DERS ADI

: Veri Madenciliği

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
DDD 5028 Veri Madenciliği SEÇMELİ 3 0 0 4

Dersi Veren Birim

Denizcilikte Emniyet, Güvenlik ve Çevre Yönetimi Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ BURAK KÖSEOĞLU

Dersi Alan Birimler

Denizcilikte Emniyet, Güvenlik ve Çevre Yönetimi Yüksek Lisans

Dersin Amacı

Bu 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 Öğrenme Kazanımları

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   Veri madenciliği uygulayabilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Veri madenciliğine giriş, temel kavramlar.
2 Veritabanı, veri ambarları.
3 Veritabanlarında Bilgi Keşfi.
4 Veriyi anlama, veri görselleştirme.
5 Veri hazırlama.
6 Kümeleme yöntemleri, hiyerarşik kümeleme.
7 K-means kümeleme, yoğunluk tabanlı kümeleme.
8 Arasınav.
9 Sınıflandırma yöntemleri, k-en yakın komşu algoritması.
10 Karar ağaçları.
11 Birliktelik kuralları.
12 Veri madenciliği uygulamaları.
13 Veri madenciliği uygulamaları.
14 Sunumlar.
15 Sunumlar.
16 Final Sınavı.

Ders İçin Önerilen Kaynaklar

- Han, J. & Kamber, M., Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, San Francisco, Second Edition, 2006.
- Roiger, R.J., & Geatz, M.W., Data Mining: A Tutorial-Based Primer, Addison Wesley, USA, 2003.
- Dunham, M.H., Data Mining: Introductory and Advanced Topics, Prentice Hall, New Jersey, 2003.

Öğrenme ve Öğretme Yöntemleri

Sunum ve Uygulamalar.

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

Öğrencilerin derse aktif katılımı.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Assist. Prof. Dr. Cpt. Burak Köseoğlu
burak.koseoglu@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 12 3 36
Uygulama 2 3 6
Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28
Sunum Hazırlama 1 8 8
Vize Sınavına Hazırlık 1 10 10
Final Sınavına Hazırlık 1 10 10
Vize Sınavı 1 2 2
Final Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 102

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12
ÖK.135555
ÖK.2355553
ÖK.3355553
ÖK.433533