Giriş | English

Lisans > Mühendislik Fakültesi > Bilgisayar Mühendisliği > INTRODUCTION TO DATA MINING
 
Dersin adı Dersin seviyesi Dersin kodu Dersin tipi Dersin dönemi Yerel kredi AKTS kredisi Ders bilgileri
INTRODUCTION TO DATA MINING Birinci düzey BS 433 Seçmeli 7 3.00 3.00 Yazdır
   
Dersin tanımı
Ön koşul dersleri Yok
Eğitimin dili İngilizce
Koordinatör DOÇ. DR. METE ÇELİK
Dersi veren öğretim eleman(lar)ı YRD.DOÇ. DR. METE ÇELİK
Yardımcı öğretim eleman(lar)ı Yok
Dersin veriliş şekli Yüz Yüze
Dersin amacı Veri madenciliği problemlerinin analiz edilmesini ve bu problemler için geliştirilen temel yaklaşımları incelenmesi
Dersin tanımı Veri madenciliği problemlerinin analiz edilmesini ve bu problemler için geliştirilen temel yaklaşımları incelenmesi

Dersin içeriği
1- Giriş, veri nedir?
2- Veri analizi
3- Veri analizi
4- Birliktelik analizi
5- Birliktelik analizi
6- Sınıflandırma
7- Sınıflandırma
8- Kümeleme
9- Kümeleme
10- Anormallik tespiti
11- Anormallik tespiti
12- Veri madenciliği uygulamaları
13- Veri madenciliği uygulamaları
14- Diğer veri madenciliği konuları
15-
16-
17-
18-
19-
20-

Dersin öğrenme çıktıları
1- Veri madenciliği problemlerini tanımlama becerisi
2- Veri madenciliği tekniklerinin problem çözme için kullanılması becerisi
3- Kümeleme algoritmalarını kullanabilme becerisi
4- Sınıflandırma algoritmalarını kullanabilme becerisi
5- Anormallik tespiti algoritmalarını kullanabilme becerisi
6- Birliktelik analizi algoritmalarını kullanabilme becerisi
7-
8-
9-
10-

*Dersin program yeterliliklerine katkı seviyesi
1- Mühendislik konularında matematik ve fen bilgilerini uygulama becerisine sahip olur.
2- Bir problemi saptama, tanımlama, formüle etme ve çözme becerisine sahip olur.
3- Bir sistemi, parçayı ya da süreci tasarlama becerisine sahip olur.
4- Mühendislik uygulamaları için gerekli olan teknikleri ve araçları kullanma becerisine sahip olur.
5- Deney/proje tasarlama, uygulama ve sonuçlarını analiz ederek yorumlama becerilerine sahip olur.
6- Takım çalışmasına yatkınlık becerisine sahip olur.
7- Bireysel çalışma becerisine sahip olur.
8- Sözlü ve/veya yazılı iletişim kurma becerisine sahip olur.
9- Yaşam boyu öğrenmenin gerekliliği bilinci ve bunu gerçekleştirebilme becerisine sahip olur.
10- Mesleki ve etik sorumluluk bilinci ile hukuksal konularda bilgiye sahip olur.
11- Yönetsel becerilere (liderlik, organizasyon, zaman ve risk yönetimi, kalite bilinci, verimlilik vb) sahip olur.
12- Zamanı en iyi şekilde kullanma becerisine sahip olur.
13- Alışılmışın dışında yollar bulabilme becerisine sahip olur.
14- Yönetim becerisi, mesleki özgüven ve inisiyatif alabilme özelliklerine sahip olur.
15- Problemlere çözümler getirirken ulusal çıkarları gözetir.
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 2 28
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 4 1 4
Ödevler 0 0 0
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 1 8 8
Ara sınavlar 1 2 2
Proje (Yarıyıl ödevi) 0 0 0
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 1 10 10
Yarıyıl sonu sınavı 1 2 2
Araştırma 0 0 0
Toplam iş yükü     54
AKTS     2.00

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 40
Kısa sınav 0 0
Ödev 0 0
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 Introduction to Data Mining, P. N. Tan, M. Steinbach, V. Kumar, Addison Wesley
Yardımcı Kaynaklar Veri Madenciliği Yöntemleri, Y. Özkan, Papatya Yayınevi

Ders ile ilgili dosyalar