Anasayfa » Akademik Birimler » Elektrik - Elektronik Fakültesi » Bilgisayar Mühendisliği Bölümü » Dersler » Veri Madenciliğine Giriş
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Veri Madenciliğine GirişBLM480038300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Bilgisayar Mühendisliği Lisans Programı (2023 versiyon)
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimBilgisayar Mühendisliği Bölümü
Dersin KoordinatörüHamza Osman İlhan
Dersi Veren(ler)Hamza Osman İlhan
Asistan(lar)ı
Dersin AmacıVeri Madenciliğinin amacı veri yığınından faydalı bilgiyi bulup çıkartmak ve keşfedilen bilgiyi kullanarak mevcut durumu açıklamaya yardımcı olmak ve gelecekteki oluşumları tahmin etmektir.
Dersin İçeriğiVeri Madenciliği Kavramları, Veri Hazırlama Teknikleri, İstatistiksel Öğrenme Teorisi(Naive Bayes), Kümeleme Metodları (K-Means, hiyerarşik), Karar Ağaçları ve Karar Kuralları, Birliktelik Kurallarını
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Textbook1: Data Mining , J. Han – M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6 Textbook2: Data Mining – Concepts, Models, Methods and Algorithms, Mehmed Kantardzic, ISBN:0-471-22852-4
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Veri Madenciliği temel kavramlarını öğrenme ve uygulayabilme bilgi ve beçerisi kazandıracaktır.
  2. Veri yığınından faydalı bilgiyi bulup çıkarma becerisi kazandıracaktır.
  3. Veri yığınını analiz etme, temizleme ve aykırı değerleri bulma becerisi kazandıracaktır.
  4. Veri yığınını analiz etme, temizleme ve aykırı değerleri bulma becerisi kazandıracaktır. Öğrenciler eğiticili sınıflama yöntemleri hakkında bilgi sahibi olacaklardır.
  5. Öğrenciler eğiticisiz kümeleme yöntemleri hakkında bilgi sahibi olacaklardır.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4DÖÇ-5
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-----
PÇ-23-----
PÇ-24-----
PÇ-25-----
PÇ-26-----
PÇ-27-----
PÇ-28-----
PÇ-29-----
PÇ-30-----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Veri Madenciliğine Giriş1.Kaynak Kitap- 1.Bölüm
2Veri Madenciliği Kavramları2.Kaynak Kitap- 1.Bölüm
3Veri Hazırlama Teknikleri2.Kaynak Kitap- 2.Bölüm
4Veri İndirgeme2.Kaynak Kitap- 3.Bölüm
5Sınıflamada İstatistiksel Metodlar (Naive Bayes)2.Kaynak Kitap- 4.Bölüm
6Sınıflamada İstatistiksel Metodlar (Naive Bayes) Karar Ağaçları ve Kuralları2.Kaynak Kitap- 7.Bölüm
7Kümeleme ve Benzerlik Ölçüsü2.Kaynak Kitap- 6.Bölüm
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9Ara Sınav-12.Kaynak Kitap- 6.Bölüm
10Kümeleme Metodları(Hiyerarşik Kümeleme)2.Kaynak Kitap- 6.Bölüm
11Sınıflama Yöntemlerinin değerlendirilmesi2.Kaynak Kitap- 4.Bölüm
12Birliktelik Kuralları2.Kaynak Kitap- 8.Bölüm
13Sınaıflamada Yapay Sinir Ağlarının kullanılması2.Kaynak Kitap- 9.Bölüm
14Proje Sunumları
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev
Sunum/Jüri
Projeler115
Seminer/Workshop
Ara Sınavlar145
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati133
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması137
Derse Özgü Staj
Ödev
Küçük Sınavlar/Stüdyo Kritiği
Projeler135
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)135
Final (Sınav Süresi + Sınav Hazırlık Süresi)135
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok