Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
VERİ MADENCİLİĞİ İkinci Düzey YBS 505 Seçmeli 1 7.00 7.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri Yoktur. Programlama bilmesi tavsiye edilir.
Eğitimin Dili Türkçe
Koordinatör DOÇ. DR. ESRA KAHYA ÖZYİRMİDOKUZ
Dersi Veren Öğretim Eleman(lar)ı PROF.DR. SİNEM KULLUK DOÇ.DR FEYZA GÜRBÜZ DOÇ. DR. ESRA KAHYA ÖZYİRMİDOKUZ
Yardımcı Öğretim Eleman(lar)ı -
Dersin Veriliş Şekli Teorik temeller ve örneklerle sınıf dersleri, bir veri madenciliği paket programı üzerinde veri madenciliği uygulamaları
Dersin Amacı Temel veri madenciliği konseptini öğrenmek, sınıflandırma ve kümeleme gibi temel veri madenciliği görevlerinde uygulama geliştirerek geniş veri tabanlarında/ambarlarında bilgi keşfi yapabilmek amaçlanmaktadır.
Dersin Tanımı Veri madenciliğinin tanımı, veri ambarları, uzaklık ve yakınlık ölçütleri, sınıflandırma algoritmaları, kümeleme algoritmaları ve birliktelik kuralı madenciliği konularını içerir.

Dersin İçeriği
1 Veri madenciliğine giriş, veri, veri kalitesi, veri hazırlama ve ön işleme, veri indirgeme, veriyi keşfetme
2 Benzerlik ve uzaklık ölçütleri
3 Veriyi keşfetmekte kullanılan teknikler
4 Sınıflandırma -Karar ağacı tabanlı yöntemler
5 Sınıflandırma -Bellek tabanlı yöntemler
6 Sınıflandırma -İstatistiksel sınıflandırma yöntemleri
7 Sınıflandırma -Yapay sinir ağları
8 Vize
9 Kümeleme -Hiyerarşik yöntemler
10 Kümeleme- Bölümlemeli yöntemler
11 Kümeleme-Yoğunluk tabanlı ve model tabanlı yöntemler
12 Birliktelik Kuralları
13 Paket program üzerinde örnek veri madenciliği uygulamaları
14 Web ve Metin Madenciliği
15
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Veri madenciliği ve yöntemlerini türlerini bilir
2 Büyük boyutlu veri kümeleri üzerinde uygun veri madenciliği görevini belirleyebilme ve tekniklerini uygulayabilir
3 Veri madenciliği sonuçlarını yorumlayabilir
4 Makine öğrenimi modelleri uygular
5 Derin öğrenme uygular
6 Sınıflandırma ve regresyon modellerini bilir
7 Kümeleme modellerini bilir
8 EDA çıktılarını oluşturur
9 Veri madenciliği modelini YBS dahilinde kavramsallaştırır
10 Analitik ile veri madenciliği farkını bilir

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Yönetim Bilişim Sistemleri (YBS) alanında ileri düzey bilgiye sahip olur.
2 Veri, insan, süreç, teknoloji ve yazılım bileşenlerini bütüncül olarak analiz eder.
3 Sosyo-teknik sistem yaklaşımı ile karmaşık problemleri basit, yenilikçi şekilde analiz eder.
4 Bilişim sistemlerini stratejik karar süreçlerinde etkin şekilde kullanır.
5 Yazılım ve veri temelli çözümler geliştirir.
6 Disiplinlerarası bilgi birikimini entegre ederek yenilikçi çözümler üretir.
7 Veri analitiği, makine öğrenmesi, derin öğrenme ve yapay zekâ tekniklerini uygular.
8 Bilimsel araştırma yöntemlerini kullanarak bağımsız çalışma yürütür.
9 Dijital dönüşüm süreçlerinin farkındadır, analiz eder ve yönetir.
10 Ulusal ve uluslararası bilimsel çalışmaları ve stratejik inovatif teknolojileri takip eder ve katkı sağlar.
11 İnsan merkezli tasarımları analiz eder, geliştirir, uygular ve yönetir.
12 Yeni teknolojilerin etik, sosyal ve yönetsel etkilerini değerlendirir.
13 Akademik ve profesyonel etik ilkelere uygun hareket eder.
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 13 3 39
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 2 15 30
Ödevler 0 0 0
Sunum / Seminer hazırlama 1 20 20
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 1 10 10
Ara sınavlar 1 2 2
Proje (Yarıyıl ödevi) 1 20 20
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 20 20
Yarıyıl sonu sınavı 1 2 2
Araştırma 1 10 10
Toplam iş yükü     153
AKTS     6.00

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 20
Kısa sınav 0 0
Ödev 1 20
Yarıyıl içi toplam   40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı   40
Yarıyıl sonu sınavının başarıya katkı oranı   60
Genel toplam   100

Önerilen Veya Zorunlu Okuma Materyalleri
Ders kitabı Han and Kamber, Data mining concepts and techniques.
Yardımcı Kaynaklar -

Ders İle İlgili Dosyalar