DERS BİLGİLERİ
Ders Kodu Yarıyıl Ders Süresi Kredi AKTS
Veri Madenciliği Yöntemleri II IEM   756 1 3 3 6

Ön Koşul Dersleri
Ders Hakkında Önerilen Diğer Hususlar None

Dersin Dili Türkçe
Dersin Seviyesi Yüksek Lisans
Dersin Türü Seçmeli
Dersin Koordinatörü Prof. Dr. Süleyman Bilgin KILIÇ
Dersi Verenler
 
Dersin Yardımcıları
Dersin Amacı
Veri madenciliği dersi, verilerin içerisindeki örüntülerin, temel ilişkilerin, etkileşimlerin, değişimlerin, düzensizliklerin, kuralların ve istatistiksel olarak önemli olan yapıların keşfedilerek yararlı bilgilerin üretilmesini amaçlar
Dersin İçeriği
Veri madenciliği kavramı ve veritabanı tasarımı, veri ambarlama ve diğer depolama teknikleri, veritabanı ya da veri ambarı sunucusu, veritabanı nesnelerinin yaratılması ve genişletilmesi, veritabanı tabloların yaratılması, tasarımı ve bağlanması, veritabanı formların ve alt formların yaratılması ve tasarımı, veri tabanında sorguların yaratılması ve tasarımı, raporların yaratılması, tasarımı ve verilerin özetlenmesi, veri temizleme; gürültülü ve tutarsız verileri çıkarmak, veri madenciliği (veri örüntülerini yakalayabilmek için akıllı metotları uygulamak), örüntü değerlendirme ve tanımlama, bilgi sunumu (elde edilmiş bilginin kullanıcıya sunumunu gerçekleştirme), veri tabanı nesnelerini HTML ve ASP dosyalarına dönüştürmek, veri tabanının Internet ortamında kullanımı ve paylaşımı, veri erişim sayfalarının oluşturulması ve kullanımı, veri erişim sayfaları ile sorgu tasarımı, veritabanı güvenliğinin sağlanması

Dersin Öğrenme Kazanımları
1) Ekonometri kavramlarını açıklar
2) İktisadi alt yapıya sahip olup iktisadi modeller oluşturur
3) Veri toplar, düzenler ve analiz eder
4) Ekonometri, İstatistik ve Yöneylem ile ilgili ileri düzey paket programlarını kullanabilir
5) İstatistik, yöneylem araştırması ve Matematik bilgilerini tanımlar
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)


DERSİN PROGRAM KAZANIMLARINA KATKISI
NoTemel öğrenme KazanımlarıKatkı Düzeyi
12345
1
Ekonometri, İstatistik ve Yöneylem Araştırması alanında güncel kavramları açıklar
X
2
Ekonometri, İstatistik ve Yöneylem Araştırması alanında sahip olduğu bilgiler arasındaki ilişkileri açıklar
X
3
Alanında sahip olduğu bilgilerin İktisat, İşletme ve diğer sosyal bilimlere nasıl uygulanacağını açıklar
X
4
Karşılaşılan problemleri matematik, istatistik ve ekonometri bilgisi ile modeller
X
5
Modeli tahmin etmek için en uygun yöntemi uygulayıp sonuçlarını yorumlar
X
6
Problemlere çözüm önerileri geliştirmek üzere kavramsal düzeyde analiz yapar, kıyaslar, değerlendirir ve yorumlar
X
7
Amaca uygun bir şekilde veriyi tanımlar, toplar, düzenler ve analiz eder
X
8
Bir problemi çözmek üzere Ekonometri, İstatistik ve Yöneylem ile ilgili bilgileri kullanarak bireysel çalışma yapar
X
9
Ekip içinde sorumluluk alır, liderlik yapar ve etkin biçimde çalışır
X
10
Bir örgüt/kurum için vizyon, amaç ve hedef belirlemek amacıyla alanında öğrendiği bilgileri kullanır
X
11
Yaşam boyu öğrenmenin gerekliliğinin bilincinde olarak alanıyla ilgili güncel gelişmeleri izler ve kendini sürekli yeniler
X
12
Araştırmadığı bir alanda akademik kurallar çerçevesinde farklı kaynaklardan yararlanır, elde ettiği bilgileri sentezler ve etkin biçimde sunar
X
13
Analiz sonuçlarını uygun şekilde sunar; bulgularını Türkçe veya yabancı bir dilde yüksek lisans tezine ya da mesleki bir rapora dönüştürür
X
14
Ekonometri, İstatistik ve Yöneylem ile ilgili bir paket program kullanır veya yeni bir bilgisayar kodu yazar
X
15
İlgili kişilerin duygu, düşünce ve davranışlarını doğru bir şekilde anlar ve yorumlar; kendisini yazılı ve sözlü olarak doğru bir şekilde ifade eder
X
16
Karşılaştığı problemleri çözmek üzere yeni yaklaşım ve yöntemler arar
X
17
Toplumsal, bilimsel ve mesleki etik değerleri tanır ve uygular
X
18
Güncel konuları takip eder, iktisadi ve sosyal olaylara ilişkin verileri yorumlar
X
19
Ekonometri, İstatistik ve Yöneylem Araştırması yöntemlerini kullanarak kurumların ihtiyaç duyduğu çözüm önerilerini getirir
X

DERS AKIŞI
HaftaKonularÖn Hazırlık Yöntem
1 Temel veri madenciliği yöntemlerinin ve istatistiksel kavramların hatırlanması ve pekiştirilmesi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
2 Veriler ve değişkenler arasında temel ilişki ve etkileşimlerin keşfedilmesi ve boyut indirgeme yöntemleri: Temel bileşenler faktör analizi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
3 Temel bileşenler faktör analizi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
4 Parametrik olmayan yöntemler: Yapay sinir ağları yöntemi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
5 Yapay sinir ağları yöntemi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
6 Parametrik yöntemler: Logit analizi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
7 Logit analizi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
Alıştırma ve Uygulama
8 Ara Sınav Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Yazılı Sınav
9 Diskriminant analizi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
10 Diskriminant analizi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
11 Hiyerarşik kümeleme analizi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardırÖğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
12 Hiyerarşik kümeleme analizi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
13 k-adet en yakın komşu algoritması Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
14 Karar ağacı ile sınıflama algoritması Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
15 c4.5 algoritması Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
16-17 Yarıyıl Sonu Sınavları Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Anlatım
Alıştırma ve Uygulama

KAYNAKLAR
Ders Notu
Diğer Kaynaklar