VERİ MADENCİLİĞİ

BİS507

Ders Kodu: BİS507
Yarıyıl: -
Teori+Uygulama: 2 + 2
AKTS: 10

Dersin Türü

Seçmeli

Dersin Düzeyi

Tezsiz Yüksek Lisans

Dersin Yılı

Dersin Yarıyılı

AKTS

Öğretim Eleman(lar)ı

Profesör Doktor Mustafa Sert

Öğrenme Kazanımları

Bu dersin sonunda öğrenciler;

Lineer cebir (matrisler) ve istatistik uygulamalarını MATLAB ile yapmayı görür.
Veri - Haber - Bilgi ilişkisini ve farklarını öğrenir.
Veri incelemesi konusunu öğrenir.
Sınıflandırma, İlişki Analizi, Küme Analizi ve Anormallik Saptaması konuları genel olarak inceledikten sonra bazı algoritmaları örnek veriler üstünde uygular.

Veriliş Biçimi

Uzaktan Eğitim

Önkoşullar

Yok

Önerilen Dersler

Yok

Ders Tanımı

Veri Madenciliğine Giriş. Lineer Cebir (Matrisler) ve İstatistik konularına genel bakış ve bazı MATLAB Uygulamaları. Veri - Haber - Bilgi ilişkileri ve farklılıklar. Veri Madenciliği ve Veri İncelemesi. Sınıflandırma - Genel. Sınıflandırma - Algoritmalar. Sınıflandırma - Uygulamalar. İlişki Analizi - Genel. İlişki Analizi - Algoritmalar ve Uygulama. Küme Analizi - Genel. Küme Analizi - Algoritmalar, Küme Analizi - Uygulamalar. Anormallik Saptaması - Genel. Anormallik Saptaması - Algoritmalar ve Uygulama.

Ders İçeriği

HAFTA	KONULAR
1. Hafta	Veri Madenciliğine Giriş.
2. Hafta	Lineer Cebir (Matrisler) ve İstatistik konularına genel bakış ve bazı MATLAB Uygulamaları.
3. Hafta	Veri - Haber - Bilgi: İlişkileri ve farklılıklar.
4. Hafta	Veri Madenciliği ve Veri İncelemesi.
5. Hafta	Sınıflandırma - Genel & Algoritmalar.
6. Hafta	Sınıflandırma - Uygulamalar.
7. Hafta	İlişki Analizi- Genel.
8. Hafta	İlişki Analizi - Algoritmalar ve Uygulama.
9. Hafta	Küme Analizi - Genel.
10. Hafta	Küme Analizi - Algorithms.
11. Hafta	Küme Analizi - Applications.
12. Hafta	Anormallik Saptaması - Genel.
13. Hafta	Anormallik Saptaması - Algoritmalar ve Uygulama.
14. Hafta	Final Sınavı

Kaynaklar

Ders Kitabı: Tan, P.N., M. Steinbach, V. Kumar, "Data Mining", Pearson, 2007.
Ek Kaynaklar:
1. Turban, E., Sharda, R. & Delen, D.,"Decision Support and Business Intelligence Systems", Pearson, 9th Ed., 2011.
2. Olson, D. &Shi, Y.,"Introduction to Business Data Mining", McGraw-Hill, 2007.
3. Han, J. and M. Kamber, "Data Mining", Morgan Kaufman, 2.ed. 2006.
4. Mitchell, T.M.,"Machine Learning", McGraw-Hill, 1997.

Öğretim Yöntemleri

Anlatım

Değerlendirme

	Sayısı	Toplam Katkısı (%)
Ödev	1	20
Toplam(%)		20
Yıl İçinin Başarıya Oranı(%)		20
Finalin Başarıya Oranı(%)		80
Toplam(%)		100

AKTS İş Yükü

Aktivite	Sayı	Süre (Saat)	İş Yükü
Ara Sınav
Kısa Sınavlara hazırlık
Sınıf Dışı Ders Çalışma Süresi	14	3	42
Final Sınavına Hazırlık	1	40	40
Ders Saati	14	3	42
Ara Sınava Hazırlık
Laboratuvar
Final Sınavı	1	2	2
Ödevler
Sunum (Hazırlık dahil)	1	80	80
Proje	1	80	80
Toplam İş Yükü			286
Toplam İş Yükü / 30			9.53
Dersin AKTS Kredisi			10

Dil

Türkçe

Staj / Uygulama

Yok

Program Yeterlilikleri / Öğrenme Kazanımları

	Ö1	Ö2	Ö3	Ö4
P1	X			X
P2	X	X	X	X
P3	X	X		X
P4	X	X	X	X
P5	X		X	X
P6	X		X	X
P7				X
P8	X	X	X	X
P9
P10				X
P11
P12

	Ö1	Ö2	Ö3	Ö4
P1	X			X
P2	X	X	X	X
P3	X	X		X
P4	X	X	X	X
P5	X		X	X
P6	X		X	X
P7				X
P8	X	X	X	X
P9
P10				X
P11
P12

	Ö1	Ö2	Ö3	Ö4
P1	X			X
P2	X	X	X	X
P3	X	X		X
P4	X	X	X	X
P5	X		X	X
P6	X		X	X
P7				X
P8	X	X	X	X
P9
P10				X
P11
P12

	Ö1	Ö2	Ö3	Ö4
P1	X			X
P2	X	X	X	X
P3	X	X		X
P4	X	X	X	X
P5	X		X	X
P6	X		X	X
P7				X
P8	X	X	X	X
P9
P10				X
P11
P12