamaktadır. Gittikçe popülerleşen veri madenciliği ve bilgi çıkarımı konuları arasında yer alan kural madenciliği, kümeleme, sınıflandırma gibi alt başlıklar gerçek dünyada tanımlı problemlerle işlenecektir. Böylece öğrencinin veri analizi alanında pratik çözümler üretebilmesi hedeflenmektedir.
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğr. Gör. Dr. Çağrı Arısoy
Öğrenme Çıktıları
| 1 | Veri yığınından faydalı bilgiyi bulup çıkarma becerisi kazandırmak. |
| 2 | Veri yığınını analiz etme, temizleme ve birleştirme becerisi kazandırmak. |
| 3 | Veri indirgeme bilgi ve becerisi kazandırmak. |
| 4 | Eğiticili ve eğiticisiz yöntemler ile sınıflama ve kümeleme bilgi ve becerisi kazandırmak. |
| 5 | Birliktelik kurallarını çıkartma ve değerlendirme bilgi ve becerisi kazandırmak. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Otomatik veri analizi ve organizasyonel karar verme proseslerine destek verme amacıyla iç ve dış kaynaklardan bilgi çıkarma. Farklı uygulamaları araştırma, metodolojiler, teknikler ve modeller. Sınıflandırma, Karar Ağaçları, Birliktelik Kuralları, Kümeleme. Bu ders gerçek hayattan alınan geniş veri setleriyle , Weka Veri Madenciliği yazılımı kullanılarak vaka analizi yapma ile sonlanır.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|
| 1 | Veri Madenciliği Temel Kavramları | Teorik Anlatım | Yok |
| 2 | Veri Temizliği, normalizasyon, Binning | Teorik Anlatım ve Problem Çözme | Yok |
| 3 | Standartlaştırma, Kesikleme, İndirgeme | Teorik Anlatım ve Problem Çözme | Yok |
| 4 | Temel Kavramlar, Apriori algoritması | Teorik Anlatım ve Problem Çözme | Yok |
| 5 | FP-Büyüme Algoritması, Diğer Algoritmalar | Teorik Anlatım ve Problem Çözme | Yok |
| 6 | Temel Kavramlar, Karar Ağaçları | Teorik Anlatım ve Problem Çözme | Yok |
| 7 | Bayesian Sınıflandırma | Teorik Anlatım ve Problem Çözme | Yok |
| 8 | Bayesian Sınıflandırma | Teorik Anlatım ve Problem Çözme | Yok |
| 9 | Yapay Sinir Ağları | Teorik Anlatım ve Problem Çözme | Yok |
| 10 | Temel Kavramlar, Uzaklık Kavramı, Parçalama Algoritmaları | Teorik Anlatım ve Problem Çözme | Yok |
| 11 | Hiyerarşik Yöntemler | Teorik Anlatım ve Problem Çözme | Yok |
| 12 | Gril ve Yoğunluk Temelli Algoritmalar | Teorik Anlatım ve Problem Çözme | Yok |
| 13 | Sıralı Örüntü Madenciliği | Teorik Anlatım ve Problem Çözme | Yok |
| 14 | Metin Madenciliği | Teorik Anlatım ve Problem Çözme | Yok |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
[1] PDQ Statistics, Geoffrey R. Norman, David L. Streiner, 2003 [2] The Art of R Programming, A tour of Statistical Software Design, Norman Matloff, 2011 [3] Data Mining Concepts and Techniques, Jiawei Han, Micheline Kamber, 2006 [4] Introduction to Data Mining , Pang-Ning Tan, Michael Steinbach, Vipin Kumar 2006 [5] Software for Data Analysis: Programming with R (Statistics and Computing), John M. Chambers, 2008 [6] Data Mining with R: Learning with Case Studies (Chapman & Hall/CRC Data Mining and Knowledge Discovery Series), Luis Torgo, 2011
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 20 |
| Proje Hazırlama | 1 | 20 |
| Ev Ödevi | 3 | 60 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 60 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 40 | |
Staj Durumu
Yok
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Uygulama/Pratik | 4 | 4 | 16 |
| Tartışma | 1 | 5 | 5 |
| Gözlem | 3 | 2 | 6 |
| Proje Sunma | 2 | 4 | 8 |
| Bireysel Çalışma | 14 | 3 | 42 |
| Ara Sınav İçin Bireysel Çalışma | 3 | 2 | 6 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 20 | 20 |
| Okuma | 5 | 2 | 10 |
| Toplam İş Yükü (saat) | 117 | ||
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 | |
| ÖÇ 1 | 5 | 5 | |||||||||
| ÖÇ 2 | 5 | ||||||||||
| ÖÇ 3 | 4 | 5 | |||||||||
| ÖÇ 4 | 4 | ||||||||||
| ÖÇ 5 | 5 | 4 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek