| Dersin adı |
Dersin seviyesi |
Dersin kodu |
Dersin tipi |
Dersin dönemi |
Yerel kredi |
AKTS kredisi |
Ders bilgileri |
| VERİ MADENCİLİĞİ |
Üçüncü düzey |
BİS 612 |
|
1 |
7.00 |
7.00 |
Yazdır |
|
Ön koşul dersleri
|
R yazılımı ile ilgili ders alan öğrenciler için ön koşul yoktur. R yazılımı dersini almayan öğrencilerin SBE 517 dersini almış olması gerekmektedir.
|
|
Eğitimin dili
|
Türkçe
|
|
Koordinatör
|
PROF. DR. GÖKMEN ZARARSIZ
|
|
Dersi veren öğretim eleman(lar)ı
|
Yüzyüze Anlatım ve Tartışma
|
|
Yardımcı öğretim eleman(lar)ı
|
|
|
Dersin veriliş şekli
|
|
|
Dersin amacı
|
Veri madenciliği dersinde biyomedikal alanlarda elde edilen verilerdeki karmaşık örüntü/yapıların elde edilmesi ve araştırmacıların verecekleri kararlara destek olacak otomatik öğrenen algoritmaların geliştirilmesi; ortak özelliklere sahip değişkenlerin bulunmasında, ayrıca hastalıkların alt sınıflarının belirlenmesinde kullanılan kümeleme analizleri ve özellikle tanı destek amaçlı kullanılan diskriminant analizlerinin ve diğer sınıflandırma analizlerinin öğretilmesi, Orange ve R programlarında uygulamalarının gösterilmesi.
|
|
Dersin tanımı
|
|
|
1- |
Veri madenciliğine giriş
|
|
2- |
Verilerin ön işlemesi
|
|
3- |
Birliktelik kuralları
|
|
4- |
Kümeleme analizleri
|
|
5- |
Küme sayısının belirlenmesinde istatistiksel yöntemler
|
|
6- |
Hiyerarşik, k-ortalamalar ve SOM kümeleme yöntemleri
|
|
7- |
ARA SINAV I
|
|
8- |
Kümeleme geçerliliği istatistikleri
|
|
9- |
Diskriminant analizleri
|
|
10- |
Sınıflandırma analizleri ve değişken seçim yöntemleri
|
|
11- |
Karar ağaçları ve random forest yöntemi
|
|
12- |
ARA SINAV II
|
|
13- |
Yapay sinir ağları, Destek vektör makineleri
|
|
14- |
Boosting, bootstrap, jacknife ve çapraz geçerlilik yöntemleri, Regresyon yöntemlerine dayalı algoritmalar
|
|
15- |
FİNAL SINAVI
|
|
16- |
|
|
17- |
|
|
18- |
|
|
19- |
|
|
20- |
|
|
1- |
Verilerin ön işleme aşamalarının anlaşılması
|
|
2- |
Kümeleme analizi ile istatistiksel kararların nasıl verildiğinin incelenmesi
|
|
3- |
Sınıflandırma analizinin neden yapıldığının anlaşılması ve uygulamalarının yapılması
|
|
4- |
|
|
5- |
|
|
6- |
|
|
7- |
|
|
8- |
|
|
9- |
|
|
10- |
|
|
*Dersin program yeterliliklerine katkı seviyesi
|
|
1- |
|
|
|
2- |
|
|
|
3- |
|
|
|
4- |
|
|
|
5- |
|
|
|
6- |
|
|
|
7- |
|
|
|
8- |
|
|
|
9- |
|
|
|
10- |
|
|
|
11- |
|
|
|
12- |
|
|
|
13- |
|
|
|
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 iş yükü
|
|
|
Sayısı
|
Süresi (saat)
|
Sayı*Süre (saat)
|
|
Yüz yüze eğitim
|
14
|
3
|
42
|
|
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)
|
14
|
4
|
56
|
|
Ödevler
|
2
|
15
|
30
|
|
Sunum / Seminer hazırlama
|
0
|
0
|
0
|
|
Kısa sınavlar
|
0
|
0
|
0
|
|
Ara sınavlara hazırlık
|
2
|
10
|
20
|
|
Ara sınavlar
|
2
|
2
|
4
|
|
Proje (Yarıyıl ödevi)
|
0
|
0
|
0
|
|
Laboratuvar
|
0
|
0
|
0
|
|
Arazi çalışması
|
0
|
0
|
0
|
|
Yarıyıl sonu sınavına hazırlık
|
1
|
15
|
15
|
|
Yarıyıl sonu sınavı
|
1
|
3
|
3
|
|
Araştırma
|
0
|
0
|
0
|
|
Toplam iş yükü
|
|
|
170
|
|
AKTS
|
|
|
7.00
|
|
Değerlendirme yöntemleri ve kriterler
|
|
Yarıyıl içi değerlendirme
|
Sayısı
|
Katkı Yüzdesi
|
|
Ara sınav
|
2
|
35
|
|
Kısa sınav
|
0
|
0
|
|
Ödev
|
2
|
15
|
|
Yarıyıl içi toplam
|
|
50
|
|
Yarıyıl içi değerlendirmelerin başarıya katkı oranı
|
|
50
|
|
Yarıyıl sonu sınavının başarıya katkı oranı
|
|
50
|
|
Genel toplam
|
|
100
|
|
Önerilen veya zorunlu okuma materyalleri
|
|
Ders kitabı
|
Eğitmen Notları
|
|
Yardımcı Kaynaklar
|
[1] Jiawei Han and Micheline Kamber. Mining: Concepts and Techniques, Morgan Kaufmann Publishers, 2006
[2] Daniel T. Larose. Discovering knowledge in data : an introduction to data mining, John Wiley & Sons, Inc, 2005
[3] Hui-Hwang Hsu, editor. Advanced data mining technologies in bioinformatics, Idea Group Inc., 2006
[4] Paolo Giudici. Applied data mining : statistical methods for business and industry, John Wiley & Sons Inc.,2003
[5] K.J.Cios et. al. Data Mining, A Knowledge Discovery Approach, Springer Science+Business Media,LLC.,2007
|
|