DERS ADI

: Veri Madenciliğine Giriş

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
BİL 3013 Veri Madenciliğine Giriş ZORUNLU 2 2 0 6

Dersi Veren Birim

Bilgisayar Bilimleri

Dersin Düzeyi

Lisans

Ders Koordinatörü

PROF. DR. EFENDİ NASİBOĞLU

Dersi Alan Birimler

Bilgisayar Bilimleri

Dersin Amacı

Bu derste amaçlanan, öğrencilerin veri madenciliği kavramlarını öğrenmeleri, veri toplama, veri hazırlama, ilgili sistemin analizini yapabilme ve veri madenciliğinde kullanılan yöntemlerin farklı amaçlar için gerçek dünya problemlerine uygulamalarını sağlamaktır.

Dersin Öğrenme Kazanımları

1   Veri madenciliği kavramları hakkında bilgi sahibi olma,
2   Mevcut bir sistemi ve kullanılan verileri belirleme becerisini kazandırma
3   Belirli yöntemler için verileri uygun hale getirebilme
4   Veri madenciliğinde kullanılan yöntemleri uygulayabilme ve yorumlarını yapabilme
5   Veri madenciliği alanında kullanılmakta olan modelleri değerlendirme, geliştirme ve gerçek hayatta uygulayabilme yetisini kazandırma

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 Veri toplama
3 Veritabanı, veri ambarları,
4 Veritabanlarında Bilgi Keşfi,
5 Veriyi anlama, veri görselleştirme
6 Veri hazırlama
7 Kümeleme yöntemleri, hiyerarşik kümeleme
8 k-means kümeleme, yoğunluk tabanlı kümeleme
9 Sınıflandırma yöntemleri, k-en yakın komşu algoritması
10 Karar ağaçları, C4.5, CART
11 Yapay sinir ağları, temel kavramlar
12 Yapay sinir ağları - devam
13 Model değerlendirme
14 Veri madenciliği uygulamaları

Ders İçin Önerilen Kaynaklar

Ana kaynak:
- Han, J. , Kamber, M., Pei, J., Data Mining: Concepts and Techniques. 3rd Ed., Morgan Kaufmann Publishers, 2011
- Larose, Daniel T., Discovering Knowledge In Data: An Introduction to Data Mining. New Jersey: John Wiley and Sons Ltd, 2005
Yardımcı kaynaklar:
- Tan, P., Steinbach, M., Kumar, V., Introduction to Data Mining, Addison Wesley, 2006.
- İlker Köse, Veri madenciliği: Teori, Uygulama ve Felsefesi. Papatya Yay. Eğitim, 2018.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, problem çözme

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 VZ Vize
2 OD Ödev
3 FN Final
4 BNS BNS VZ * 0.30 + OD * 0.30 + FN * 0.40
5 BUT Bütünleme Notu
6 BBN Bütünleme Sonu Başarı Notu VZ * 0.30 + OD * 0.30 + BUT * 0.40


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınavlar ve Ödevlerin değerlendirmesi.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70ine devam zorunludur.

Dersin Öğretim Üyesi İletişim Bilgileri

efendi.nasibov@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
Uygulama 14 2 28
Haftalık Ders öncesi/sonrası hazırlıklar 14 3 42
Vize Sınavına Hazırlık 1 10 10
Final Sınavına Hazırlık 1 20 20
Ödev Hazırlama 2 8 16
Final Sınavı 1 2 2
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 148

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13
ÖK.1555
ÖK.2555
ÖK.3555
ÖK.4555
ÖK.5555