Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
BİL 3013	Veri Madenciliğine Giriş	ZORUNLU	2	2	0	6

Dersi Veren Birim

Bilgisayar Bilimleri

Dersin Düzeyi

Lisans

Ders Koordinatörü

PROF. DR. EFENDİ NASİBOĞLU

Dersi Alan Birimler

Bilgisayar Bilimleri

Dersin Amacı

Bu derste amaçlanan, öğrencilerin veri madenciliği kavramlarını öğrenmeleri, veri toplama, veri hazırlama, ilgili sistemin analizini yapabilme ve veri madenciliğinde kullanılan yöntemlerin farklı amaçlar için gerçek dünya problemlerine uygulamalarını sağlamaktır.

Dersin Öğrenme Kazanımları

1	Veri madenciliği kavramları hakkında bilgi sahibi olma,
2	Mevcut bir sistemi ve kullanılan verileri belirleme becerisini kazandırma
3	Belirli yöntemler için verileri uygun hale getirebilme
4	Veri madenciliğinde kullanılan yöntemleri uygulayabilme ve yorumlarını yapabilme
5	Veri madenciliği alanında kullanılmakta olan modelleri değerlendirme, geliştirme ve gerçek hayatta uygulayabilme yetisini kazandırma

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Veri madenciliğine giriş, temel kavramlar
2	Veri toplama
3	Veritabanı, veri ambarları,
4	Veritabanlarında Bilgi Keşfi,
5	Veriyi anlama, veri görselleştirme
6	Veri hazırlama
7	Kümeleme yöntemleri, hiyerarşik kümeleme
8	k-means kümeleme, yoğunluk tabanlı kümeleme
9	Sınıflandırma yöntemleri, k-en yakın komşu algoritması
10	Karar ağaçları, C4.5, CART
11	Yapay sinir ağları, temel kavramlar
12	Yapay sinir ağları - devam
13	Model değerlendirme
14	Veri madenciliği uygulamaları

Ders İçin Önerilen Kaynaklar

Ana kaynak:
- Han, J. , Kamber, M., Pei, J., Data Mining: Concepts and Techniques. 3rd Ed., Morgan Kaufmann Publishers, 2011
- Larose, Daniel T., Discovering Knowledge In Data: An Introduction to Data Mining. New Jersey: John Wiley and Sons Ltd, 2005
Yardımcı kaynaklar:
- Tan, P., Steinbach, M., Kumar, V., Introduction to Data Mining, Addison Wesley, 2006.
- İlker Köse, Veri madenciliği: Teori, Uygulama ve Felsefesi. Papatya Yay. Eğitim, 2018.

Öğrenme ve Öğretme Yöntemleri

Ders anlatımı, problem çözme

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	VZ	Vize
2	OD	Ödev
3	FN	Final
4	BNS	BNS	VZ * 0.30 + OD * 0.30 + FN * 0.40
5	BUT	Bütünleme Notu
6	BBN	Bütünleme Sonu Başarı Notu	VZ * 0.30 + OD * 0.30 + BUT * 0.40

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ödev: %30
Arasınav: %30
Final: %40

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

Dönem boyunca derslerin %70ine devam zorunludur.

Dersin Öğretim Üyesi İletişim Bilgileri

efendi.nasibov@deu.edu.tr

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	2	28
Uygulama	14	2	28
Haftalık Ders öncesi/sonrası hazırlıklar	14	3	42
Vize Sınavına Hazırlık	1	10	10
Final Sınavına Hazırlık	1	20	20
Ödev Hazırlama	2	8	16
Final Sınavı	1	2	2
Vize Sınavı	1	2	2
TOPLAM İŞ YÜKÜ (saat)			148

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.10
ÖK.1	5	5	5
ÖK.2	5	5	5
ÖK.3	5	5	5
ÖK.4	5	5	5
ÖK.5	5	5	5

DERS ADI

DERECE PROGRAMLARI