Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
IND 3966	VERİ MADENCİLİĞİ UYGULAMALARI	SEÇMELİ	3	0	0	5

Dersi Veren Birim

Endüstri Mühendisliği

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ. DR. FEHMİ BURÇİN ÖZSOYDAN

Dersi Alan Birimler

Endüstri Mühendisliği

Dersin Amacı

Önerilen bu ders ile mühendislik biliminde ve gerçek hayat problemlerinde son derece önemli bir yere sahip olan verinin nasıl kullanılabileceğinin, veriden nasıl bilgi üretilebileceğinin veri madenciliği ve makine öğrenmesi yöntemleri ile DEÜ Endüstri Mühendisliği Bölümü öğrencilerine anlatılması hedeflenmektedir. Bu ders ile öğrencilerimize veri madenciliği yöntemleri hakkında temel bilgiler verilecek ve ücretsiz olan veri madenciliği yazılım programı Weka yardımı ile sınıf içi uygulamalar yapılacaktır. Ders kapsamında yapay zekanın temel alt başlıklarından olan veri madenciliği ve makine öğrenmesi yaklaşımları üzerinde çalışmalar yapılacaktır.

Dersin Öğrenme Kazanımları

1	Veri madenciliği yaklaşımlarını kavrayabilme ve uygulayabilme.
2	Veri filtrelemesi yapabilme ve veriyi görselleştirebilme.
3	Weka ile temel veri madenciliği tekniklerini uygulayabilme.
4	Makine öğrenmesi konusunu kavrama ve uygulayabilme.
5	Temel veri madenciliği ve makine öğrenmesi algoritmalarını kullanabilme.
6	Veri madenciliği yaklaşımlarında hukuksal sorumluluk ve etik konularında bilgi edinme.

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	Weka yazılımı tanıtımı
3	Weka ile filtreleme, verilerin görselleştirilmesi ve veri ön işleme
4	Sınıflandırıcılar üzerinde çalışma, temel doğruluk kavramı
5	Çapraz doğrulama
6	Basit sınıflandırıcılar, aşırı uyum kavramı
7	Karar ağaçları
8	Karar ağaçları
9	K-En yakın komşuluk algoritması
10	Sınıflandırma ve doğrusal regresyon
11	Regresyon ile Sınıflandırma, Lojistik Regresyon
12	Kümeleme
13	Destek vektör makineleri
14	Veri madenciliği prosesi, tuzaklar, etik, dönemin gözden geçirilmesi

Ders İçin Önerilen Kaynaklar

Witten, Ian H., Eibe Frank, and A. Mark. "Hall, and Christopher J Pal. 2016. Data Mining: Practical machine learning tools and techniques.", ISBN: 978-0128042915

Öğrenme ve Öğretme Yöntemleri

Sınıf içi anlatımlar ve laboratuvar uygulamaları

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	ODV	Ödev/Proje
3	FN	Final
4	BNS	BNS	VZ * 0.20 + ODV * 0.30 + FN * 0.50
5	BUT	Bütünleme Notu
6	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.20 + ODV * 0.30 + BUT * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Vize (%20) + Proje(%30) + Final (%50)

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

burcin.ozsoydan@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri