DERS ADI

: Zamansal Bilgi Sistemleri

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CSE 5091 Zamansal Bilgi Sistemleri SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. DERYA BİRANT

Dersi Alan Birimler

Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İ.Ö) (İngilizce)
Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İngilizce)
Bilgisayar Mühendisliği Bütünleşik Doktora (İngilizce)
Bilgisayar Mühendisliği Doktora (İngilizce)
Bilgisayar Mühendisliği Yüksek Lisans (İngilizce)

Dersin Amacı

Bu ders, zamanla ilgili verilerin toplanmasına ve işlenmesine odaklanan araştırmalara yönelik ileri düzey bir derstir, örneğin zamanla değişen örüntülerin keşfedilmesi. Zamansal Bilgi Sistemleri (ZBS), zamansal yönleri olan verileri analiz etmeyi ve zamansal verilerden örüntüleri, ilişkileri ve kuralları keşfetmeyi kapsayacaktır.

Dersin Öğrenme Kazanımları

1   Zamansal verilerde bulunan örüntüleri öğretmek.
2   Zamansal bilgi sistemi geliştirmek.
3   Zamansal verilerden tahmin modelleri oluşturmak.
4   Zamansal veri yönetimini gerçekleştirmek.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Zamansal Bilgi Sistemlerine Giriş
2 Zamansal Bilgi Sistemleri: Yakın Bakış
3 Zamansal Verilerde Bilgi Keşfi
4 Zamansal Veri Toplama ve Hazırlama
5 Zamansal Veri Madenciliği
6 Zamansal Verilerde Örüntü Madenciliği
7 Zamansal Sınıflandırma ve Tahminleme
8 Zamansal Kümeleme
9 Zamansal Verilerde Anomali Tespiti
10 Gelişmiş Zaman Serisi Tahmini
11 Gelişmiş Zaman Serisi Tahmini
12 Zamansal Veri Madenciliği için Akıllı Analiz
13 Zamansal Veri Madenciliği için Akıllı Analiz
14 Proje sunumları

Ders İçin Önerilen Kaynaklar

Temporal Data Mining via Unsupervised Ensemble Learning, Yun Yang, 2016.

Temporal Data Mining, Theophano Mitsa, 2010.

Advanced Time Series Forecasting Using Data Mining Techniques: Intelligent Analysis to Mine Temporal Data, Francisco Martinez Alvarez, 2010.

Anomaly Detection In Temporal Data Mining, Mehmet Yavuz Onat, 2015.

Temporal Information Systems in Medicine, Carlo Combi, 2014.

Temporal and Spatio-temporal Data Mining, Wynne Hsu, Mong Li Lee, Junmei Wang, 2008.

Bilimsel dergilerde yayınlanan makaleler.

Öğrenme ve Öğretme Yöntemleri

Ders Anlatımı,
Literatür Taraması / Araştırma,
Uygulama Geliştirme,
Sunum,
Dönem Projesi

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ODV ÖDEV
2 SUN SUNUM
3 YSBN YIL SONU BAŞARI NOTU ODV * 0.50 + SUN * 0.50


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ders sonuçları, öğrencinin bir konu üzerine yaptığı literatür araştırması, sunum, hazırladığı proje ve raporu ile değerlendirilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

Kod yazma bilgi ve becerisi gereklidir.
Katılım zorunludur.

Dersin Öğretim Üyesi İletişim Bilgileri

Prof. Dr. Derya BİRANT
Dokuz Eylül Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü
Tınaztepe Kampüsü, Buca, İzmir
+90 (232) 301 74 03
derya@cs.deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Dönem başında duyurulacaktır

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 3 42
Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28
Proje Hazırlama 1 65 65
Web'de Tarama ve Kütüphane Çalışması 1 5 5
Sunum Hazırlama 1 30 30
Rapor hazırlama 1 25 25
TOPLAM İŞ YÜKÜ (saat) 195

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11
ÖK.155
ÖK.255
ÖK.3555
ÖK.455