ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE ECTS @ IUE

ucuncuduzeymenu.asp

Ders Bilgi Formu ( BİL 454 )


   Temel bilgiler
Ders adı: Veri Madenciliği
Ders kodu: BİL 454
Öğretim üyesi: Dr. Öğr. Üyesi Burcu YILMAZ
AKTS kredisi: 6
GTÜ kredisi: 3 (3+0+0)
Yılı, Dönemi: 4, Güz ve Bahar
Dersin düzeyi: Lisans
Dersin tipi: Alan seçmeli
Öğretim dili: Türkçe
Öğretim şekli: Yüz yüze
Ön koşullar: Örüntü Tanıma
Staj durumu: Yok
Dersin amacı: Bu dersin amacı yedekleme ortamlarının gelişimine paralel olarak artan veri yığınlarının faydalı hale getirilebilmesi, karar destek sistemleri için faydalı bilgilerin sağlanabilmesi için gerekli olan işlemlerin nasıl yerine getirildiğinin öğretilmesi. Veri içerisinde yer alan gizli bilgi, örüntü ve kuralların tespiti ile verinin nasıl anlaşılır hale getirilebileceği ve elde edilen bulguların değerlendirme yöntemlerinin verilmesi bu derste amaçlanmaktadır.
   Öğrenme çıktıları Yukarı

Bu dersi başarıyla tamamlayan öğrenciler, şu yetilere sahip olurlar:

  1. Veri yığınlarındaki faydalı ve faydasız bilgiyi ayırt edebilmek

    Program Çıktılarına Katkıları

    1. Temel Bilgisayar Mühendisliği bilgisi edinmek
    2. Gerekli teknik, akademik ve pratik bilgiye ulaşmak

    Değerlendirme Tipi

    1. Yazılı sınav
    2. Laboratuvar uygulamaları/sınavları
  2. Veri içerisinde yer alan gizli bilgi, örüntü ve kuralların tespit edebilmek

    Program Çıktılarına Katkıları

    1. Tanımlanmış problemleri çözmek için yazılım ve/veya donanım tabanlı sistem, bileşen veya süreçler tasarlamak ve geliştirmek
    2. Verinin analiz ve yorumlanmasının yanı sıra deneyler tasarlayıp yürütmek

    Değerlendirme Tipi

    1. Laboratuvar uygulamaları/sınavları
  3. Veri madenciliği metodlarının performansını ve elde edilen sonuçlarını analiz edebilmek

    Program Çıktılarına Katkıları

    1. Matematik, fen ve matematik bilgilerini kullanarak mühendislik problemlerini tanımlayıp analiz etmek
    2. Verinin analiz ve yorumlanmasının yanı sıra deneyler tasarlayıp yürütmek

    Değerlendirme Tipi

    1. Ödev
    2. Laboratuvar uygulamaları/sınavları
  4. Verinin nasıl anlaşılır hale getirilebileceği yöntemin adımlarını listeleyebilmek

    Program Çıktılarına Katkıları

    1. Tanımlanmış problemleri çözmek için yazılım ve/veya donanım tabanlı sistem, bileşen veya süreçler tasarlamak ve geliştirmek
    2. Verinin analiz ve yorumlanmasının yanı sıra deneyler tasarlayıp yürütmek

    Değerlendirme Tipi

    1. Yazılı sınav
   İçerik Yukarı
1. hafta: Veri Madenciliğine Giriş
2. hafta: Veri Madenciliğinde Veri
3. hafta: Verinin Keşfedilmesi
4. hafta: Sınıflandırma: Temel Kavramlar, Karar Ağaçları, ve Model Değerlendirme
5. hafta: Sınıflandırma: Alternatif Teknikler
6. hafta: Birliktelik Kuralları: Temel Kavramlar ve Algoritmalar
7. hafta: Vize Sınavı
8. hafta: Birliktelik Kuralları: İleri Kavramlar
9. hafta: Kümeleme Analizi: Temel Kavramlar ve Algoritmalar
10. hafta: Kümeleme Analizi: Ek konular ve Algoritmalar
11. hafta: Anormallik Tespiti
12. hafta: Veri Madenciliği Yazılımları
SQL Server ile Veri Madenciliği
Web Mining
Spatial Mining
13. hafta: Text Mining ve Text Kategorization
Zaman Serileri Analizi
14. hafta: Veri Madenciliğinin Suç Tespitinde Kullanımı
Bayesian Belief Networks
Veri Madenciliğinde Mahremiyet Konusu
15. hafta*: Veri Madenciliğinin Suç Tespitinde Kullanımı
Bayesian Belief Networks
Veri Madenciliğinde Mahremiyet Konusu
16. hafta*: Final sınavı
Ders kitapları ve materyaller: Data Mining: Concepts and Techniques, By Han, Jiawei, Kamber, Micheline, 1964- Published 2001, Morgan Kaufmann, Data mining, 550 pages, ISBN 1558604898

Önerilen kaynaklar: Introduction to Data Mining, Pang-Ning Tan, Michigan State University, Michael Steinbach, University of Minnesota, Vipin Kumar, University of Minnesota, Publisher: Addison-Wesley, Copyright: 2006, Format: Cloth; 769 pp, ISBN-13: 9780321321367

Principles of Data Mining (Adaptive Computation and Machine Learning) (Hardcover) by David J. Hand (Author), Heikki Mannila (Author), Padhraic Smyth (Author)

Data Mining: Practical Machine Learning Tools and Techniques, Second Edition (Morgan Kaufmann Series in Data Management Systems) (Paperback) by Ian H. Witten (Author), Eibe Frank (Author)

Data Mining Solutions Methods and Tools for Solving Real World Problems, Christopher Westphal, Teresa Blaxton, Wiley

Kavram ve Algoritmalarıyla Temel Veri Madenciliği, Dr. Gökhan Silahtaroğlu, Birinci Baskı, Papatya Yayınları
  * 15. ve 16. haftalar arası final sınavına hazırlık haftası bulunmaktadır.
Değerlendirme Yukarı
Değerlendirme tipi Hafta numarası Ağırlık (%)
Ara sınavlar (Vizeler): 7 35
Dönem içi diğer çalışmalar: 0 0
Proje: 0 0
Ödev: 3,6,9,12 25
Kısa sınav (Quiz): 0 0
Final sınavı: 16 40
  Toplam ağırlık:
(%)
   İş yükü Yukarı
Etkinlik Süre (Haftalık saat) Toplam hafta sayısı Dönem boyu toplam iş yükü
Dersler (Yüz yüze öğretme): 3 14
Ders dışı bireysel çalışma: 1 14
Uygulama, Rehberli problem çözme: 0 0
Ödev: 4 4
Dönem projesi: 0 0
Dönem projesi sunumu: 0 0
Kısa sınav (Quiz): 0 0
Ara sınav için bireysel çalışma: 10 1
Ara sınav (Vize): 2 1
Final sınavı için bireysel çalışma: 10 1
Final sınavı: 3 1
    Toplam işyükü:
    Toplam AKTS kredisi:
*
  * AKTS kredisi, toplam iş yükünün 25'e bölümüdür. (1 AKTS = 25 saatlik iş yükü)
-->