Bilişim Sistemleri (YL) (Tezsiz) (İngilizce) | |||||
Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey |
Ders Kodu: | EBIS517 | ||||||||
Ders İsmi: | Data Mining | ||||||||
Ders Yarıyılı: | Güz | ||||||||
Ders Kredileri: |
|
||||||||
Öğretim Dili: | EN | ||||||||
Ders Koşulu: | |||||||||
Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||
Dersin Türü: | Bölüm Seçmeli | ||||||||
Dersin Seviyesi: |
|
||||||||
Dersin Veriliş Şekli: | Yüz yüze | ||||||||
Dersin Koordinatörü: | Dr.Öğr.Üyesi FERİDUN CEMAL ÖZÇAKIR | ||||||||
Dersi Veren(ler): | |||||||||
Dersin Yardımcıları: |
Dersin Amacı: | Bu ders ile öğrenciler, veritabanlarında bilgi keşfi süreçlerini, veri madenciliği kavramını, yöntemlerini ve sık olarak kullanılan veri madenciliği algoritmalarını öğrenecekler ve bu algoritmaları basit seviyede uygulayacaklardır. |
Dersin İçeriği: | Veri; enformasyon ve bilgi kavramları; Veri madenciliğine giriş; Veritabanlarında bilgi keşfi (VTBK); Veritabanları; OLTP; Veri ambarları; Veri küpleri; OLAP; VTBK- veri seçimi; VTBK- veri önişleme (veri temizleme - veri dönüşümü); Sınıflama yöntemleri (karar ağaçları; ID3 ve bayes algoritmaları; vb);Kümeleme yöntemleri (k-means; k-medoids; dbscan algoritmaları; vb); Birliktelik-ilişki kuralları (market sepet; apriori algoritması; vb.); Apriori algoritması ile veri madenciliği çalışması örneklemesi. |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
Hafta | Konu | Ön Hazırlık |
1) | Veri, enformasyon ve bilgi kavramları | Projeksiyon, Bilgisayar |
2) | Veri madenciliği kavramı ve veritabanlarında bilgi keşfi süreçlerine giriş | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
3) | Veritabanları, veri ambarları, veri modelleri, OLTP ve OLAP | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
4) | Veritabanlarında bilgi keşfi süreçleri: Veri seçimi ve Veri önişleme | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
5) | Veritabanlarında bilgi keşfi süreçleri: Veri indirgeme | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
6) | Veri madenciliği yöntemleri: Sınıflama (Karar ağaçları, Bayes, Naive Bayes) | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
7) | Veri madenciliği yöntemleri: Sınıflama (ID3) | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
8) | Veri madenciliği yöntemleri: Kümeleme (AGNES, DIANA, K-Means, K-Medoids ve DB-SCAN) | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
9) | ARA SINAV | |
10) | Veri madenciliği yöntemleri: Birliktelik Kuralı (Destek ve Güven değerleri) | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
11) | Veri madenciliği yöntemleri: Birliktelik Kuralı (Market Sepeti) | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
12) | Veri madenciliği yöntemleri: Birliktelik Kuralı (Apriori Algoritması) | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
13) | Öğrenci Sunumları (Veri Madenciliği Algoritmaları) | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
14) | Öğrenci Sunumları (Veri Madenciliği Algoritmaları) | Projeksiyon, Bilgisayar, Kaynak Kitaplar |
Ders Notları / Kitaplar: | Veri Madenciliği Ders Notları - Feridun Özçakır Data Mining Concepts and Tecniques - Jiawei Han, Micheline Kamber – Elsevier 2006 |
Diğer Kaynaklar: | Principles of Data Mining – Max Bramer - Springer-Verlag London Limited 2007 Data Mining Methods and Models - Daniel T. Larose - John Wiley & Sons - 2006 |
Ders Öğrenme Kazanımları | 1 |
2 |
3 |
---|---|---|---|
Program Kazanımları |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı |
Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
Ödev | |
Grup Projesi | |
Sunum |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Devam | 42 | % 5 |
Sunum | 1 | % 20 |
Ara Sınavlar | 1 | % 25 |
Final | 1 | % 50 |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 50 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 50 | |
Toplam | % 100 |
Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
Ders Saati | 14 | 3 | 42 |
Sunum / Seminer | 1 | 10 | 10 |
Ödevler | 5 | 2 | 10 |
Küçük Sınavlar | 3 | 1 | 3 |
Ara Sınavlar | 1 | 2 | 2 |
Rapor Teslimi | 1 | 4 | 4 |
Final | 1 | 2 | 2 |
Toplam İş Yükü | 73 |