• 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 MİF 5013 Uygulamalı Veri Madenciliği SEÇMELİ 2 0 0 5

Dersi Veren Birim

Tıbbi Bilişim Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF. DR. EFENDİ NASİBOĞLU

Dersi Alan Birimler

Tıbbi Bilişim Yüksek Lisans

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Veri madenciliğinin temel kavramlarını tanımlayabilme. 2   Veri madenciliğinde kullanılan temel yöntemleri kullanarak verileri analiz edebilme. 3   Veri analizi yöntemlerini bilgisayar ortamında uygulayabilme. 4   Klinik problemler için uygun veri madenciliği yöntemini belirleyebilme. 5   Analiz sonuçlarını yorumlayabilme.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Veri Madenciliği ne giriş 2 CRISP-DM süreci 3 Veri Önişlemi 4 Açıklayıcı Veri Analizi 5 Tahmin ve öngörü için istatistiksel yöntemler 6 k-En Yakım Komşu algoritması 7 Karar Ağaçları 8 Arasınav 9 Yapay Sinir Ağları 10 Hiyerarşik kümeleme 11 k-Ortalamalar kümelemesi 12 Bulanık kümeleme 13 Kohonen Sinir Ağları 14 Birliktelik Kuralları/ Model Değerlendirme Teknikleri

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Problem çözümleme, tasarım ve uygulama, sunum/ders anlatım ve etkileşimli tartışma

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 VZ Arasınav 2 LU LabUyg 3 FN Final 4 BNS BNS VZ * 0.25 + LU * 0.25 + FN* 0.50

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 13 2 26 Haftalık Ders öncesi/sonrası hazırlıklar 15 2 30 Vize Sınavına Hazırlık 1 15 15 Final Sınavına Hazırlık 1 15 15 Ödev Hazırlama 1 22 22 Sunum Hazırlama 1 15 15 Final Sınavı 1 2 2 Vize Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 127

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 PK.11 PK.12 PK.13 PK.14 PK.15 PK.16 ÖK.1 5 4 5 5 ÖK.2 5 5 4 5 ÖK.3 4 5 4 5 ÖK.4 5 5 5 5 ÖK.5 4 5 5 5