Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
VERİ MADENCİLİĞİNDE İLERİ TEKNİKLER	İkinci Düzey	ENM 531	Seçmeli	1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	-
Eğitimin Dili	Türkçe
Koordinatör
Dersi Veren Öğretim Eleman(lar)ı	DOÇ. DR. MİHRİMAH ÖZMEN
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	Birliktelik Kuralları
5	Sınıflandırma -Yapay sinir ağları
6	Sınıflandırma -Karar ağacı tabanlı yöntemler
7	Sınıflandırma -Bellek tabanlı yöntemler
8	Vize
9	Sınıflandırma -İstatistiksel sınıflandırma yöntemleri
10	Kümeleme -Hiyerarşik yöntemler
11	Kümeleme- Bölümlemeli yöntemler
12	Kümeleme-Yoğunluk tabanlı ve model tabanlı yöntemler
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 yöntemleri hakkında bilgi sahibi olma
2	Büyük boyutlu veri kümeleri üzerinde uygun veri madenciliği görevini belirleyebilme ve tekniklerini uygulayabilme
3	Veri madenciliği sonuçlarını yorumlayabilme
4	-
5	-
6	-
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Uzmanlığını kullanarak endüstri mühendisliği problemlerini tanımlayabilme ve yenilikçi çözümler üretebilme becerisi kazanır.
2	Alanında karşılaşılabilecek sorunları tanımlayarak uygun modelleme yöntemleri ile çözme becerisi kazanır.
3	Konusunda, ulusal ve uluslararası düzeydeki bilimsel çalışmaları takip ederek alanındaki bilimsel ve teknolojik gelişmeleri derinlemesine izleyebilme yeteneği kazanır.
4	Sistemlerin modellenmesi, benzetimi ve matematiksel ifade etme yeteneği kazanır. Endüstri Mühendisliği problemlerini inceleyebilmek için deneyler tasarlama, gerçekleştirme, veri toplama, verileri analiz etme ve sonuçları yorumlama yeteneği kazanır.
5	Endüstri Mühendisliği problemlerini inceleyebilmek için deneyler tasarlama, gerçekleştirme, veri toplama, verileri analiz etme ve sonuçları yorumlama yeteneği kazanır.
6	Disiplinler arası yapıdaki problemleri çözmek için disiplinler arası takımlara ulaşarak onlarla işbirliği yapabilme yeteneği kazanır.
7	Fakülte çalışanı birisinin gözetimi altında sunulabilir bir çalışma yapma yeteneği kazanır.
8	Endüstriyel ve sistemsel teknik bilgileri profesyonel seviyede yazılı, sözlü ve iş grafikleri formatında iletebilme yeteneği kazanır.
9	Bilimsel yayın yapabilme yeteneği kazanır.
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	13	3	39
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	2	30	60
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	1	3	3
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			186
AKTS			7.50

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	J.Han and M.Kamber, "Data Mining Concept and Techniques", Morgan Kaufmann Publishers, 2001.
Yardımcı Kaynaklar	D.Pyle, "Data Preparation for Data Mining", Morgan Kaufmann Publishers, 1999. P. Perner, "Advances in Data Mining", Springer-Verlag, 2002. Yalçın Özkan, Veri madenciligi yöntemleri, Papatya Yayıncılık, 2008. Gökhan Silahtaroglu, Kavram ve algoritmalarıyla temel veri madenciligi, Papatya Yayıncılık, 2008.

Ders İle İlgili Dosyalar