Anasayfa » Akademik Birimler » Makine Fakültesi » Endüstri Mühendisliği Bölümü » Dersler » Veri Madenciliği
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Madenciliği END594337.5300
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 KoordinatörüSelçuk Alp
Dersi Veren(ler)Selçuk Alp
Asistan(lar)ı
Dersin AmacıBu dersin amacı, öğrencilere veri madenciliği algoritmaları ve teknikleri ile ilgili teorik bilgiler vermek ve öğrencilere farklı uygulamalar için uygun veri madenciliği teknikleri seçme ve uygulama yeteneği kazandırmaktır. Bu ders, öğrencilerin; veri önişleme, birliktelik kuralı analizi, sınıflandırma ve tahminleme ve uygulamaları ile kümeleme analizini öğrenmesini sağlayacaktır.
Dersin İçeriğiStandart veri madenciliği teknikleri: sınıflandırma, kümeleme, birleştirme, tahminleme, metin madenciliği, bağlantı analizleri, Görsel veri madenciliği, çeşitli tekniklerin kullanılması: Bayes tahmini, sinir ağları, karar ağazı, Benzer ölçümler, Boosting, bagging gibi diğer teknikler, Regresyon ve Lojistik Regresyon kullanarak istatistiksel model kurulması, İş zekası yazılımı, Trendlerin, mevsimselliklerin tanımlanması için tahmin metotları, veri ambarı, iş bakış açısından veri ambaları, veri ambarı yapısı
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Gökhan Silahtaroğlu, Kavram ve Algoritmalarıyla Temel Veri Madenciliği, Papatya Yayıncılık (2008)
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Temel veri madenciliği kavramlarını tanımlayabilme
  2. Veri ön işleme işlemlerini uygulayabilme
  3. Belirli bir problemi çözmek için uygun olan veri madenciliği tekniğini belirleyebilme
  4. Bir veri madenciliği modeli tasarlayabilme
  5. Bir veri madenciliği algoritması uygulayabilme

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5
PÇ-1-----
PÇ-2-----
PÇ-3-----
PÇ-4-----
PÇ-5-----
PÇ-6-----
PÇ-7-----
PÇ-8-----
PÇ-9-----
PÇ-10-----
PÇ-11-----
PÇ-12-----
PÇ-13-----
PÇ-14-----
PÇ-15-----
PÇ-16-----
PÇ-17-----
PÇ-18-----
PÇ-19-----
PÇ-20-----
PÇ-21-----
PÇ-22-----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Veri Madenciliği Giriş ve Veri Madenciliği Kavramları
2Veri Hazırlama (Veri Entegrasyonu, İndirgeme, Ön işleme ve Temizleme, Dönüşüm)
3Veri İndirgeme ve Veri Ayrıklaştırma
4Sık Desenlerin Keşfi, İlişkilendirme Kuralları ve Korelasyonlar
5Sınıflandırma
6Kümeleme
7Birliktelik Kuralları
8Ara Sınav 1
9Anomali Tespiti
10Web Madenciliği
11Metin Madenciliği
12Veri Ambarları ve OLAP Teknolojileri
13Veri Madenciliğinde Kullanılan Güncel Teknoloji ve Araçlar
14Sunumlar
15
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev130
Sunum/Jüri
Projeler
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 Çalışması135
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler
Sunum / Seminer140
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)140
Final (Sınav Süresi + Sınav Hazırlık Süresi)150
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok