| Akademik Birim: |
Yönetim Bilişim Sistemleri Bölümü |
| Öğrenim Türü: |
Örgün Eğitim |
| Ön Koşullar |
Yok |
| Öğrenim Dili: |
İngilizce |
| Dersin Düzeyi: |
Lisans |
| Dersin Koordinatörü: |
- - |
| 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 |
| Hafta | Konular | Ön 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 |
Kadir Has Üniversitesi'nde bir dönem 14 haftadır, 15. ve 16. hafta sınav haftalarıdır.
PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ
| # |
PY1 |
PY2 |
PY3 |
PY4 |
PY5 |
PY6 |
PY7 |
PY8 |
PY9 |
PY10 |
PY11 |
PY12 |
| OC1 |
|
|
|
|
|
|
|
|
|
|
|
|
| OC2 |
|
|
|
|
|
|
|
|
|
|
|
|
| OC3 |
|
|
|
|
|
|
|
|
|
|
|
|
| OC4 |
|
|
|
|
|
|
|
|
|
|
|
|
| OC5 |
|
|
|
|
|
|
|
|
|
|
|
|
Katkı Düzeyi: 1 Düşük, 2 Orta, 3 Yüksek
