Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
İSY 5048	Veri Madenciliği ve İş Zekası Uygulamaları	ZORUNLU	3	0	0	4

Dersi Veren Birim

Yönetim Bilimi Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. GÜZİN ÖZDAĞOĞLU

Dersi Alan Birimler

Yönetim Bilimi Yüksek Lisans
Sayısal Yöntemler Yüksek Lisans

Dersin Amacı

Veri madenciliği ve veri madenciliğinin iş zekası uygulamaları konusunda temel kavram ve modelleri tanıtmak; özellikle günümüz işletme alanında kullanılan yazılım ve uygulamalarını deneyimlemektir.

Dersin Öğrenme Kazanımları

1	Veri madenciliği ve iş zekası kavramlarını tanımlayabilmek.
2	Veri madenciliği ve iş zekası kavramlarının günümüz işletmelerine sağladığı karar desteğinin önemini anlayabilmek.
3	Veri madenciliğinde kullanılan temel model ve algoritmaları kavrayabilmek.
4	İhtiyaç duyulan karar desteğiyle uyumlu modeli kurabilmek.
5	Kurulan karar modeline uygun algoritmayı seçebilmek.
6	Veri madenciliği algoritmalarını hedeflenen karar süreci doğrultusunda, belirli bir yazılım aracılığı ile uygulayabilmek.
7	Uygulamalar ile elde edilen bilgileri, karar süreci açısından yorumlayabilmek ve gerekli bilgiyi keşfedebilmek.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Veri Madenciliğinin Genel Tanımı, Dersin Tanıtımı, Temel Bilgilerin Gözden Geçirilmesi
2	Veri Madenciliği Ve İş Zekası Temel Kavramları Ve Uygulama Alanları
3	Veri Madenciliği Modelleri Ve Temel Fonksiyonlar
4	Veri Ön İşleme
5	Verilerin Özetlenmesi ve İndirgenmesi
6	Veri Ambarı ve Özellikleri
7	Veri Küpü Hesaplamaları Ve OLAP
8	Karar Ağaçları Temelli Sınıflandırma Algoritmaları
9	Kümeleme Analizleri - Birliktelik Kuralları
10	Diğer Sınıflandırma Modelleri
11	Özel Uygulamalar (Metin, Web Veri Madenciliği, vb.)
12	Proje Sunumları
13	Proje Sunumları
14	Sonuç ve Değerlendirme

Ders İçin Önerilen Kaynaklar

Ana kaynak(lar):
1. Introduction to Data Mining. Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Pearson Addison Wesley.
2. Data Mining: Concepts and Techniques. J. Han, M. Kamber. Morgan Kaufmann Publishers.
Yardımcı kaynaklar:
1. Kavram Ve Algoritmalarıyla Temel Veri Madenciliği. Gökhan Silahtaroğlu. Papatya Yayınları.
2. Veri Madenciliği Yöntemleri. Yalçın Özkan.Papatya Yayınları.
3. Applied Data Mining, Statistical Methods for Business and Industry. Paolo Giudici. Wiley Press.
Referanslar: Olay analizlerine ve bazı önemli çalışmalara ilişkin referanslar, dersin yürütülmesi sırasında güncel olarak öğrencilerle paylaşılacaktır.

Öğrenme ve Öğretme Yöntemleri

Dersin yürütülmesi sırasında, kısa teorik anlatımlar, interaktif uygulamalar, olay analizleri ve projeler yer alacaktır. Etkinlikler ayrıntılı olarak Değerlendirme Yöntemleri ve İş Yükü Hesaplaması bölümünde verilmiştir.

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ARS	ARASINAV
2	YYC	YARIYIL İÇİ ÇALIŞMA
3	YYS	YARIYIL SONU SINAVI
4	YYBN	YARIYIL SONU BAŞARI NOTU	ARS * 0.30 + YYC * 0.30 + YYS* 0.40
5	BUT	BÜTÜNLEME
6	BUTBN	BÜTÜNLEME SONU BAŞARI NOTU	ARS * 0.30 + YYC * 0.30 + BUT* 0.40

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

1. Veri madenciliği iş zekası kavram ve yöntemleri ile ilgili temel kavramlar ve teknikler ile ilgili değerlendirme, dersler sırasında yapılacak tartışmalara katılım ve sınavlarda ilgili sorulara verilen yanıtlar düzeyinde ölçülecektir.
2. Uygun modellerin seçimi ve uygulanması, ders sırasında yapılan uygulamalarda ve sınavlardaki uygulama sorularına verilen yanıtlardaki başarılara; hazırlanan projelerde seçilen problemlere ve incelenen veri setinin niteliklerine bağlı olarak değerlendirilecektir.
3. Sonucların ve bulguların yorumlanması konusundaki değerlendirmelerde, derste ele alınan olay analizleri ve hazırlanan projelerin sunumu sırasında gösterilen performans esas alınacaktır.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

1. Derse katılım önemlidir.
2. Proje ve ödevlerin hazırlanmasında genel bilimsel araştırma ve etik kurallarına uyum beklenmektedir.
3. Uygulamalar konu anlatımlarına paralel yapılacaktır.

Dersin Öğretim Üyesi İletişim Bilgileri

Yrd.Doç.Dr. Güzin Özdağoğlu
DEU İşletme Fakültesi İşletme Bölümü Sayısal Yöntemler Anabilim Dalı
Ofis No: 122 İş Tel: (232) 3018252 E-posta: guzin.kavrukkoca@deu.edu.tr
Kişisel web: http://kisi.deu.edu.tr/guzin.kavrukkoca

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Ders dönemi başladığında öğrencilrer bildirilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	2	28
Uygulama	14	1	14
Ödev Hazırlama	2	15	30
Final Sınavına Hazırlık	1	10	10
Sunum Hazırlama	1	3	3
Vize Sınavına Hazırlık	1	12	12
Final Sınavı	1	1	1
Vize Sınavı	1	1	1
TOPLAM İŞ YÜKÜ (saat)			99

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.5	PK.6	PK.7	PK.8	PK.9	PK.10
ÖK.1
ÖK.2
ÖK.3
ÖK.4
ÖK.5
ÖK.6
ÖK.7

DERS ADI

DERECE PROGRAMLARI