Anasayfa » Akademik Birimler » Makine Fakültesi » Endüstri Mühendisliği Bölümü » Dersler » Veri Analizi ve Makine Öğrenmesi
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Analizi ve Makine Öğrenmesi END592637.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Endüstri Mühendisliği ABD Teknoloji ve İnovasyon Yönetimi Tezsiz Yüksek Lisans Programı (2. Öğretim)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimEndüstri Mühendisliği Bölümü
Dersin KoordinatörüSelin Soner Kara
Dersi Veren(ler)Selin Soner Kara
Asistan(lar)ı
Dersin AmacıVeri kullanımı ve veri ile çalışmak. Tek değişkenli ve çok değişkenli istatistiksel yöntemler. Veri madenciliği. Regresyon ve sınıflandırma metotları. Makine öğrenmesi ve kullanılan algoritmalar.
Dersin İçeriğiBu ders, büyük veriden anlamlı sonuçlar elde etmeyi hedeflemektedir. Makine Öğrenmesi metotlarının büyük veriye uygulanmasına Veri Madenciliği denir. Makine Öğrenmesi sadece veri tabanı analizi değildir. Bunun yanında Makine Öğrenmesi algoritmaları veriden öğrenme ile değişikliklere cevap veren modeller ortaya koyar. Bu ders, bu algoritmaların bir arada incelenmesini ve veriler üzerinde uygulanmasını kapsar.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Learning Predictive Analytics with R, Eric Mayor, Packt Publishing
  • Mastering Data Analysis with R, Gergely Daróczi, Packt Publishing
  • Data Analysis and Graphics Using R – an Example-Based Approach, John Maindonald and W. John Braun, Cambridge Press
  • An Introduction to Statistical Learning with Applications in R, Gareth James,  Daniela Witten , Trevor Hastie, Robert Tibshirani, Springer
  • R Graphics,  Paul Murrell, Chapman & Hall/CRC
  • Introduction to Machine Learning, Ethem Apaydın, MIT Press
  • A Beginner’s Guide to R, Alain F. Zuur,  Elena N. Ieno , Erik H.W.G. Meesters, Springer
  • Visual Statistics, Use R! Alexey Shipunov
  • Using R for Data Analysis and Graphics,Introduction, Code and Commentary, J H Maindonald
  • An Introduction to R: Software for StatisticalModelling & Computing, Petra Kuhnert and Bill Venables,Csiro
  • Data Mining and Business Analytics with R, Johannes Ledolter      
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenciler veri analizi kavramının gelişimi ve amacı hakkındaki bilgilerini kullanabilirler.
  2. Öğrenciler makine öğrenmesi yöntemlerinin temel işlevleri hakkındaki bilgilerini kullanabilirler.
  3. Öğrenciler makine öğrenmesi yöntemlerinin organizasyonlar için önemi bilgisini kullanabilirler.
  4. Öğrenciler makine öğrenmesi yöntemleri ile büyük veriyi analiz edebilirler, yorumlayabilirler ve çözüm geliştirebilirler.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4
PÇ-1----
PÇ-2----
PÇ-3----
PÇ-4----
PÇ-5----
PÇ-6----
PÇ-7----
PÇ-8----
PÇ-9----
PÇ-10----
PÇ-11----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Derse Giriş, Rstudio tanıtımı
2Veri Analizi
3Veri Görselleştirme-1
4Veri Görselleştirme-2
5Gözetimli Öğrenme-Lineer Regresyon
6Gözetimli Öğrenme-Lojistik Regresyon
7Gözetimli Öğrenme-Sınıflandırma -1,Sınıflandırma Performansları, Çapraz Validasyon, ROC eğrisi
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Gözetimli Öğrenme-Sınıflandırma -2 K-En yakın Komşu Algoritması
10Gözetimli Öğrenme-Sınıflandırma -3 Ağaç bazlı sınıflandırma
11Gözetimli Öğrenme-Sınıflandırma -4 Random Forest Algoritması, Support Vector Machines
12Gözetimsiz Öğrenme Kümeleme- K-ortalama yöntemi
13Gözetimsiz Öğrenme Kümeleme-Hiyerarşik Kümeleme
14Boyut İndirgeme-Temel Bileşen Analizi
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri
Projeler120
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 Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması133
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler150
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)150
Final (Sınav Süresi + Sınav Hazırlık Süresi)150
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok