DERS TANITIM ve UYGULAMA BİLGİLERİ

Dersin Adı Kodu Yarıyıl T+U+L (saat/hafta) Türü (Z / S) Yerel Kredi AKTS
Veri Madenciliği Uygulamaları IT 406 Bahar 03+00+00 Seçmeli 3 6
Akademik Birim: Yönetim Bilişim Sistemleri
Öğrenim Türü: Örgün eğitim
Ön Koşullar IT405
Öğrenim Dili: İngilizce
Dersin Düzeyi: Lisans
Dersin Koordinatörü: Işıl YENİDOĞAN
Dersin Amacı: Veri madenciliği tekniklerini farklı alanlardan elde edilmiş veri kümelerine uygulayarak güçlendirmek.
Dersin İçeriği: Otomatik veri analizi ve organizasyonel karar verme proseslerine destek verme amacıyla iç ve dış kaynaklardan bilgi çıkarma. Farklı uygulamaları araştırma, metodolojiler, teknikler ve modeller. Sınıflandırma, Karar Ağaçları, Birliktelik Kuralları, Kümeleme. Bu ders gerçek hayattan alınan geniş veri setleriyle, güncel Veri Madenciliği yazılımları kullanılarak vaka analizi yapma ile sonlanır.
Dersin Öğrenme Çıktıları (ÖÇ):
  • 1- Veri ön işlemenin önemi, anlamı ve yöntemlerini anlamak.
  • 2- Sınıflama İle Kümeleme arasındaki farkları ayırt etme becerisi kazanmak
  • 3- Verinin ayrıklaştırılması ve indirgenmesinin önemini anlama becerisi kazanmak
  • 4- Farklı uygulama yazılımları kullanma becerisi kazanmak (ticari ve açık kaynak kodlu)
Dersin Öğrenme Yöntem ve Teknikleri Sınıfta yüz yüze yapılan dersler, çevrim içi dersler, ödevler, vize ve final projesi


HAFTALIK PROGRAM

HaftaKonularÖn Hazırlık ÖÇ
1 Veri Madenciliği Kavramsal Yaklaşımları Bölüm 2 2
2 Veriyi anlama Bölüm 3 1
3 Veri Hazırlığı Bölüm 3 1
4 Farklı sektörlerden veri kümelerine veri ön işleme tekniklerinin uygulanması 1-4
5 Veri temizliği, dönüşümü Bölüm 4 1-3-4
6 Veri indirgeme, ayrıklaştırma Bölüm 5 1-3-4
7 İlave Veri madenciliği araçları Bölüm 6 4
8 Proje Birinci Fazının Sunumu 1-2-3-4
9 Veri Madenciliği Projelerinde en sık yapılan 10 Yanlış Bölüm 20 2-3
10 Gelecekteki uygulamalar için beklentiler Bölüm 21 1-2-4
11 Doğru amaç için doğru model Bölüm 19 2-4
12 Tasarım ve Model Karmaşıklığı Bölüm 18-22 2-4
13 Dönem Projesi Sunumları 1 1-2-3-4
14 Dönem Projesi Sunumları 2 1-2-3-4


ZORUNLU ve ÖNERİLEN OKUMALAR

Ders Kitabı 1: Data Mining – Concepts, Models, Methods and Algorithms, Mehmed Kantardzic, ISBN:0-471-22852-4
Ders Kitabı 2: Data Mining , J. Han – M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6


DİĞER KAYNAKLAR

Datacamp.org
Simplilearn


DEĞERLENDİRME SİSTEMİ

Yarıyıl İçi ÇalışmalarıSayıKatkı Payı (%)
Proje 1 60
Ödev 2 20
Ara Sınavlar/Sözlü Sınavlar/Kısa Sınavlar 1 20
Total: 4 100


İŞ YÜKÜ HESAPLAMASI

EtkinliklerSayısıSüresi (saat)Toplam İş Yükü (saat)
Ders Saati14228
Uygulama14228
Proje15050
Ödev21530
Ara Sınavlar/Sözlü Sınavlar/Kısa Sınavlar11515
Toplam İş Yükü (saat):151


PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ

# PY1 PY2 PY3 PY4 PY5 PY6 PY7 PY8
OC1                
OC2                
OC3                
OC4