Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Analitiği ve Makine ÖğrenmesiEND522437.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Endüstri Mühendisliği ABD Sistem Mühendisliği Yüksek Lisans Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimEndüstri Mühendisliği Bölümü
Dersin KoordinatörüSelin Soner Kara
Dersi Veren(ler)Selin Soner Kara
Asistan(lar)ı
Dersin AmacıBu ders, büyük veriden anlamlı sonuçlar elde etmeyi hedeflemektedir. Makine Öğrenmesi metotlarının büyük veriye uygulanmasına Veri Madenciliği denir. Makine Öğrenmesi sadece very tabanı analizi değildir. Bunun yanında Makine Öğrenmesi algoritmaları veriden öğrenme ile değişikliklere cevap veren modeller ortaya koyar. Bu ders, bu algoritmaların bir arada incelenmesini ve veriler üzerinde uygulanmasını kapsar.
Dersin İçeriği
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Learning Predictive Analytics with R, Eric Mayor, Packt Publishing
  • Mastering Data Analysis with R, Gergely Daróczi, Packt Publishing
  • Data Analysis and Graphics Using R – an Example-Based Approach, John Maindonald and W.John Braun, Cambridge Press
  • An Introduction to Statistical Learning with Applications in R, Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, Springer
  • R Graphics, Paul Murrell, Chapman
  • Introduction to Machine Learning, Ethem Apaydın, MIT Press
  • A Beginner’s Guide to R, Alain F. Zuur, Elena N. Ieno , Erik H.W.G. Meesters, Springer
  • Visual Statistics, Use R! Alexey Shipunov
  • Using R for Data Analysis and Graphics,Introduction, Code and Commentary, J H Maindonald
  • An Introduction to R: Software for Statistical Modelling
  • Data Mining and Business Analytics with R, Johannes Ledolter
  • R for Everyone Advanced Analytics and Graphics Second Edition, Jared P. Lander
  • ggplott, Elegant Graphics for Data Analysis Hadley Wickham, Springer
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

    Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

    PÇ-1
    PÇ-2
    PÇ-3
    PÇ-4
    PÇ-5
    PÇ-6
    PÇ-7
    PÇ-8
    PÇ-9
    PÇ-10
    PÇ-11
    PÇ-12
    PÇ-13
    PÇ-14
    PÇ-15
    PÇ-16
    PÇ-17
    PÇ-18
    PÇ-19
    PÇ-20
    PÇ-21
    PÇ-22

    Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

    HaftaKonularÖn Hazırlık
    1Derse giriş
    2Veri Analizi-1
    3Veri Analizi-2
    4Veri Görselleştirme-1
    5Veri Görselleştirme-2
    6Gözetimli Öğrenme-Lineer Regresyon
    7Gözetimli Öğrenme-Lasso-Ridge Regresyon
    8Ara Sınav 1
    9Gözetimli Öğrenme-Lojistik Regresyon
    10Gözetimli Öğrenme-Sınıflandırma Sınıflandırma Performansları, Çapraz Validasyon, ROC eğrisi
    11Gözetimli Öğrenme- K-En yakın Komşu Algoritması
    12Gözetimli Öğrenme-Ağaç bazlı sınıflandırma
    13Gözetimli Öğrenme- Random Forest Algoritması, Destek Vektör Makinaları
    14Gözetimsiz Öğrenme Kümeleme- K-ortalama yöntemi
    15Gözetimsiz Öğrenme Kümeleme-Hiyerarşik Kümeleme
    16Final

    Değerlendirme Sistemi

    EtkinliklerSayıKatkı Payı
    Devam/Katılım
    Laboratuar
    Uygulama
    Arazi Çalışması
    Derse Özgü Staj
    Küçük Sınavlar/Stüdyo Kritiği
    Ödev
    Sunum/Jüri
    Projeler
    Seminer/Workshop
    Ara Sınavlar
    Final
    Dönem İçi Çalışmaların Başarı Notuna Katkısı
    Final Sınavının Başarı Notuna Katkısı
    TOPLAM100

    AKTS İşyükü Tablosu

    EtkinliklerSayıSüresi (Saat)Toplam İşyükü
    Ders Saati
    Laboratuar
    Uygulama
    Arazi Çalışması
    Sınıf Dışı Ders Çalışması
    Derse Özgü Staj
    Ödev
    Küçük Sınavlar/Stüdyo Kritiği
    Projeler
    Sunum / Seminer
    Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)
    Final (Sınav Süresi + Sınav Hazırlık Süresi)
    Toplam İşyükü :
    Toplam İşyükü / 30(s) :
    AKTS Kredisi :
    Diğer NotlarYok