Dersin Adı Dersin Seviyesi Dersin Kodu Dersin Tipi Dersin Dönemi Yerel Kredi AKTS Kredisi Ders Bilgileri
VERİ MADENCİLİĞİNDE İLERİ TEKNİKLER Birinci Düzey ENM 531 1 7.50 7.50 Yazdır
   
Dersin Tanımı
Ön Koşul Dersleri -
Eğitimin Dili Türkçe
Koordinatör PROF. DR. LALE ÖZBAKIR
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 Zootekni alanında hayvan yetiştirme, hayvan besleme, hayvan ıslahı, gen kaynakları, ekoloji, biyoteknoloji ve çiftlik yönetimi konularında temel bilgileri edinme, bu bilgileri pratik ve teorik olarak kullanabilme becerisi,
2 Türkiye'de ve Dünya'da hayvancılık ve hayvansal üretimin önemini kavrama, geliştirme yeni fikirler oluşturabilme becerisi,
3 Temel ziraat ile ilgili yerli ve yabancı kaynaklardan günceli takip etme ve bilgi kaynaklarına ulaşma, kaynak araştırması yapabilme becerisi,
4 Zootekni alanına ilaveten, ziraatin diğer alanlarında da (bitkisel üretim) temel bilgilere sahip olma ve gerektiğinde bu bilgileri geliştirebilme becerisi,
5 Tarım ve Mühendislikle ilgili olarak etik değerleri kavrama ve bunlara uygun olarak hareket edebilme becerisi,
6 Büyükbaş, Küçükbaş, Kanatlı grubu hayvanları (genel çiftli hayvanları)tanımlayabilme, adlandırabilme ve yetiştirebilme, bu alanda işletme kurabilme ve işletebilme yeterliliği becerisi,
7 Hayvan genetiği, gen kaynakları ile tüm hayvansal materyalin ve çevrenin korunması ile sürdürülebilirlik için yöntemleri belirleme ve uygulama becerisi,
8 Hayvansal kaynaklı ürünlerin insan beslenmesinde öneminin ve kalite standartlarının kavranması , bu ürünlerin işlenme aşamaları, ekonomik değeri ve pazarlanma noktalarının bilgi ve becerilerinin kazanılması,
9 Zootekni alanında ilgili kişi ve kurumları bilgilendirebilme; saha çalışmaları yapabilme, bilgilerini ve sorunlara karşı çözüm önerilerini aktarabilme becerisi,
10 Çiftlik hayvanlarında fizyoloji, anatomi, üreme biyolojisi, hayvan davranışları-refahı, hayvan hastalıkları ve sağlık konusunda temel bilgiler kazanma ve gerektiğinde kullanabilme becerisi,
11 Hayvan beslenmesinin önemi, yem kaynakları ve bunların etkin şekilde kullanılması, alternatif besin kaynakları, rasyon hazırlama becerisi,
12 Araştırma ve denemeler sonucunda veri analizi, istatistik yöntemlerin uygulanması becerisi,
13 Tarımsal problemlerin çözümünde araştırma, analitik düşünme, bilgiye ulaşma ve çözüm üretme becerisi (Proje, ödev, tez, seminer, staj),
14 Tarımsal problemlerin farkında olma, onları izleyebilme, bu konularla ilgili görüşlerini açık bir şekilde sözlü ve yazılı ifade ederek iletişim kurabilme (Türk dili, sosyal içerikli ders) becerisi,
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