Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Sınıflandırma YöntemleriIST417135300
ÖnkoşullarYok
YarıyılGüz
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ İstatistik Lisans Programı (%30 İngilizce)
Seçmeli @ Matematik Lisans Programı
Seçmeli @ Moleküler Biyoloji ve Genetik Lisans Programı
Ders KategorisiTemel Meslek Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik Birimİstatistik Bölümü
Dersin KoordinatörüGülhayat Gölbaşı Şimşek
Dersi Veren(ler)Gülhayat Gölbaşı Şimşek
Asistan(lar)ı
Dersin AmacıBu dersin amacı, öğrencilerin veri sınıflandırmada kullanılan yöntem ve algoritmaları kullanarak veri analizi ve modelleme becerilerini geliştirmelerine yardımcı olmaktır.
Dersin İçeriğiEntropi, sınıflandırma kalitesinin ölçümü, çapraz geçerlilik; bootstrap; sınıflandırma yöntemleri (ID3; C4.5; CART; CHAID; kural temelli sınıflayıcı; Bayes sınıflayıcı; k en yakın komşu, lojistik regresyon, diksriminant; destek vektör makinası, yapay sinir ağları)
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Ders Kitabı: Altunkaynak, B. Veri Madenciliği Yöntemleri ve R Uygulamaları, Seçkin Yayıncılık, Ankara, 2017.
  • Zorunlu Kaynak: [1] James, G., Witten, D., Hastie, T., & Tibshirani, R. An Introduction to Statistical Learning with Applications in Python, First Edition, Springer, 2023.
  • Önerilen Kaynak: [1] Aggarwal, C. C. (Editor). Data Classification: Algorithms and Applications, CRC Press, Boca Raton, 2015.
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Veri sınıflandırma yöntemleri ve algoritmalarının çalışma ilkelerini tanımlayabileceklerdir.
  2. Sınıflandırma problemlerinin çözümünde veri sınıflandırma yöntemlerini ve algoritmalarını kullanabileceklerdir.
  3. Sınıflandırma ve regresyon ağaçlarını oluşturabileceklerdir.
  4. Veri sınıflandırma yöntem ve algoritmalarının sınıflandırma kalitesini belirleyebileceklerdir.
  5. Veri sınıflandırma yöntem ve algoritmalarının sonuçlarını yorumlayabileceklerdir.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Konu Anlatımı: Veri sınıflandırma yaklaşımları ve yöntemlerine genel bakış Sınıf-içi Tartışma (10 dk.): Regresyon ve makina öğrenmesi yöntemlerinin karşılaştırılması üzerine tartışma 1. Veri sınıflandırma yöntemlerinin sınıflandırılması üzerine okuma yapılması, Kaynak: Ders Kitabı, 1320, [1]: 25-27.
2Konu Anlatımı: Entropi, sınıflandırma kalitesinin ölçümü, uyum iyiliğinin ölçümü, çapraz geçerlilik ve bootstrap Sınıf-içi Tartışma (5 dk.): Hipotez testleri ve kalite ölçüm metriklerinin karşılaştırılması üzerine tartışma yapılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. Sınıflandırma performansının ölçümü üzerine okuma yapılması, Kaynak: Ders Kitabı, 126-136. 2. Uyum iyiliğinin ölçümü üzerine okuma yapılması, Kaynak: [1]: 27-35. 3. Çapraz geçerlilik ve bootstrap bölümlerinin okunması, Kaynak: [1]: 201-228. 4. Entropi ve bilgi kazancı üzerine okuma yapılması, Kaynak: Ders Kitabı,22; [1]: 337-339, 363, 405.
3Konu Anlatımı: Sınıflandırma algoritmaları (ID3) Sınıf-içi Tartışma (5 dk.): ID3 algoritmasının uygulanmasında ortaya çıkabilecek zorlukların tartışılması Sınıf-içi Uygulama (5 dk): Verilerle pratik uygulama yaptırılması Kısa Sınav 1 (10-15 dk.): Ders sonunda, derste işlenen konuları içeren bir kısa sınavın yapılması 1. ID3 algoritması üzerine okuma yapılması, Kaynak: Ders Kitabı, 29-43
4Konu Anlatımı: Sınıflandırma algoritmaları (C4.5 (J48)) Sınıf-içi Tartışma (5 dk.): ID3 ve C4.5 algoritmalarının avantaj ve sınırlılıklarının örneklerle karşılaştırılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. C4.5 (J48) algoritması üzerine okuma yapılması, Kaynak: Ders Kitabı, 44-53.
5Konu Anlatımı: Sınıflandırma algoritmaları (CART) Sınıf-içi Tartışma (5 dk.): Aşırı uyumun engellenmesi için önerilerin tartışılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. CART algoritması üzerine okuma yapılması, Kaynak: Ders Kitabı, 54-87.
6Konu Anlatımı: Regresyon ağaçları, sınıflandırma ve regresyon ağaçlarında budama Sınıf-içi Tartışma (5 dk.): Aşırı öğrenme üzerine tartışma yapılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. Sınıflandırma ve regresyon ağaçlarında budama üzerine okuma yapılması, Kaynak: Ders Kitabı, 343360.
7Konu Anlatımı: Sınıflandırma algoritmaları (CHAID) Sınıf-içi Tartışma (5 dk.): CHAID algoritmasının uygulanmasında sırasında ortaya çıkabilecek sorunların tartışılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması Kısa Sınav 2 (10-15 dk.): Ders sonunda, derste işlenen konuları içeren bir kısa sınavın yapılması1. CHAID algoritması üzerine okuma yapılması, Kaynak: Ders Kitabı, 88-97.
8Ara Sınav 1
9Konu Anlatımı:, Sınıflandırma algoritmaları (Kural temelli algoritmalar (ZeroR, OneR) Sınıf-içi Tartışma (5 dk.):Kural tabanlı algoritmaların tercih edilebildiği durumlar üzerine tartışma Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması Kısa Sınav 3 (10-15 dk.): Ders sonunda, derste işlenen konuları içeren bir kısa sınavın yapılması1. Kural tabanlı algoritmalar üzerine okuma yapılması, Kaynak: Ders Kitabı, 106-114.
10Konu Anlatımı: Sınıflandırma algoritmaları (Bayes sınıflayıcı) Sınıf-içi Tartışma (5 dk.): Bayes sınıflayıcının avantaj ve dezavantajları üzerine tartışma Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. Bayes sınıflayıcı üzerine okuma yapılması, Kaynak: Ders Kitabı, 115-122.
11Konu Anlatımı: Sınıflandırma algoritmaları (k en yakın komşu) Sınıf-içi Tartışma (5 dk.): k komşu sayısının belirlenmesi zerine tartışma yapılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması Kısa Sınav 4 (10-15 dk.): Ders sonunda, derste işlenen konuları içeren bir kısa sınavın yapılması 1. K en yakın komşu yöntemi üzerine okuma yapılması, Kaynak: Ders Kitabı, 123-125
12Konu Anlatımı: Lojistik regresyon kullanarak veri sınıflandırma Sınıf-içi Tartışma (5 dk.): Lojistik regresyon ve doğrusal olasılık modelinin karşılaştırılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. Lojistik regresyon üzerine okuma yapılması, Kaynak: [1]: 138-146
13Konu Anlatımı: Diskriminant analizi kullanarak veri sınıflandırma Sınıf-içi Tartışma (5 dk.): Dikriminant analizi ve lojistik regresyonun karşılaştırılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. Diskriminant analizi üzerine okuma yapılması, Kaynak: [1]: 146-158.
14Öğrenci sunumlarının dinlenmesi Konu Anlatımı: Destek vektör makinası kullanarak veri sınıflandırma Sınıf-içi Tartışma (5 dk.): Destek vektör makinası ve lojistik regresyonun karşılaştırılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. Destek vektör makinası üzerine okuma yapılması, Kaynak: [1]: 367-398.
15Öğrenci sunumlarının dinlenmesi Konu Anlatımı: Yapay sinir ağları kullanarak veri sınıflandırma. Sınıf-içi Tartışma (5 dk.): Yapay sinir ağlarında aşırı öğrenmeden kaçınma yollarının tartışılması Sınıf-içi Uygulama (5 dk.): Verilerle pratik uygulama yaptırılması 1. Yapay sinir ağları üzerine okuma yapılması, Kaynak: [1]: 399-468.
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği410
Ödev120
Sunum/Jüri110
Projeler
Seminer/Workshop
Ara Sınavlar120
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması143
Derse Özgü Staj
Ödev120
Küçük Sınavlar/Stüdyo Kritiği42
Projeler
Sunum / Seminer15
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)120
Final (Sınav Süresi + Sınav Hazırlık Süresi)125
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok