Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
---|---|---|---|---|---|---|
Veri Madenciliğine Giriş | BLM4800 | 3 | 8 | 3 | 0 | 0 |
Önkoşullar | Yok |
---|
Yarıyıl | Güz, Bahar |
---|
Dersin Dili | İngilizce, Türkçe |
---|---|
Dersin Seviyesi | Lisans |
Dersin Türü | Seçmeli @ Bilgisayar Mühendisliği Lisans Programı (%30 İngilizce) |
Ders Kategorisi | Uzmanlık/Alan Dersleri |
Dersin Veriliş Şekli | Yüz yüze |
Dersi Sunan Akademik Birim | Bilgisayar Mühendisliği Bölümü |
---|---|
Dersin Koordinatörü | Songül Varlı |
Dersi Veren(ler) | Gökhan Bilgin, Songül Varlı |
Asistan(lar)ı |
Dersin Amacı | Veri Madenciliğinin amacı veri yığınından faydalı bilgiyi bulup çıkartmak ve keşfedilen bilgiyi kullanarak mevcut durumu açıklamaya yardımcı olmak ve gelecekteki oluşumları tahmin etmektir. |
---|---|
Dersin İçeriği | Veri Madenciliği Kavramları, Veri Hazırlama Teknikleri, İstatistiksel Öğrenme Teorisi (Naive Bayes), Kümeleme Metotları (K-Means, hiyerarşik), Karar Ağaçları ve Karar Kuralları, Birliktelik Kurallarını |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Veri Madenciliği temel kavramlarını öğrenme ve uygulayabilme bilgi ve beçerisi kazandıracaktır.
- Veri yığınından faydalı bilgiyi bulup çıkarma becerisi kazandıracaktır.
- Veri yığınını analiz etme, temizleme ve aykırı değerleri bulma becerisi kazandıracaktır.
- Veri yığınını analiz etme, temizleme ve aykırı değerleri bulma becerisi kazandıracaktır. Öğrenciler eğiticili sınıflama yöntemleri hakkında bilgi sahibi olacaklardır.
- Öğrenciler eğiticisiz kümeleme yöntemleri hakkında bilgi sahibi olacaklardır.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
Hafta | Konular | Ön Hazırlık |
---|---|---|
1 | Veri Madenciliğine Giriş | 1.Kaynak Kitap- 1.Bölüm |
2 | Veri Madenciliği Kavramları | 1.Kaynak Kitap- 2.Bölüm |
3 | Veri Hazırlama Teknikleri | 1.Kaynak Kitap- 2.Bölüm |
4 | Sınıflandırma: Temel Kavramlar ve Teknikler | 1.Kaynak Kitap- 3.Bölüm |
5 | Sınıflandırma: Model Aşırı Uyumu | 1.Kaynak Kitap- 3.Bölüm |
6 | Karar Ağaçları ve Karar Kuralları | 1.Kaynak Kitap- 6.Bölüm |
7 | Kural Tabanlı ve En Yakın Komşu Sınıflandırıcılar | 1.Kaynak Kitap- 6.Bölüm |
8 | Ara Sınav 1 | |
9 | Naïve Bayes Sınıflandırıcısı ve Yapay Sinir Ağları | 1.Kaynak Kitap- 6.Bölüm |
10 | Destek Vektör Makineleri ve Topluluk Yöntemleri | 1.Kaynak Kitap- 6.Bölüm |
11 | Sınıflama Yöntemlerinin Değerlendirilmesi | 1.Kaynak Kitap- 6.Bölüm |
12 | Birliktelik Kuralları: Temel Kavramlar ve Algoritmalar | 1.Kaynak Kitap- 4.Bölüm |
13 | Birliktelik Analizi: İleri Kavramlar | 1.Kaynak Kitap- 7.Bölüm |
14 | Kümeleme Analizi: Temel Kavramlar ve Teknikler | 1.Kaynak Kitap- 5, 8.Bölüm |
15 | Anomali Tespiti ve Yanlış Keşiflerden Kaçınma | 1.Kaynak Kitap- 9, 10.Bölüm |
16 | Final |
Değerlendirme Sistemi
Etkinlikler | Sayı | Katkı Payı |
---|---|---|
Devam/Katılım | ||
Laboratuar | ||
Uygulama | ||
Arazi Çalışması | ||
Derse Özgü Staj | ||
Küçük Sınavlar/Stüdyo Kritiği | ||
Ödev | 5 | 20 |
Sunum/Jüri | ||
Projeler | ||
Seminer/Workshop | ||
Ara Sınavlar | 1 | 40 |
Final | 1 | 40 |
Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
Final Sınavının Başarı Notuna Katkısı | ||
TOPLAM | 100 |
AKTS İşyükü Tablosu
Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
---|---|---|---|
Ders Saati | 14 | 3 | |
Laboratuar | |||
Uygulama | |||
Arazi Çalışması | |||
Sınıf Dışı Ders Çalışması | 14 | 7 | |
Derse Özgü Staj | |||
Ödev | 5 | 6 | |
Küçük Sınavlar/Stüdyo Kritiği | |||
Projeler | |||
Sunum / Seminer | |||
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 35 | |
Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 35 | |
Toplam İşyükü : | |||
Toplam İşyükü / 30(s) : | |||
AKTS Kredisi : |
Diğer Notlar | Yok |
---|