• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS YBS 3018 VERİ MADENCİLİĞİ VE BİLGİ ÇIKARIMI ZORUNLU 3 0 0 4

Dersi Veren Birim

Yönetim Bilişim Sistemleri

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ.DR. CAN AYDIN

Dersi Alan Birimler

Yönetim Bilişim Sistemleri

Dersin Amacı

Öğrencilere veri madenciliği ile ilgili temel uygulamaları, kavramları ve teknikleri tanıtmak, verinin nasıl toplanacağı ve sınıflandırılacağı, toplanan veriler üzerinden nasıl analizler yapılabileceği hakkında bilgi sahibi yapmak.

Dersin Öğrenme Kazanımları

1   1.Basit ve açık olmayan, önceden bilinmeyen ve yararlı olan örüntülerin ya da bilginin çok büyük miktarlardaki veriden çıkarılması PK1-2-3 2   2.Veri toplama, sınıflama, depolama algoritmalarını öğrenmek-PK 4-5-6 3   3. Veri madenciliğine bir süreç olarak yaklaşabilme yeteneğini elde etmek- PK 6-7 4   4. Veri madenciliği yazılımlarında uzmanlaşmak- PK 8-9-10 5   5. Veri madenciliği yöntemlerini problem çözmede kullanmak-PK 10-11

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Veri Madenciliğine Giriş 2 Veri Temizleme ve Hazırlama Teknikleri 3 Veri Ambarı 4 Veri Madenciliğinde İstatistiksel Yöntemler 5 Veri Sınıflandırma Teknikleri 6 Veri Sınıflandırma Teknikleri 7 Veri Tahminleme Teknikleri (Sinir Ağları) 8 Veri Tahminleme Teknikleri (Kuvvetlendirilmiş öğrenme) 9 Veri Kümeleme Teknikleri 10 Metin Madenciliği 11 Web Madenciliği, Sosyal Ağlar 12 Sektörel Veri Madenciliği Örnekleri 13 Veri Madenciliği yöntemi ile bir uygulama 14 Veri Madenciliği yöntemi ile bir uygulam

Ders İçin Önerilen Kaynaklar

Veri Madenciliği Yöntemleri ve R Uygulamaları - Bülent Altunkaynak - Seçkin Yayıncılık Data Veri Madenciliği - Veri Analizi Prof. Dr. Haldun Akpınar- Papatya Yayıncılık

Öğrenme ve Öğretme Yöntemleri

Derse katılım Sınavlar

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ARS Arasınav 2 YIN Yarıyıliçi notu ARS * 1 3 FN Yarıyılsonu sınavı 4 BNS BNS YIN * 0.40 + FN * 0.60 5 BUT Bütünleme Notu 6 BBN Bütünleme Sonu Başarı Notu YIN * 0.40 +BUT * 0.60 *** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

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 Haftalık Ders öncesi/sonrası hazırlıklar 12 5 60 Final Sınavı 1 1 1 Vize Sınavı 1 1 1 TOPLAM İŞ YÜKÜ (saat) 98

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 PK.11 PK.12 PK.13 ÖK.1 5 5 5 ÖK.2 5 5 5 ÖK.3 5 5 ÖK.4 5 5 5 ÖK.5 5 5