TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN BİLİMLERİ ENSTİTÜSÜ |
| BİLGİSAYAR MÜHENDİSLİĞİ (DR) (İNGİLİZCE) | |
| Kod | CENG708 |
| Ad | Advanced Topics in Data Mining |
| Dönem | 2018-2019 Eğitim-Öğretim Yılı |
| Dönem | Bahar |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Doktora Dersi |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. SELMA AYŞE ÖZEL |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
İleri düzey veri madenciliği yöntemlerini öğrenme ve ileri düzey problemlere uygulayabilme.
Dersin İçeriği
Ölçeklenebilir algoritmalar, esnek tahmin edici modelleme, web madenciliği, metin ve belge kümeleme, otomatik tavsiye sistemleri, şablon bulma algoritmaları. Öğrencilerin (kümeleme, sınıflama ve birliktelik kuralı çıkarımı gibi) temel veri medenciliği konularında ve (R, RapidMiner, Weka, XLMiner gibi) bir ya da daha fazla sayıda veri madenciliği araçları hakkında bilgi sahibi olduğu varsayılır.
Dersin Ön Koşulu
Kaynaklar
Notlar
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | İleri düzey veri madenciliği yöntemlerini öğrenir. |
| ÖÇ02 | İleri düzey veri madenciliği yöntemlerini problem çözmek için uygular. |
| ÖÇ03 | Bir veri madenciliği uygulaması geliştirir. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Lisans düzeyinde kazanılan yetkinlikler temelinde Bilgisayar Mühendisliği temel alanında özgün çalışmalar için gerekli temeli sağlayan ileri düzeyde bilgi ve kavrayışa sahiptir. | |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Mühendislik alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, bilgiyi değerlendirir, yorumlar ve uygular. | 4 |
| PÖÇ03 | Yetkinlikler - Öğrenme Yetkinliği | Mesleğinin yeni ve gelişmekte olan uygulamalarının farkında olup, gerektiğinde bunları inceler ve öğrenir. | 3 |
| PÖÇ04 | Yetkinlikler - Öğrenme Yetkinliği | Mühendislik problemlerini kurgular, çözmek için yöntem geliştirir ve çözümlerde yenilikçi yöntemler uygular. | |
| PÖÇ05 | Yetkinlikler - Öğrenme Yetkinliği | Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. | |
| PÖÇ06 | Yetkinlikler - Öğrenme Yetkinliği | Yeni ve/veya özgün fikir ve yöntemler geliştirir, sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. | |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Öğrenme becerilerine sahip olur. | |
| PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin yeni ve gelişmekte olan uygulamalarının farkında olup gerektiğinde bunları inceler ve öğrenir. | |
| PÖÇ09 | Beceriler - Bilişsel, Uygulamalı | Çalışmalarının süreç ve sonuçlarını Bilgisayar Mühendisliği alanındaki veya alan dışındaki ulusal ve uluslararası ortamlarda açık bir şekilde yazılı veya sözlü olarak aktarır. | |
| PÖÇ10 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olur. | |
| PÖÇ11 | Beceriler - Bilişsel, Uygulamalı | Bilgisayar Mühendisliğinin gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde etkileşimli olarak kullanır. | |
| PÖÇ12 | Bilgi - Kuramsal, Olgusal | Mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Temel veri madenciliğin konularının tekrarı | Ders notlarının okunması | |
| 2 | İleri düzey birliktelik kuralları çıkarım algoritmaları | Ders notlarının okunması | |
| 3 | Sıralama madenciliği algoritmaları | Ders notlarının okunması | |
| 4 | İleri düzey sınıflama algoritmaları (Destek vektör makineleri, Bayesian Belief Networks) | Ders notlarının okunması | |
| 5 | Geri beslemeli sınıflama, diğer yöntemler | Ders notlarının okunması | |
| 6 | İleri düzey kimeleme algoritmaları (Olasılıksal model-tabanlı kümeleme) | Ders notlarının okunması | |
| 7 | Büyük boyutlu verileri kümeleme | Ders notlarının okunması | |
| 8 | Ara Sınav | Ders notlarının okunması | |
| 9 | Çizge ve ağ verilerini kümeleme | Ders notlarının okunması | |
| 10 | Sapan değer tespiti yöntemleri | Ders notlarının okunması | |
| 11 | Veri madenciliği eğlimleri (web madenciliği) | Makale taraması | |
| 12 | Metin madenciliği, tavsiye sistemleri | Makale taraması | |
| 13 | Sosyal ağ analizi | Makale taraması | |
| 14 | Makale sunumları | Makale taraması, sunum hazırlığı | |
| 15 | Proje sunumları | Proje hazırlama, sunum hazırlığı | |
| 16 | Yarıyıl Sonu Sınavları | Ders notlarının okunması | |
| 17 | Yarıyıl Sonu Sınavları | Ders notlarının okunması |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 5 | 70 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 0 | 0 | 0 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 15 | 15 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 30 | 30 |
| Toplam İş Yükü (Saat) | 157 | ||
| Toplam İş Yükü / 25 (s) | 6,28 | ||
| AKTS | 6 AKTS | ||