Dersin Adı | Kodu | Yarıyıl | T+U+L (saat/hafta) | Türü (Z / S) | Yerel Kredi | AKTS |
---|---|---|---|---|---|---|
Veri Madenciliği | CE 514 | Güz | 03+00+00 | Seçmeli | 3 | 7.5 |
Akademik Birim: | |
Öğrenim Türü: | Örgün eğitim |
Ön Koşullar | İstatistik |
Öğrenim Dili: | İngilizce |
Dersin Düzeyi: | Yüksek Lisans |
Dersin Koordinatörü: | Taner ARSAN |
Dersin Amacı: | Veri Madenciliğinin amacı veri yığınından faydalı bilgiyi bulup çıkartmaktır ve keşfedilen bilgiyi kullanarak mevcut durumu açıklamaya yardımcı olmak ve gelecekteki oluşumları tahmin etmektir. |
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 , Weka Veri Madenciliği yazılımı kullanılarak vaka analizi yapma ile sonlanır. |
Dersin Öğrenme Çıktıları (ÖÇ): | |
Dersin Öğrenme Yöntem ve Teknikleri | Sınıfta yüzyüze yapılan dersler, ödevler, proje, vize ve final sınavları |
Hafta | Konular | Ön Hazırlık |
---|
1: Data Mining ? Concepts, Models, Methods and Algorithms, Mehmed Kantardzic, ISBN:0-471-22852-2: Data Mining , J. Han ? M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6 |
Yarıyıl İçi Çalışmaları | Sayı | Katkı Payı (%) |
---|---|---|
Total: | 0 | 0 |
Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
---|---|---|---|
Toplam İş Yükü (saat): | 0 |
Dersin Adı | Kodu | Yarıyıl | T+U+L (saat/hafta) | Türü (Z / S) | Yerel Kredi | AKTS |
---|---|---|---|---|---|---|
Veri Madenciliği | CE 514 | Güz | 03+00+00 | Seçmeli | 3 | 7.5 |
Akademik Birim: | |
Öğrenim Türü: | Örgün eğitim |
Ön Koşullar | İstatistik |
Öğrenim Dili: | İngilizce |
Dersin Düzeyi: | Yüksek Lisans |
Dersin Koordinatörü: | Taner ARSAN |
Dersin Amacı: | Veri Madenciliğinin amacı veri yığınından faydalı bilgiyi bulup çıkartmaktır ve keşfedilen bilgiyi kullanarak mevcut durumu açıklamaya yardımcı olmak ve gelecekteki oluşumları tahmin etmektir. |
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 , Weka Veri Madenciliği yazılımı kullanılarak vaka analizi yapma ile sonlanır. |
Dersin Öğrenme Çıktıları (ÖÇ): | |
Dersin Öğrenme Yöntem ve Teknikleri | Sınıfta yüzyüze yapılan dersler, ödevler, proje, vize ve final sınavları |
Hafta | Konular | Ön Hazırlık |
---|
1: Data Mining ? Concepts, Models, Methods and Algorithms, Mehmed Kantardzic, ISBN:0-471-22852-2: Data Mining , J. Han ? M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6 |
Yarıyıl İçi Çalışmaları | Sayı | Katkı Payı (%) |
---|---|---|
Total: | 0 | 0 |
Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
---|---|---|---|
Toplam İş Yükü (saat): | 0 |