Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Madenciliğine GirişMTM464135300
ÖnkoşullarYok
YarıyılGüz
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Matematik Mühendisliği Lisans Programı (%30 İngilizce)
Seçmeli @ Matematik Lisans Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimMatematik Mühendisliği Bölümü
Dersin KoordinatörüNilgün Güler Bayazıt
Dersi Veren(ler)Nilgün Güler Bayazıt
Asistan(lar)ı
Dersin AmacıVeri Madenciligi Kavramları, Veri Hazırlama Teknikleri, istatistiksel Analiz tekniklerini ögretmektir.
Dersin İçeriğiVeri madenciliği Kavramları, Veri ambarları ve OLAP teknolojisi, Veri Hazırlama Teknikleri, Veri Madenciliğinde İstatistiksel Yöntemler, Karar Ağaçları, Kümeleme Algoritmaları , Birliktelik Kuralları, Performans arttırma: Bagging, Boosting, Örnek Çalışmalar: Sepet Analizi ve Kredi Risk skorlama.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Data Mining , J. Han – M. Kamber, Morgan-Kaufman, Academic Press, 2001.
  • Data Mining:Practical Machine Learning Tools and Techniques, Third Edition, Ian H. Witten , Eibe Frank , Mark A. Hall,Morgan_Kaufman Series, 2011
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Veriden bilgi keşfetme becerisi
  2. Gerçek dünya problemleri üzerinde veri madenciliği kavramlarını uygulayabilme becerisi
  3. Veri madenciliği projelerini yönetme becerisi
  4. Veri madenciliği yazılımlarını kullanma becerisi
  5. Veri madenciliği etik ilkelerine uygun davranma ve etik sorumluluk hakkında bilgi sahibi olur

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5
PÇ-144---
PÇ-2444--
PÇ-3555--
PÇ-433---
PÇ-555---
PÇ-655---
PÇ-755---
PÇ-855---
PÇ-92235-
PÇ-1055-3-
PÇ-11-----
PÇ-1255-5-
PÇ-1355-5-
PÇ-14-----
PÇ-15---4-
PÇ-16---4-
PÇ-17---3-
PÇ-18-----
PÇ-19---3-
PÇ-20---3-
PÇ-21---4-
PÇ-22-4-4-
PÇ-23-4-5-
PÇ-24----5
PÇ-25-----
PÇ-26--4--
PÇ-27-----
PÇ-28-----
PÇ-29-----
PÇ-30----4

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Veri Madenciliğine girişKaynaklardaki ilgili bölüm
2Veri madenciliği KavramlarıKaynaklardaki ilgili bölüm
3Veri ambarları ve OLAP teknolojisiKaynaklardaki ilgili bölüm
4Veri Hazırlama Teknikleri : veri temizleme,veri birleştirme ve dönüştürmeKaynaklardaki ilgili bölüm
5Veri indirgeme, Kavram hiyerarşileri oluşturmaKaynaklardaki ilgili bölüm
6Veri Madenciliğinde İstatistiksel YöntemlerKaynaklardaki ilgili bölüm
7Veri Madenciliğinde İstatistiksel Yöntemler (Devam) Kaynaklardaki ilgili bölüm
8Ara Sınav 1
9Karar Ağaçları Kaynaklardaki ilgili bölüm
10Model performans değerlendirmesi ve seçimiKaynaklardaki ilgili bölüm
11Performans arttırma: Bagging, BoostingKaynaklardaki ilgili bölüm
12Birliktelik KurallarıKaynaklardaki ilgili bölüm
13 Kümeleme Algoritmaları Kaynaklardaki ilgili bölüm
14 Proje sunumlarıKaynaklardaki ilgili bölüm
15Proje sunumlarıKaynaklardaki ilgili bölüm
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım120
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev110
Sunum/Jüri
Projeler120
Seminer/Workshop
Ara Sınavlar130
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması136
Derse Özgü Staj
Ödev110
Küçük Sınavlar/Stüdyo Kritiği
Projeler120
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)110
Final (Sınav Süresi + Sınav Hazırlık Süresi)110
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok