| Akademik Birim: |
Endüstri Mühendisliği |
| Öğrenim Türü: |
Örgün Eğitim |
| Ön Koşullar |
CMPE140 |
| Öğrenim Dili: |
İngilizce |
| Dersin Düzeyi: |
Lisans |
| Dersin Koordinatörü: |
- - |
| Dersin Amacı: |
• Öğrencilere problem çözme yaklaşımlarında algoritmik düşünmeyi tanıtmak;
• Öğrencilerin ileride oluşturacakları mühendislikteki bilgisayar uygulamalarına ve R programlama dili kullanarak algoritma uygulamalarına bir temel sağlamak.
• Öğrencilerin temel fizik ve ileri matematik bilgilerini mühendislik sorularının çözümünde uygulamalarını sağlamaktır. |
| Dersin İçeriği: |
Bu ders, endüstri mühendisleri için very analitiği ve veri madenciliği tekniklerine giriş niteliği taşımaktadır. Öğrenciler açık kaynak kodlu bir veri madenciliği programı olan R Gui ve SQL yanında, veriyi bilgisayardaki analiz ortamına yükleme, verinin görsel sunumunu gerçekleştirme ve veri madenciliği algoritmalarının temellerini ve uygulamalarını öğreneceklerdir. |
| Dersin Öğrenme Çıktıları (ÖÇ): |
- 1- Veri setlerinin görsel sunumu ve R’da temel istatistiksel analizler
- 2- İlişkisel veritabanlarını anlamak, SQL’de sorgu yaratmak ve R’a veri çekimi
- 3- Betimleyici modelleme için temel veri maden teknikleri ve R’da uygulamaları
- 4- Tahminleyici modelleme teknikleri ve R’da uygulamaları
- 5- Endüstri mühendisliği problemlerinin algoritmik çözümlerinin dizaynı, test edilmesi ve uygulanması
|
| Dersin Öğrenme Yöntem ve Teknikleri |
• Ödevler (3), • Laboratuvar Uygulamaları (6), • Bilgisayar Kullanımı (R Studio, SQL), • Yıl İçi Sınavı (1), • Proje (1), • Final Sınav (1). |
| Hafta | Konular | Ön Hazırlık |
| 1 |
Veri madenciliğinde temel kavramlar, R Programlama |
|
| 2 |
R Programlama ve SQL |
|
| 3 |
Veri Depolama ve Yönetim Yöntemleri: SQL |
Geçen haftaki lab egzersizlerinin tekrarı |
| 4 |
Betimleyici Modelleme – Uzaklık Ölçütleri |
|
| 5 |
Betimleyici Modelleme – K Ortalama Algoritması |
|
| 6 |
Betimleyici Modelleme – Hiyerarşik Gruplama |
|
| 7 |
Betimleyici Modelleme – Hiyerarşik Gruplama |
|
| 8 |
Tahminleyici Modellere Giriş |
|
| 9 |
Tahminleyici Sınıflandırma Modelleri |
|
| 10 |
Tahminleyici Sınıflandırma Modelleri |
|
| 11 |
Tahminleyici Regresyon Modelleri: Basit Doğrusal Regresyon ve R |
|
| 12 |
Tahminleyici Regresyon Modelleri: Genel Doğrusal Modeller |
|
| 13 |
Yapay Sinir Ağları Modelleri |
|
| 14 |
Yapay Sinir Ağları Modelleri |
|
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 |
| OC1 |
|
|
|
|
|
|
|
|
|
|
|
| OC2 |
|
|
|
|
|
|
|
|
|
|
|
| OC3 |
|
|
|
|
|
|
|
|
|
|
|
| OC4 |
|
|
|
|
|
|
|
|
|
|
|
| OC5 |
|
|
|
|
|
|
|
|
|
|
|
Katkı Düzeyi: 1 Düşük, 2 Orta, 3 Yüksek
