Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
END 3523	VERİ ANALİTİĞİ VE MADENCİLİĞİ	ZORUNLU	3	1	0	4

Dersi Veren Birim

Endüstri Mühendisliği

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ. DR. FEHMİ BURÇİN ÖZSOYDAN

Dersi Alan Birimler

Endüstri Mühendisliği

Dersin Amacı

Bu ders ile mühendislik biliminde ve gerçek hayat problemlerinde son derece önemli bir yere sahip olan verinin nasıl kullanılabileceğinin, veriden nasıl bilgi üretilebileceğinin veri analitiği ve makine öğrenmesi yöntemleri ile DEÜ Endüstri Mühendisliği Bölümü öğrencilerine anlatılması hedeflenmektedir. Bu ders ile öğrencilerimize veri analitiği ve makine öğrenmesi yöntemleri hakkında temel bilgiler verilecektir. Ders kapsamında yapay zekânın temel alt başlıklarından olan veri analitiği ve makine öğrenmesi yaklaşımları üzerinde çalışmalar yapılacaktır.

Dersin Öğrenme Kazanımları

1	Veri ve veri analitiği hakkında bilgi sahibi olmak
2	Veri ön işleme hakkında bilgi sahibi olmak
3	Makine öğrenmesi kavramlarını öğrenmek
4	Temel makine öğrenmesi algoritmalarını uygulayabilme becerisine sahip olmak
5	Veri analitiğinde etik kavramı hakkında bilgi sahibi olmak

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Veri analitiğine giriş
2	Veri tipleri, örnek veri setleri, benzerlik ölçütleri
3	Veri önişleme
4	Veri görselleştirme
5	Makine öğrenmesi: Doğrusal regresyon
6	Makine öğrenmesi: Doğrusal olmayan, çok değişkenli regresyon
7	Makine öğrenmesi: Sınıflandırma/K-en yakın komşuluk
8	Makine öğrenmesi: Sınıflandırma/Naive Bayes
9	Sınıflandırma performans değerlendirmesi
10	Makine öğrenmesi: Kümeleme/K-ortalamalar
11	Makine öğrenmesi: Kümeleme/Hiyerarşik
12	Makine öğrenmesi: Yapay sinir ağları
13	Birliktelik analizi
14	Boyut indirgeme

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	OD	Ödev
3	FN	Final
4	BNS	BNS	VZ * 0.25 + OD * 0.25 + FN * 0.50
5	BUT	Bütünleme Notu
6	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.25 + OD * 0.25 + BUT * 0.50

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Vize (%25) + Proje (%25) + Final (%50)

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

burcin.ozsoydan@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri