• 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 YBS 5055 Veri Madenciliği SEÇMELİ 3 0 0 8

Dersi Veren Birim

Yönetim Bilişim Sistemleri Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ. DR. CAN AYDIN

Dersi Alan Birimler

Yönetim Bilişim Sistemleri Yüksek Lisans

Dersin Amacı

Dersin Öğrenme Kazanımları

1   Basit ve açık olmayan, önceden bilinmeyen ve yararlı olan örüntülerin ya da bilginin çok büyük miktarlardaki veriden çıkarılması 2   Veri toplama, sınıflama, depolama algoritmalarını öğrenmek. 3   Veri madenciliğine bir süreç olarak yaklaşabilme yeteneğini elde etmek. 4   Veri madenciliği yazılımlarında uzmanlaşmak

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 Temizleme ve Hazırlama Teknikleri 3 Veri Ambarı 4 Veri Madenciliğinde İstatistiksel Yöntemler 5 Veri Sınıflandırma Teknikleri (Tümevarım öğrenme, Karar Ağaçları) 6 Veri Sınıflandırma Teknikleri (İlişkilendirme Kuralları, Bayes Kuramı) 7 Veri Tahminleme Teknikleri (Sinir Ağları) 8 Ara Sınav 9 Veri Tahminleme Teknikleri (Kuvvetlendirilmiş öğrenme) 10 Veri Kümeleme Teknikleri 11 Metin Madenciliği 12 Web Madenciliği, Sosyal Ağlar 13 Sektörel Veri Madenciliği Örnekleri 14 Genel Çalışma 15 Uygulama

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

Etkinlikler ayrıntılı olarak Değerlendirme Yöntemleri ve İş Yükü Hesaplaması bölümünde verilmiştir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 VZ Ara Sınav 2 YYC Yarıyıl İçi Çalışma 3 FN Yarıyıl Sonu 4 BNS Başarı VZ * 0.20 + YYC * 0.20 + FN* 0.60 5 BUT Bütünleme Notu 6 BBN Bütünleme Sonu Başarı Notu VZ * 0.20 + YYC * 0.20 + BUT* 0.60

Değerlendirme Yöntemlerine İliskin Aciklamalar

Öğrenciler veri toplama, sınıflandırma, depolama ve analizi konusunda bilgi, beceri ve yetkinliklerini geliştirirler.

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 4 56 Sunum Hazırlama 1 20 20 Vize Sınavına Hazırlık 1 22 22 Final Sınavına Hazırlık 1 24 24 Ödev Hazırlama 1 18 18 Haftalık Ders öncesi/sonrası hazırlıklar 14 4 56 Final Sınavı 1 2 2 Vize Sınavı 1 2 2 TOPLAM İŞ YÜKÜ (saat) 200

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