| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Veri Madenciliği | END3900 | 2 | 4 | 2 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Bahar |
|---|
| Dersin Dili | İngilizce |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Seçmeli @ Endüstri Mühendisliği Lisans Programı (%30 İngilizce) Seçmeli @ Matematik Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Endüstri Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Serkan Altuntaş |
| Dersi Veren(ler) | Serkan Altuntaş |
| Asistan(lar)ı | Eyüp Ensar IŞIK |
| Dersin Amacı | İş zekası için veri ambarı ve veri madenciliğinin arkasındaki çeşitli konseptlerin ve araçların anlaşılması, büyük kurumsal veri ambarlarından verilerin analiz edilmesi ile alakalı kantitatif becerilerin geliştirilmesi, veri ambarları yapısına iş bakış açısıyla yaklaşılması, veri ambarı, iş zekası ve veri madenciliği tabanlı yeni stratejilerin geliştirilmesi |
|---|---|
| Dersin İçeriği | Standart 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 |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Veri Ambarı, OLAP, İş Zekası ve Veri Madenciliğinde kullanılan temel terimlerin öğrenilmesi
- Verinin depolanması, entegre edilmesi ve analiz edilmesinin (iş spesifik amaçları için uygun araçların seçilmesi (iş ve teknik düşünceler)
- Veri ambarında simüle edilmiş görevlerin yürütülmesi için sınıf içinde sağlanmış araçların kullanılması
- Analiz sonuçlarını ve bu sonuçların iş çıkarımlarını açık bir şekilde ifade edebilmesi ve sunulabilmesi
- Analizlerden ve iş ve istatistiksel bakış açısından çıkarım elde etme
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 | |
| PÇ-1 | - | - | - | - | - |
| PÇ-2 | - | - | - | - | - |
| PÇ-3 | - | - | - | - | - |
| PÇ-4 | - | - | - | - | - |
| PÇ-5 | - | - | - | - | - |
| PÇ-6 | - | - | - | - | - |
| PÇ-7 | - | - | - | - | - |
| PÇ-8 | 4 | 4 | 3 | 4 | 4 |
| 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 | - | - | - | - | - |
| PÇ-23 | - | - | - | - | - |
| PÇ-24 | 2 | 2 | 2 | 4 | 4 |
| PÇ-25 | - | - | - | - | - |
| PÇ-26 | - | - | - | - | - |
| PÇ-27 | - | - | - | - | - |
| PÇ-28 | - | - | - | - | - |
| PÇ-29 | - | - | - | - | - |
| PÇ-30 | - | - | - | - | - |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Sınıflandırma, Kişiselleştirme ve Özgünleştirmeye giriş, JMP yazılımı | Ders notları 1 |
| 2 | Sınıflandırmaya Giriş, Bayes Sınıflandırması ve Mesafe Bazlı Algoritmalar, Enterprise Miner yazılımına giriş | Ders notları 1 |
| 3 | Sınıflandırma Metotları, Karar Ağacı Tabanlı Metotlar | Ders notları 2 |
| 4 | İstatistiksel Model Kurulmasındaki Bakış Açısı ve Enterprise Miner'a giriş | Ders notları 2 |
| 5 | İstatistiksel Model Kurulması - Regresyon, Lojistik Regresyon, Yeni Metotlar | Ders notları 3 |
| 6 | Lojistik Regresyon (Devamı), Sinir Ağları | Ders notları 3 |
| 7 | Sinir Ağları (Devamı) | Ders notları 4 |
| 8 | Ara Sınav 1 | |
| 9 | 1. Vize Sınavı | |
| 10 | İş Zekasına Giriş, Gösterge Panelleri | Ders notları 5 |
| 11 | Yeni Konular ya da Laboratuvar Analizleri | Ders notları 5 |
| 12 | Veri Ambarı: Stratejik Bakış Açısı, Taktiksel Bakış Açısı | Ders notları 6 |
| 13 | Boyutlu Dizayn Edilmiş Veri Ambarı | Ders notları 6 |
| 14 | OLAP ve İş Zekası Literatürü, Web Tabanlı OLAP ve İş Raporlama / Sunum / Görüş | Ders notları 7 |
| 15 | 2. Vize Sınavı | |
| 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 | 16 | 2 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 16 | 2 | |
| Derse Özgü Staj | |||
| Ödev | 5 | 2 | |
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 8 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 4 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
