| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Veri Madenciliği | YZM2022 | 3 | 5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Bahar |
|---|
| Dersin Dili | İngilizce |
|---|---|
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu @ Yapay Zeka ve Veri Mühendisliği Lisans Programı (%100 İngilizce) |
| Ders Kategorisi | Temel Meslek Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Yapay Zeka ve Veri Mühendisliği Bölümü |
|---|---|
| Dersin Koordinatörü | Arzu Kakışım |
| Dersi Veren(ler) | Arzu Kakışım |
| Asistan(lar)ı |
| Dersin Amacı | Veri madenciliğinin temel kavramlarını, veri ön işleme tekniklerini ve veri ambarı mimarisini öğretmek. Birliktelik kuralları, ardışık örüntüler, metin, grafik ve web madenciliği gibi temel veri madenciliği yöntemlerini kavratmak. Büyük ölçekli, akış (streaming), zaman serisi ve yüksek boyutlu veriler üzerinde analiz ve modelleme becerisi kazandırmak. Anomali tespiti, özellik çıkarımı/seçimi ve boyut indirgeme yöntemlerini gerçek dünya problemlerine uygulayabilme yetkinliği geliştirmek. Tavsiye sistemleri ve ileri veri madenciliği tekniklerini kullanarak finans, e-ticaret, sağlık, akıllı şehirler ve siber güvenlik gibi alanlarda proje geliştirebilme becerisi kazandırmak. |
|---|---|
| Dersin İçeriği | Bu ders, veri madenciliğinin temel kavramları ve uygulamalarını kapsamlı şekilde ele almaktadır. Veri türleri, veri kalitesi ve veri ön işleme teknikleri ile başlanarak veri ambarı mimarisi ve OLAP sistemleri incelenir. Birliktelik kuralları, ardışık örüntü madenciliği, metin madenciliği, grafik madenciliği ve web madenciliği yöntemleri teorik ve uygulamalı olarak işlenir. Ders kapsamında ayrıca tavsiye sistemleri, akış verisi madenciliği, zaman serisi analizi, anomali tespiti, özellik çıkarımı ve seçimi gibi ileri konular ele alınır. Yüksek boyutlu veri analizi ve boyut indirgeme teknikleri incelenerek gerçek dünya uygulamalarına yönelik proje geliştirme çalışmaları yapılır. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar | |
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | |
| 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
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Veri Madenciliğine Giriş Veri madenciliği nedir?, Veri türleri ve veri kalitesi, Veri madenciliği uygulamaları, Veri ön işleme ve temizleme, Örnekleme (Sampling), Normalizasyon, Ayrıklaştırma (Discretization) | |
| 2 | Veri Ambarı (Data Warehousing) Veri ambarı tanımı, Veri ambarı mimarisi, ETL süreci (Extract, Transform, Load – Çıkarma, Dönüştürme, Yükleme), OLAP (Çevrimiçi Analitik İşleme), Veri küpü teknolojisi, Veri ambarı uygulamaları | |
| 3 | Birliktelik Kuralı Madenciliği Market sepeti analizi, Sık öğe kümeleri (Apriori, FP-Growth), Destek (support), Güven (confidence), Lift, Uygulamalar: E-ticaret sistemleri, Sağlık bilgi sistemleri | |
| 4 | Ardışık Veri Madenciliği Ardışık örüntü madenciliği: GSP, SPADE, PrefixSpan, Uygulamalar: Web kullanıcı log analizi, Üretim süreci log analizi, Ağ saldırı tespit sistemleri | |
| 5 | Metin Madenciliği Metin ön işleme (tokenization, stemming, TF-IDF), Bag-of-Words, n-gramlar, Duygu analizi, Doküman sınıflandırma (Naive Bayes), Bilgi erişim metrikleri | |
| 6 | Çizge Madenciliği Graf temelleri (yönlü/yönsüz, ağırlıklı, iki parçalı graf), Alt graf madenciliği, Sık alt graf keşfi, Topluluk tespiti (Louvain, Girvan–Newman) | |
| 7 | Web Madenciliği Web içerik madenciliği, Web yapı madenciliği, PageRank algoritması, HITS algoritması (Authority ve Hub skorları), Bağlantı analizi, Web kullanım madenciliği (oturum analizi) | |
| 8 | Ara Sınav 1 | |
| 9 | Özellik Madenciliği Özellik çıkarımı ve özellik seçimi, Filtre ve wrapper yöntemleri, Karşılıklı bilgi (Mutual Information), Ki-kare, Bilgi kazancı (Information Gain), Gini indeksi, PCA, Relief, Boyutsallık laneti | |
| 10 | Tavsiye Sistemleri İşbirlikçi filtreleme (kullanıcı tabanlı, öğe tabanlı), Matris faktörizasyonu, İçerik tabanlı filtreleme, Hibrit tavsiye sistemleri, Değerlendirme: RMSE, MAE, sıralama metrikleri, Film tavsiye sistemi, E-ticaret tavsiye sistemi | |
| 11 | Anomali Tespiti Aykırı değer tespiti temelleri, İstatistiksel yaklaşımlar (Grubbs Testi), Uzaklık (En Yakın Komşu) ve kümeleme tabanlı yöntemler, Isolation Forest, LOF (Local Outlier Factor), Finansal dolandırıcılık örneği, Endüstriyel izleme örneği | |
| 12 | Akış Veri Madenciliği Akış verisinin özellikleri, Çevrimiçi öğrenme, Kayan pencere yöntemleri, Örnekleme, Rezervuar yöntemleri, Akış kümeleme (DenStream, CluStream), Özet veri yapıları (Count-Min Sketch, Bloom Filter) | |
| 13 | Zaman Serisi Madenciliği Zaman serisi tanımı, Tek değişkenli ve çok değişkenli zaman serileri, Düzenli ve düzensiz örnekleme, Gürültü azaltma ve yumuşatma, Zaman serisi benzerlik ve uzaklık ölçüleri, Akıllı şehir sistemleri | |
| 14 | Yüksek Boyutlu Veride Madencilik Boyutsallık laneti, Benzerlik ve uzaklık ölçüleri, Yüksek boyutlu uzaylarda en yakın komşu arama, Yaklaşık en yakın komşu yöntemleri, Yerel Duyarlı Hashleme (LSH) | |
| 15 | Proje Sunumları | |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | 15 | 5 |
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | ||
| Sunum/Jüri | ||
| Projeler | 1 | 25 |
| Seminer/Workshop | ||
| Ara Sınavlar | 1 | 30 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (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 Notlar | Yok |
|---|
