Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Madenciliği MTM512937.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Matematik Mühendisliği ABD Matematik Mühendisliği Yüksek Lisans Programı
Seçmeli @ Matematik Mühendisliği ABD Matematik Mühendisliği Doktora Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimMatematik Mühendisliği Bölümü
Dersin KoordinatörüNilgün Güler Bayazıt
Dersi Veren(ler)İbrahim Emiroğlu
Asistan(lar)ı
Dersin AmacıTeknolojinin ilerlemesiyle birlikte saklanan veri, büyük miktarlara ulaşmıştır. Veri madenciliği sayesinde bu veriden bilgi çıkarılmaktadır.Derste estetistik ve makine öğrenmesi teknikleri kullanılarak finansal,tıbbi v.b. birçok veri kümesi üzerinde analiz yapılarak veri üzerinden bilgi çıkarma teknikleri öğretilecektir.
Dersin İçeriği1.Veri Madenciliği Kavramları 1.1. Büyük Ölçekli Veri Setleri 1.2. Veri Ambarları 1.3. Veri Madenciliği Süreci 2. Veri Hazırlama Teknikleri 2.1. Ham Veri Gösterimi 2.2. Ham Veri Özellikleri 2.3. Eksik Veri 3. Veri İndirgeme 3.1. Veri Temizleme 4. İstatistiksel Öğrenme Teorisi 4.1. Kümeleme Analizi 5. İlişki Kuralları 6 . Karar Ağaçları ve Karar Algoritmaları 7. SQL Kullanılarak İstatistiksel Analiz 8. Veri Madenciliği Uygulamaları
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • 1-J. Han – M. Kamber ; Data Mining , Morgan-Kaufman, Academic Press, 2001 2- I. Witten – E. Frank; Data Mining, Academic Press; 2000 3 – M. Kantardzic; Data Mining, John Wiley , 2003
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Öğrenci veri Madenciliği temel kavramlarını öğrenir.
  2. Öğrenci OLAP ve Veri Ambarı uygulamaları geliştirir.
  3. Veri madenciliği yazılımlarını kullanma becerisi
  4. Veri madenciliği projelerini yönetme becerisi kazanmak
  5. Veri madenciliği etik ilkelerine uygun davranma ve etik sorumluluk hakkında bilgi sahibi olur

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-----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Veri Madenciliği Kavramları İlgili Kaynaklar
2Büyük Ölçekli Veri Setleri , Veri Ambarları İlgili Kaynaklar
3Veri Madenciliği Süreci İlgili Kaynaklar
4Veri Hazırlama Teknikleri İlgili Kaynaklar
5Veri Hazırlama Teknikleri İlgili Kaynaklar
6Veri Madenciliğinde İstatistiki Yöntemlerİlgili Kaynaklar
7Veri Madenciliğinde İstatistiki Yöntemlerİlgili Kaynaklar
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Karar Ağaçları Ve Karar Algoritmaları İlgili Kaynaklar
10İstatistiksel Öğrenme Teorisi İlgili Kaynaklar
11Karar ağaçlarıİlgili Kaynaklar
12Kolektif Öğrenmeİlgili Kaynaklar
13Veri Madenciliği Uygulamaları İlgili Kaynaklar
14Veri Madenciliği Uygulamaları İlgili Kaynaklar
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev110
Sunum/Jüri
Projeler120
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 Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması1410
Derse Özgü Staj
Ödev15
Küçük Sınavlar/Stüdyo Kritiği
Projeler115
Sunum / Seminer1
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)110
Final (Sınav Süresi + Sınav Hazırlık Süresi)102
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok