CENG708 Advanced Topics in Data Mining

6 AKTS - 3-0 Süre (T+U)- . Yarıyıl- 3 Yerel Kredi

Genel Bilgi

Kod CENG708
Ad Advanced Topics in Data Mining
Dönem 2024-2025 Eğitim-Öğretim Yılı
Yarıyıl . Yarıyıl
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 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

Öğrencinin temel veri madenciliği yöntemlerini bilmesi ve bu konuda program yazabilecek düzeyde olması beklenmektedir.

Kaynaklar

Han, J., Kamber, M., and Pei, J., Data Mining: Concepts and Techniques, 3rd Edition, Morgan Kaufmann, 2012.

Notlar

İlgili güncel makaleler


Dersin Öğrenme Çıktıları

Sıra Dersin Öğrenme Çıktıları
ÖÇ01 İleri düzey veri madenciliği yöntemlerini açıklar.
ÖÇ02 Bir problemi çözebilmek için hangi veri madenciliği yöntemini uygulayacağına karar verebilir.
ÖÇ03 İleri düzey veri madenciliği yöntemlerini problem çözmek için uygular.
ÖÇ04 Gerçek hayat problemini çözecek 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. 3
PÖÇ05 Yetkinlikler - Öğrenme Yetkinliği Analitik, modelleme ve deneysel esaslı araştırmaları tasarlar ve uygular, bu süreçte karşılaşılan karmaşık durumları çözümler ve yorumlar. 3
PÖÇ06 Yetkinlikler - Öğrenme Yetkinliği Yeni ve/veya özgün fikir ve yöntemler geliştirir, sistem, parça veya süreç tasarımlarında yenilikçi çözümler geliştirir. 1
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. 2
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. 1
PÖÇ10 Beceriler - Bilişsel, Uygulamalı Bilgisayar Mühendisliğinde uygulanan güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olur. 2
PÖÇ11 Beceriler - Bilişsel, Uygulamalı Bilgisayar Mühendisliğinin gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde etkileşimli olarak kullanır. 3
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 Öğretim Yöntemleri:
Anlatım, Soru-Cevap
2 İleri düzey birliktelik kuralları çıkarım algoritmaları Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
3 Sıralama madenciliği algoritmaları Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
4 İleri düzey sınıflama algoritmaları (Destek vektör makineleri, Bayesian Belief Networks) Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
5 Geri beslemeli sınıflama, diğer yöntemler Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
6 İleri düzey kimeleme algoritmaları (Olasılıksal model-tabanlı kümeleme) Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
7 Büyük boyutlu verileri kümeleme Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
8 Ara Sınav Ders notlarının okunması, literatür taraması Ölçme Yöntemleri:
Sözlü Sınav, Ödev
9 Çizge ve ağ verilerini kümeleme Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
10 Sapan değer tespiti yöntemleri Ders notlarının okunması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
11 Veri madenciliği eğlimleri (web madenciliği) Makale taraması Öğretim Yöntemleri:
Anlatım, Soru-Cevap
12 Metin madenciliği, tavsiye sistemleri Makale taraması Öğretim Yöntemleri:
Tartışma, Bireysel Çalışma
13 Sosyal ağ analizi Makale taraması Öğretim Yöntemleri:
Tartışma, Bireysel Çalışma
14 Makale sunumları Makale taraması, sunum hazırlığı Öğretim Yöntemleri:
Bireysel Çalışma, Örnek Olay, Soru-Cevap
15 Proje sunumları Proje hazırlama, sunum hazırlığı Öğretim Yöntemleri:
Proje Temelli Öğrenme , Tartışma, Soru-Cevap
16 Proje raporunun yazımı Proje raporunun hazırlanması Ölçme Yöntemleri:
Sözlü Sınav, Proje / Tasarım
17 Yarıyıl Sonu Sınavları Proje raporunun teslimi Ölçme Yöntemleri:
Proje / Tasarım, Sözlü Sınav


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

Güncelleme Zamanı: 24.05.2024 05:00