• 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 8030 Veri Madenciliği ZORUNLU 2 0 0 4

Dersi Veren Birim

Yönetim Bilişim Sistemleri Uzaktan Öğretim Tezsiz Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. CAN AYDIN

Dersi Alan Birimler

Yönetim Bilişim Sistemleri Uzaktan Öğretim Tezsiz Yüksek Lisans

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   Basit ve açık olmayan, önceden bilinmeyen ve yararlı olan örüntülerin ya da bilginin çok büyük miktarlardaki veriden çıkarılması 2   Veri toplama, sınıflama, depolama algoritmalarını öğrenmek 3   Veri madenciliğine bir süreç olarak yaklaşabilme yeteneğini elde etmek 4   Veri madenciliği yazılımlarında uzmanlaşmak

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 Ara Sınav 9 Veri Tahminleme Teknikleri (Kuvvetlendirilmiş öğrenme) 10 Veri Kümeleme Teknikleri 11 Metin Madenciliği 12 Web Madenciliği, Sosyal Ağlar 13 Sektörel Veri Madenciliği Örnekleri 14 Uygulama 15 Uygulama

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Etkinlikler ayrıntılı olarak 'Değerlendirme Yöntemleri' ve 'İş Yükü Hesaplaması' bölümünde verilmiştir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 VZ Ara Sınav 2 FN Yarıyıl Sonu 3 BNS Başarı VZ * 0.20 + FN* 0.80 4 BUT Bütünleme Notu 5 BBN Bütünleme Sonu Başarı Notu VZ * 0.20 + BUT* 0.80 *** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Öğrencilerin ara sınav ve final sınavı ile performansları ölçülmektedir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

Bölümün uyguladığı kurallar geçerlidir.

Dersin Öğretim Üyesi İletişim Bilgileri

Doç.Dr. Can AYDIN can.aydin@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 14 2 28 Haftalık Ders öncesi/sonrası hazırlıklar 14 5 70 Vize Sınavına Hazırlık 1 5 5 Final Sınavına Hazırlık 1 5 5 Final Sınavı 1 1 1 Vize Sınavı 1 1 1 TOPLAM İŞ YÜKÜ (saat) 110

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 ÖK.1 5 5 5 5 5 5 5 5 5 5 5 ÖK.2 5 5 5 5 5 5 5 5 5 5 5 ÖK.3 5 5 5 5 5 5 5 5 5 5 5 ÖK.4 5 5 5 5 5 5 5 5 5 5 5