• 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 DSM 5008 Denetimsiz İstatistiksel Öğrenme SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. NESLİHAN DEMİREL

Dersi Alan Birimler

Veri Bilimi Yüksek Lisans Veri Bilimi Tezsiz Yüksek Lisans (İ.Ö)

Dersin Amacı

Dersin Öğrenme Kazanımları

1   1. Veriden öğrenmeye dair bir anlayış geliştirebilme 2   2. Veri boyutunu indirgeyebilme 3   3. Veriye çeşitli kümeleme yöntemlerini uygulama 4   4. Kümeleme algoritmalarının değerlendirilmesinin ve model seçiminin nasıl yapılacağını anlama 5   5. Kümelenmiş veriyi görselleştirebilme 6   6. Kümeleme yöntemlerini uygulamak için R programlamayı kullanabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 İstatistiksel Öğrenmeye Giriş 2 Temel Bileşenler Analizi TBA 3 Temel Bileşenler Analizi TBA 4 Kümelemede Uzaklık Ölçütleri- uzaklık ölçme yöntemleri, Ne tür bir uzaklık ölçütü seçmeliyiz 5 Kümelemede Uzaklık Ölçütleri- Veri standartlaştırma, uzaklık matrisi oluşturma, uzaklık matrislerini görselleştirme 6 Bölümlemeye dayalı kümeleme : K-ortalama 7 Bölümlemeye dayalı kümeleme : K-medoid 8 Ödev Sunumları 9 Hiyerarşik kümeleme 10 Hiyerarşik kümeleme-Görselleştirme 11 Modele dayalı kümeleme 12 Dağılıma dayalı kümeleme (DBSCAN) 13 Küme Geçerliliği 14 Ödev Sunumları

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Dersler, sınıf içi tartışmalar, ödevler

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ODV ÖDEV 2 ARS ARASINAV 3 YSS YIL SONU SINAVI 4 YSBN YIL SONU BAŞARI NOTU ODV * 0.30 + ARS * 0.30 + YSS * 0.40 5 BUT BÜTÜNLEME 6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ODV * 0.30 + ARS * 0.30 + BUT * 0.40

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

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 3 42 Haftalık Ders öncesi/sonrası hazırlıklar 14 3 42 Vize Sınavına Hazırlık 1 30 30 Final Sınavına Hazırlık 1 30 30 Ödev Hazırlama 2 20 40 Vize Sınavı 1 3 3 Final Sınavı 1 3 3 TOPLAM İŞ YÜKÜ (saat) 190

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 ÖK.1 5 3 5 5 5 4 5 ÖK.2 3 5 5 5 ÖK.3 5 5 5 5 5 5 ÖK.4 3 5 5 5 5 ÖK.5 3 5 5 5 ÖK.6 3 5 5 5 5