Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Madenciliğine GirişBLM480038300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Bilgisayar Mühendisliği Lisans Programı (%30 İngilizce)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimBilgisayar Mühendisliği Bölümü
Dersin KoordinatörüSongül Varlı
Dersi Veren(ler)Gökhan Bilgin, Songül Varlı
Asistan(lar)ı
Dersin AmacıVeri Madenciliğinin amacı veri yığınından faydalı bilgiyi bulup çıkartmak ve keşfedilen bilgiyi kullanarak mevcut durumu açıklamaya yardımcı olmak ve gelecekteki oluşumları tahmin etmektir.
Dersin İçeriğiVeri 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
  • Textbook1: Introduction to Data Mining, P-N. Tan, M. Steinbach, V. Kumar, Pearson, 2018 ISBN:0-133-12890-3
  • Textbook2: Data Mining , J. Han, M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6
  • Textbook3: Data Mining – Concepts, Models, Methods and Algorithms, Mehmed Kantardzic, ISBN:0-471-22852-4
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Veri Madenciliği temel kavramlarını öğrenme ve uygulayabilme bilgi ve beçerisi kazandıracaktır.
  2. Veri yığınından faydalı bilgiyi bulup çıkarma becerisi kazandıracaktır.
  3. Veri yığınını analiz etme, temizleme ve aykırı değerleri bulma becerisi kazandıracaktır.
  4. Veri yığınını analiz etme, temizleme ve aykırı değerleri bulma becerisi kazandıracaktır. Öğrenciler eğiticili sınıflama yöntemleri hakkında bilgi sahibi olacaklardır.
  5. Öğrenciler eğiticisiz kümeleme yöntemleri hakkında bilgi sahibi olacaklardır.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Veri Madenciliğine Giriş1.Kaynak Kitap- 1.Bölüm
2Veri Madenciliği Kavramları1.Kaynak Kitap- 2.Bölüm
3Veri Hazırlama Teknikleri1.Kaynak Kitap- 2.Bölüm
4Sınıflandırma: Temel Kavramlar ve Teknikler1.Kaynak Kitap- 3.Bölüm
5Sınıflandırma: Model Aşırı Uyumu1.Kaynak Kitap- 3.Bölüm
6Karar Ağaçları ve Karar Kuralları1.Kaynak Kitap- 6.Bölüm
7Kural Tabanlı ve En Yakın Komşu Sınıflandırıcılar1.Kaynak Kitap- 6.Bölüm
8Ara Sınav 1
9Naïve Bayes Sınıflandırıcısı ve Yapay Sinir Ağları1.Kaynak Kitap- 6.Bölüm
10Destek Vektör Makineleri ve Topluluk Yöntemleri1.Kaynak Kitap- 6.Bölüm
11Sınıflama Yöntemlerinin Değerlendirilmesi1.Kaynak Kitap- 6.Bölüm
12Birliktelik Kuralları: Temel Kavramlar ve Algoritmalar1.Kaynak Kitap- 4.Bölüm
13Birliktelik Analizi: İleri Kavramlar1.Kaynak Kitap- 7.Bölüm
14Kümeleme Analizi: Temel Kavramlar ve Teknikler1.Kaynak Kitap- 5, 8.Bölüm
15Anomali Tespiti ve Yanlış Keşiflerden Kaçınma1.Kaynak Kitap- 9, 10.Bölüm
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev520
Sunum/Jüri
Projeler
Seminer/Workshop
Ara Sınavlar140
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması147
Derse Özgü Staj
Ödev56
Küçük Sınavlar/Stüdyo Kritiği
Projeler
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)135
Final (Sınav Süresi + Sınav Hazırlık Süresi)135
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok