DERS BİLGİLERİ
Ders Kodu Yarıyıl Ders Süresi Kredi AKTS
Veri Madenciliği ISB   206 4 2 2 3

Ön Koşul Dersleri
Ders Hakkında Önerilen Diğer Hususlar None

Dersin Dili Türkçe
Dersin Seviyesi Lisans
Dersin Türü Seçmeli
Dersin Koordinatörü Prof.Dr. Güzin YÜKSEL
Dersi Verenler
Prof.Dr.GÜZİN YÜKSEL1. Öğretim Grup:A
 
Dersin Yardımcıları
Dersin Amacı
Bu dersin amacı, öğrencilere veri madenciliği algoritmaları ve teknikleri ile ilgili teorik bilgiler vermek ve öğrencilere farklı uygulamalar için uygun veri madenciliği teknikleri seçme ve uygulama yeteneği kazandırmaktır.
Dersin İçeriği
Veri ön işleme, birliktelik kuralı analizi, sınıflandırma , kümeleme analizi ve uygulamaları.

Dersin Öğrenme Kazanımları
1) Temel veri madenciliği kavramlarını tanımlar.
2) Veri madenciliği süreçleri ve bilgi keşfi kavramlarını öğrenir.
3) Veri madenciliği ile veritabanı arasındaki ilişkiyi kurar.
4) Veri madenciliği yöntemleri ile ilgili çeşitli algoritmaları uygular.
5) İş hayatında veri madenciliği bilgisi öğrenir.
6) Belirli bir problemi çözmek için uygun olan veri madenciliği tekniğini belirler.
7) Veri ön işleme işlemlerini uygular.
8) Bir veri madenciliği modeli tasarlar.
9) Bir veri madenciliği algoritması uygular.
10)
11)
12)
13)
14)
15)


DERSİN PROGRAM KAZANIMLARINA KATKISI
NoTemel öğrenme KazanımlarıKatkı Düzeyi
12345
1
Olasılık, İstatistik ve Matematiğin temel kavram ve ilkelerini açıklar
X
2
Yaşamda istatistiğin yerini ve önemini belirtir
X
3
İktisadi ve hukuksal temel kavram ve ilkeleri tanımlar
4
Karşılaşılabileceği sorunlar karşısında, sayısal ve istatistiksel çözümler üretir
X
5
İstatistiksel verilerin elde edilmesi ve/veya düzenlenmesi için uygun yöntem ve teknikleri kullanır
X
6
Bilgisayar sistemlerini ve programlarını kullanır
X
7
Matematiksel ve istatistiksel teknikleri kullanarak rasgelelik içeren problemlere model kurma, çözme ve yorumlama
X
8
İstatistiksel analiz yöntemlerini uygular
X
9
İstatistiksel sonuç çıkarım (tahmin, hipotez testi, v.b.) yapar
X
10
İstatistiksel teknikleri kullanarak farklı disiplinlerin problemlerine çözüm üretir
X
11
Görsel, veritabanı ve web programlama tekniklerini anlar ve nesnel program yazabilme yeteneğine sahip olur
X
12
İstatistiksel paket programları kullanarak model oluşturur ve analiz yapar
X
13
İstatistiksel metotlar arasındaki farkı ayırt eder
X
14
İstatistik ile ilişkili disiplinler arasındaki etkileşimin farkında olur
X
15
İstatistiksel yöntemleri kullanarak elde edilen sonuçları sözlü ve görsel olarak sunar
X
16
Bireysel ve ortaklaşa olarak etkili ve üretken çalışma yapma becerisine sahip olur
X
17
Mesleki gelişimlerinin yanı sıra ilgi ve yetenekleri doğrultusunda bilimsel, kültürel, sanatsal ve sosyal alanlarda eğitim gereksinimlerini belirleyerek kendini sürekli geliştirir
X
18
İstatistiğin kullanıldığı bilim alanları ile ilgili verilerin toplanması, yorumlanması, duyurulması aşamalarında toplumsal, bilimsel ve etik değerlere sahip olur.
X

DERS AKIŞI
HaftaKonularÖn Hazırlık Yöntem
1 Veri Madenciliği Giriş Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Beyin Fırtınası
2 Veri Madenciliğine Detaylı Bakış Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Beyin Fırtınası
Örnek Olay
3 Öğrenme stratejileri Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Örnek Olay
4 Makine öğrenmesi süreci adımları Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Örnek Olay
5 Uzaklık Ölçütleri Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Örnek Olay
6 K-En Yakın Komşu Algoritması Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Örnek Olay
7 K-En Yakın Komşu Algoritması ve Uygulama Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Alıştırma ve Uygulama
Örnek Olay
8 Ara Sınav Derste anlatılan konulara çalışma Yazılı Sınav
9 Basit Bayes sınıflandırıcı Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Alıştırma ve Uygulama
Örnek Olay
10 Basit Bayes sınıflandırıcı ve Uygulaması Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Alıştırma ve Uygulama
Örnek Olay
11 ID3 ve C4.5 Karar Ağacı Algoritmaları Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Alıştırma ve Uygulama
Örnek Olay
12 ID3 ve C4.5 Karar Ağacı Algoritmaları ve Uygulamaları Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Alıştırma ve Uygulama
Örnek Olay
13 K-Ortalamalar Algoritması ve Uygulaması Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Alıştırma ve Uygulama
Örnek Olay
14 K-Ortalamalar Algoritması ve Uygulaması Kaynak kitap okuma, uygulama Anlatım
Soru-Cevap
Tartışma
Alıştırma ve Uygulama
Örnek Olay
15 Sunumlar Kaynak kitap okuma, uygulama Soru-Cevap
Tartışma
Gösteri
16-17 Yarıyıl Sonu Sınavları Derste anlatılan konulara çalışma Yazılı Sınav

KAYNAKLAR
Ders Notu
Diğer Kaynaklar