Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
VERİ MADENCİLİĞİ Birinci Düzey HM 556 Seçmeli 7 3.00 3.00 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri -
Eğitimin Dili Türkçe
Koordinatör
Dersi Veren Öğretim Eleman(lar)ı Yrd. Doç. Dr. Ahmet Emin Karkınlı
Yardımcı Öğretim Eleman(lar)ı Yrd. Doç. Dr. Ahmet Emin Karkınlı
Dersin Veriliş Şekli Yüzyüze
Dersin Amacı Bu ders veri madenciliği alanındaki temel konuları sunmayı, farklı veri madenciliği konularına çözüm olabilecek algoritmalara genel bir yaklaşım sağlamayı ve bu algortimaları gerçek problemlere uygulamayı hedeflemektedir.
Dersin Tanımı Veri madenciliğine konusuna bir giriş olan bu ders temel Veri Önişleme, İlişkilendirme Kuralları, Sınıflandırma ve Demetleme algoritmaları ve bunların uygulamalarını içerir.

Dersin İçeriği
1 Veri madenciliğine giriş
2 Veri: Veri çeşitleri, Verinin niteliği, Verinin hazırlanması, Benzerlik ve Farklılık ölçümleri.
3 Veri ön işleme teknikleri.
4 Sınıflandırma Yöntemleri; Temel kavram ve algoritmalar
5 Kümeleme: Temel kavram ve algoritmalar
6 Sınıflandırma Yöntemleri; Karar Ağaçları
7 Ara Sınav
8 Sınıflandırma Yöntemleri; Bayes sınıflandırma
9 Sınıflandırma Yöntemleri; Destek Vektör Makinaları
10 Sınıflandırma Yöntemleri; Yapay sinir ağları
11 Kümeleme Yöntemleri; KMeans, KMeans+
12 Kümeleme Yöntemleri; Fuzzy CMeans,
13 Veri Madenciliği Uygulamaları
14 Proje sunumları
15
16
17
18
19
20

Dersin Öğrenme Çıktıları
1 Farklı veri madenciliği uygulamaları ile ilgili kapsamlı anlama.
2 Veri madenciliği uygulama ve problemlerinin çözümlerini yorumlayıp analiz edebilme.
3 Çeşitli algoritmaları kullanarak örüntü çıkarabilme.
4 Veri madenciliği algoritmalarını gerçeklemek.
5
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi
1 Matematik, fen bilimleri ve harita mühendisliği disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi.
2 Karmaşık mühendislik problemlerini tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi.
3 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi.
4 Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi.
5 Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi.
6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi.
7 Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi.
8 Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi.
9 Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve mühendislik uygulamalarında kullanılan standartlar hakkında bilgi.
10 Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi.
11 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık.
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 İş Yükü
  Sayısı Süresi (saat) Sayı*Süre (saat)
Yüz yüze eğitim 14 2 28
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme) 14 2 28
Ödevler 0 0 0
Sunum / Seminer hazırlama 0 0 0
Kısa sınavlar 0 0 0
Ara sınavlara hazırlık 0 0 0
Ara sınavlar 1 4 4
Proje (Yarıyıl ödevi) 0 0 0
Laboratuvar 0 0 0
Arazi çalışması 0 0 0
Yarıyıl sonu sınavına hazırlık 0 0 0
Yarıyıl sonu sınavı 1 4 4
Araştırma 0 0 0
Toplam iş yükü     64
AKTS     3.00

Değerlendirme yöntemleri ve kriterler
Yarıyıl içi değerlendirme Sayısı Katkı Yüzdesi
Ara sınav 1 100
Kısa sınav 0 0
Ödev 0 0
Yarıyıl içi toplam   100
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, Jiawei, Jian Pei, and Micheline Kamber. Data mining: concepts and techniques. Elsevier, 2011.
Yardımcı Kaynaklar Margaret Dunham (2002). Data Mining: Introductory and Advanced Topics. Prentice Hall. ISBN 0130888923.

Ders İle İlgili Dosyalar