• 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 STA 6015 İstatistikte Veri Madenciliği Teknikleri SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. EFENDİ NASİBOĞLU

Dersi Alan Birimler

Bilgisayar Bilimleri Yüksek Lisans İstatistik Yüksek Lisans (İngilizce) İstatistik Doktora (İngilizce) Biyomedikal Teknolojiler Yüksek Lisans (İngilizce) İleri Biyomedikal Teknolojiler Sanayi Ortak Doktora İstatistik Bütünleşik Doktora (İngilizce) Bilgisayar Bilimleri Doktora (İngilizce) İleri Biyomedikal Teknolojiler Sanayi Ortak Bütünleşik Doktora

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Veri madenciliğine ait temel kavramları anlama. 2   Veri madenciliği görevlerini anlama. 3   Bazı güncel veri madenciliği uygulamaları hakkında bilgi edinme. 4   Bir temel veri madenciliği yazılımını kullanabilme. 5   CRISP-DM sürecine uygun uygulamalar geliştirebilme.

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 Veri ön işlemesi 3 Deneysel Veri Analizi 4 Tahminleme ve kestirim için istatistiksel yaklaşımlar, Ödev 1 5 k-En yakın komşu algoritması 6 Karar ağaçları, Ödev 2 7 Yapay Sinir Ağları 8 Proje sunumları 9 Hiyerarşik ve k-ortalamalar kümeleme 10 Kohonen ağları 11 Birliktelik kuralları 12 Model değerlendirme teknikleri, Ödev 3 13 Veri madenciliği uygulamaları 14 Veri madenciliği uygulamaları (devam)

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Ders, sınıfta öğretme, sunum ve tartışma şeklinde işlenir. Öğretme derslerinin yanında belirlenen gruplar tartışma saatlerinde sunmak üzere sunumlar hazırlar. Bazı haftalarda, önceden verilen ödevler tartışılır.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 PRJ PROJE 2 YSBN YIL SONU BAŞARI NOTU PRJ * 1

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

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 4 56 Haftalık Ders öncesi/sonrası hazırlıklar 14 4 56 Final Sınavına Hazırlık 1 30 30 Sunum Hazırlama 2 8 16 Ödev Hazırlama 4 12 48 Final Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 208

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 PK.9 PK.10 ÖK.1 3 5 5 5 5 5 ÖK.2 5 5 4 4 3 5 ÖK.3 5 3 4 5 5 3 ÖK.4 5 4 5 5 5 5 ÖK.5 4 5 5 3 5 5