| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Data Mining | CE435 | 7. Yarıyıl | 3 + 0 | 3,0 | 5,0 |
| Ön Koşullar | Yok |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Ders |
| Dersin Verilişi | Yüz yüze |
| Dersin Koordinatörü |
Öğr. Gör. Dr. Osman AKBULUT |
| Dersi Verenler |
Öğr. Gör. Dr. Osman AKBULUT |
| Dersin Yardımcıları | |
| Dersin Amacı | Büyük veri kümelerinden anlamlı bilgi çıkarmak ve karar destek sistemlerine katkıda bulunmak için öğrencilerde temel veri madenciliği teknikleri ve yöntemlerine yönelik bir altyapı oluşturmak. |
| Dersin İçeriği | Veri ön işleme, veri madenciliği süreçleri, sınıflandırma, kümeleme, birliktelik kuralları, veri madenciliğinde kullanılan algoritmalar, değerlendirme yöntemleri, büyük veri analizi ve görselleştirme teknikleri. |
| Ders Öğrenme Kazanımları |
- Veri ön işleme yöntemleri - Veri madenciliği süreçlerini kavrama - Sınıflandırma algoritmalarının uygulanması - Kümeleme yöntemlerinin uygulanması - Birliktelik kurallarını kullanarak ilişkiler keşfetme - Büyük veri analizi ve görselleştirme tekniklerini uygulama |
| Hafta | Konular | Öğretim Yöntemleri |
|---|---|---|
| 1. Hafta | Veri madenciliğine giriş | |
| 2. Hafta | Veri ön işleme teknikleri | |
| 3. Hafta | Veri madenciliği süreçleri | |
| 4. Hafta | Sınıflandırma: Karar ağaçları | |
| 5. Hafta | Sınıflandırma: Naive Bayes | |
| 6. Hafta | Sınıflandırma: K-En Yakın Komşu | |
| 7. Hafta | Kümeleme: K-means | |
| 8. Hafta | Kümeleme: Hiyerarşik yöntemler | |
| 9. Hafta | Birliktelik kuralları: Apriori algoritması ve Örnek uygulamaları | |
| 10. Hafta | Birliktelik kuralları: FP-Growth | |
| 11. Hafta | Büyük veri analizi ve Hadoop | |
| 12. Hafta | Veri görselleştirme teknikleri | |
| 13. Hafta | Performans değerlendirme | |
| 14. Hafta | Veri madenciliği uygulamaları |
| Ian H. Witten, Eibe Frank, Mark A. Hall, and Christopher J. Pal. 2016. Data Mining, Fourth Edition: Practical Machine Learning Tools and Techniques (4th. ed.). Morgan Kaufmann Publishers Inc., San Francisco, CA, USA. |
| Han, J., Kamber, M. & Pei, J. (2012). Data mining concepts and techniques, third edition Morgan Kaufmann Publishers |
| Ders Notları |
| Program Yeterlilik | Katkı Düzeyi | DK1 | DK2 | DK3 | DK4 | DK5 | DK6 | Ölçme Yöntemi |
|---|
| 0 | 1 | 2 | 3 | 4 | 5 | |
|---|---|---|---|---|---|---|
| Ders Katkı Düzeyi | Yok | Çok Düşük | Düşük | Orta | Yüksek | Çok Yüksek |
| Ölçme Yöntemi | Yazılı sınav | Sözlü sınav | Ödev/Proje | Laboratuvar Çalışması | Sunum /Seminer |
| Etkinlik | Sayısı | Süresi (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ara Sınav 1 | 1 | 14 | 14 |
| Ödev 1 | 14 | 4 | 56 |
| Final | 1 | 15,5 | 15,5 |
| Uygulama | 1 | 14 | 14 |
| Sınıf İçi Etkinlik | 2 | 14 | 28 |
| Toplam İş Yükü | 127,5 | ||
| Dersin AKTS Kredisi | 5,0 | ||
