DERS TANITIM ve UYGULAMA BİLGİLERİ

Dersin Adı Kodu Yarıyıl T+U+L (saat/hafta) Türü (Z / S) Yerel Kredi AKTS
Veri Madenciliği ve İş Zekasına Giriş MIS 325 Güz 03+00+00 Seçmeli 3 7
Akademik Birim: Yönetim Bilişim Sistemleri Bölümü
Öğrenim Türü: Örgün Eğitim
Ön Koşullar Yok
Öğrenim Dili: İngilizce
Dersin Düzeyi: Lisans
Dersin Koordinatörü: Hasan DAĞ
Dersi Veren(ler): Hasan DAĞ, Fatih Yetkin
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):
  • 1- Veri yığınından faydalı bilgiyi bulup çıkarma becerisi kazandıracaktır.
  • 2- Veri yığınını analiz etme, temizleme ve birleştirme becerisi kazandıracaktır.
  • 3- Veri indirgeme bilgi ve becerisi kazandırmak
  • 4- Eğiticili ve eğiticisiz yöntemler ile sınıflama ve kümeleme bilgi ve becerisi kazandırmak
  • 5- Birliktelik kurallarını çıkartma ve değerlendirme bilgi ve becerisi kazandırmak
Dersin Öğrenme Yöntem ve Teknikleri Sınıfta yüzyüze yapılan dersler, ödevler, proje, vize ve final sınavları


HAFTALIK PROGRAM

HaftaKonularÖn Hazırlık
1 Veri Madenciliğine Giriş Ders Kitabı 2- Bölüm 1
2 Veri Madenciliği Kavramları ve Veri Önişleme Ders Kitabı 1-Bölüm 1 and Bölüm 2
3 Veri İndirgeme ve Ayrıklaştırma-I Ders Kitabı 1- Bölüm 3
4 Veri İndirgeme ve Ayrıklaştırma-II Ders Kitabı 1- Bölüm 3
5 Karar Ağaçları ve Karar Kuralları Ders Kitabı 1- Bölüm 7
6 İstatistiksel Metodlarla Sınıflama- Naive Bayes Sınıflayıcı Ders Kitabı 1- Bölüm 5
7 Sınıflama ve Kümeleme Yöntemlerinin Değerlendirilmesi, Sınıf Karışıklık Matrisi Ders Kitabı 1- Bölüm 4
8 Yıliçi Sınavı
9 Kümeleme ve Benzerlik Ölçüleri Ders Kitabı 1- Bölüm 6
10 Kümeleme Metodları- K-Means Algorithm Ders Kitabı 1- Bölüm 6
11 Kümeleme Metodları- Hiyerarşik Kümeleme Ders Kitabı 1- Bölüm 8
12 Birliktelik Kuralları, Market Sepeti Analizi, Apriori Algoritması Ders Kitabı 2- Bölüm 3
13 Veri Madenciliğinde Kullanılan Güncel Araçlar
14 Proje Sunumları Proje Sunumları


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

Çevrimiçi kaynaklar, araştırma grupları


DEĞERLENDİRME SİSTEMİ

Yarıyıl İçi ÇalışmalarıSayıKatkı Payı (%)
Proje 1 15
Ödev 2 20
Final Sınavı 1 40
Ara Sınavlar 1 25
Total: 5 100


İŞ YÜKÜ HESAPLAMASI

EtkinliklerSayısıSüresi (saat)Toplam İş Yükü (saat)
Ders Saati14342
Proje14040
Ödev22040
Final Sınavı13333
Ara Sınavlar12020
Toplam İş Yükü (saat):175


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

# PY1 PY2 PY3 PY4 PY5 PY6 PY7 PY8 PY9 PY10 PY11
OC1                      
OC2                      
OC3                      
OC4                      
OC5