Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
VERİ MADENCİLİĞİ	İkinci Düzey	HM 556		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
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 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