• 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 DDD 5028 Veri Madenciliği SEÇMELİ 3 0 0 4

Dersi Veren Birim

Denizcilikte Emniyet, Güvenlik ve Çevre Yönetimi Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. BURAK KÖSEOĞLU

Dersi Alan Birimler

Denizcilikte Emniyet, Güvenlik ve Çevre Yönetimi Yüksek Lisans

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Temel veri madenciliği kavramlarını tanımlayabilme. 2   Veri ön işleme işlemlerini uygulayabilme. 3   Belirli bir problemi çözmek için uygun olan veri madenciliği tekniğini belirleyebilme. 4   Veri madenciliği uygulayabilme.

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 Veritabanı, veri ambarları. 3 Veritabanlarında Bilgi Keşfi. 4 Veriyi anlama, veri görselleştirme. 5 Veri hazırlama. 6 Kümeleme yöntemleri, hiyerarşik kümeleme. 7 K-means kümeleme, yoğunluk tabanlı kümeleme. 8 Sınıflandırma yöntemleri, k-en yakın komşu algoritması. 9 Karar ağaçları. 10 Birliktelik kuralları. 11 Veri madenciliği uygulamaları. 12 Veri madenciliği uygulamaları. 13 Sunumlar. 14 Sunumlar.

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Sunum ve Uygulamalar.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ARS ARASINAV 2 YYC YARIYIL İÇİ ÇALIŞMA 3 YYS YARIYIL SONU SINAVI 4 YYBN YARIYIL SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + YYS* 0.40 5 BUT BÜTÜNLEME 6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.30 + YYC * 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 2 28 Sunum Hazırlama 1 8 8 Vize Sınavına Hazırlık 1 10 10 Final Sınavına Hazırlık 1 10 10 Vize Sınavı 1 2 2 Final Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 102

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 ÖK.1 3 5 5 5 5 ÖK.2 3 5 5 5 5 3 ÖK.3 3 5 5 5 5 3 ÖK.4 3 3 5 3 3