Dersin Adı Ders Kodu Yarıyılı Teori
(Saat/Hafta)		 Uygulama
(Saat/Hafta)		 Akts
VERİ MADENCİLİĞİ BSM520 2 3 0 7,0
Önkoşul(lar)-var ise
Dersin Dili
Dersin Türü Yüksek Lisans - Tezli
Dersin sorumlusu(ları) Dr. Öğr. Üyesi ULAŞ VURAL
Dersin Amacı Bu dersin amacı; kayıtlı verilerin değerli bilgiye dönüştürülmesi için gerekli olan temel yöntemler ile uygulanan yöntemlerin etkinliklerinin ölçüm yöntemlerinin öğretilmesidir.
Dersin Verilme Şekli Örgün
Sıra No Dersin Öğrenme Çıktıları Öğretim Yöntemleri Değerlendirme Yöntemleri Program Yeterliliklerini Karşılama Düzeyi(1)(2)(3)(4)(5)
1 To distinguish useful and irrelevant information in data sets
1 Veri yığınlarındaki faydalı ve faydasız bilgiyi ayırt edebilmek Anlatım Sınav 1
2 Veri içerisinde yer alan ve açıkça gözükmeyen bilgi, örüntü ve kuralları tespit edebilmek Anlatım Sınav 1
2 To identify hidden information, patterns, and rules within the data
3 To analyze the performance of data mining methods and the obtained results
3 Veri madenciliği metodlarının performansını ve elde edilen sonuçlarını analiz edebilmek Anlatım Sınav 1
4 Verinin nasıl anlaşılır hale getirilebileceği yöntemin adımlarını listeleyebilmek Anlatım Sınav 1
4 To list the steps of how data can be made understandable
5
5
6
6
7
7
8
8
9
9
10
10
11
11
12
12
13
13
14
14
15
15
Dersin İçeriği
Bu ders kapsamında; Veri Madenciliğine Giriş, Veri Ön İşleme, Veri Görselleştirme, Öznitelik Kavramları , Kümeleme, Birliktelik Analizi, İki Sınıflı Sınıflandırıcılar, Çok Sınıflı Sınıflandırıcılar, Anomali Tespiti, Zaman-serisi Analizi: İstatistiksel Yöntemler, Web ve Metin Madenciliği, Büyük Veri Analizi - Araçlar, Büyük Veri Analizi Uygulaması konuları işlenecektir.
Kaynaklar
1. Han, J., Pei, J., & Tong, H. (2022). Data mining: concepts and techniques. Morgan kaufmann.
Haftalara Göre İşlenecek Konular
Haftalar Konular Dokümanlar
1 . Hafta Veri Madenciliğine Giriş
1 . Hafta Introduction to Data Mining
2 . Hafta Data Preprocessing
2 . Hafta Veri Ön İşleme
3 . Hafta Veri Görselleştirme
3 . Hafta Data Visualization
4 . Hafta Attribute Concepts
4 . Hafta Öznitelik Kavramları
5 . Hafta Kümeleme
5 . Hafta Clustering
6 . Hafta Association Analysis
6 . Hafta Birliktelik Analizi
7 . Hafta İki Sınıflı Sınıflandırıcılar
7 . Hafta Binary Classification
8 . Hafta Midterm Exam
8 . Hafta Ara sınav
9 . Hafta Çok Sınıflı Sınıflandırıcılar
9 . Hafta Multiclass Classification
10 . Hafta Anomaly Detection
10 . Hafta Anomali Tespiti
11 . Hafta Zaman-serisi Analizi: İstatistiksel Yöntemler
11 . Hafta Time Series Analysis: Statistical Methods
12 . Hafta Time Series Analysis: Statistical Methods
12 . Hafta Zaman-serisi Analizi: İstatistiksel Yöntemler
13 . Hafta Web ve Metin Madenciliği
13 . Hafta Web and Text Mining
14 . Hafta Big Data Analysis - Tools
14 . Hafta Büyük Veri Analizi - Araçlar
15 . Hafta Büyük Veri Analizi Uygulaması
15 . Hafta Big Data Analysis Application
16 . Hafta Final Sınavı
Değerlendirme Sistemi
Yarıyıl içi çalışmaları Sayısı Katkı Payı (%)
Yarıyıl İçi Çalışmaları 1 30
Ara Sınav 0 0
Final Sınavı 0 0
0 0
0 0
0 0
1 40
0 0
0 0
0 0
6 30
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
Toplam 100
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı 2 30
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 1 0
Toplam 100
AKTS (Öğrenci İş Yükü) Tablosu
Etkinlikler Sayısı Süresi Toplam İş Yükü
Ders süresi (sınav haftası dahil: 16xders saati) 1 2 2
Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) 0 0 0
Ara Sınav 0 0 0
Dönem Sonu Sınavı 0 0 0
0 0 0
0 0 0
0 0 0
1 2 2
0 0 0
0 0 0
0 0 0
6 7 42
0 0 0
0 0 0
0 0 0
0 0 0
14 3 42
7 4 28
7 4 28
14 4 56
0 0 0
Toplam İş Yükü 200
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
Sıra No Program Yeterlilikleri Katkı Düzeyi*
1 2 3 4 5
1 It defines the multidisciplinary scope of the field of information technologies and the interaction between related disciplines. X
2 Gain comprehensive knowledge about current techniques and methods applied in the field of information technologies and their limitations, effects and results. X
3 By doing applied research in the field of information technologies, it reaches the information in depth and in depth, evaluates the information and applies the results. X
4 Complements and applies knowledge with scientific methods, using uncertain, limited or incomplete data; integrates knowledge from different disciplines. X
5 Develops algorithms and methods to solve defined engineering management problems and applies innovative methods in solutions. X
6 Can work effectively in disciplinary and multi-disciplinary teams, lead such teams and develop solution approaches in complex situations; can work independently and take responsibility. X
7 Be aware of new and developing applications in the field of information technologies and have the ability to examine and learn about them. X
8 Uses advanced methods and software and communication technologies used in the field of technology. X
9 Analyzes problems in different fields, develops solutions and implements solutions using information technologies. X
10 Can realize information technology applications by considering entrepreneurship and innovation dimensions. X
11 It observes social, scientific and ethical values ​​in the stages of data collection, interpretation, announcement and in all professional activities. X