VERİ MADENCİLİĞİ

BTS587

Ders Kodu: BTS587
Yarıyıl: -
Teori+Uygulama: 3 + 0
AKTS: 10

Dersin Türü

Seçmeli

Dersin Düzeyi

Tezli Yüksek Lisans

Dersin Yılı

Dersin Yarıyılı

AKTS

Öğretim Eleman(lar)ı

Öğrenme Kazanımları

Bu dersin sonunda öğrenciler;

Veri madenciliği uygulamaları açısından bir standart olan CRISP-DM standardını ve genel olarak veri madenciliğinin çeşitli aşamalarını ve yöntemlerini uygulamayı öğrenmiş olacaklardır
Bu bağlamda örnek bir yazılım aracı olarak da WEKA yazılım paketini kullanmayı öğreneceklerdir.

Veriliş Biçimi

Yüz Yüze

Önkoşullar

Yok

Önerilen Dersler

Bu dersle ilişkili önerilen başka dersler bulunmamaktadır.

Ders Tanımı

Ölçme ve veri, veri analizi ve belirsizlik, model ve örüntü, arama ve optimizasyon, sınıflama ve regresyon, örüntü ve kural bulma, uygulamalar ve projeler

Ders İçeriği

HAFTA	KONULAR
1. Hafta	Giriş: Veri madenciliği nedir?
2. Hafta	Bazı temel kavramlar
3. Hafta	Basit örnekler
4. Hafta	CRISP-DM standardı
5. Hafta	Verilerin hazırlanması ve önemi
6. Hafta	Veri analizine giriş
7. Hafta	WEKA yazılımı
8. Hafta	ARA SINAV
9. Hafta	Karar kuralları ve karar ağaçları
10. Hafta	Karar kuralları ve karar ağaçları
11. Hafta	Doğrusal regresyon modelleri
12. Hafta	Doğrusal sınıflama modelleri
13. Hafta	Kümele yöntemleri
14. Hafta	Uygulama/Proje Sunumları

Kaynaklar

Data Mining, I.H. Witten, E. Frank, Morgan Kaufmann, 2005.

Discovering Knowledge in Data: An Introduction to Data Mining, D.T. Larose, John Wİley & Sons, 2005.

Principles of Data Mining, D.J. Hand, H. Manila, P. Smith, MIT Press, 2001.

Öğretim Yöntemleri

Anlatım
Soru-Cevap
Sorun/Problem Çözme
Diğer

Değerlendirme

	Sayısı	Toplam Katkısı (%)
Ara Sınav	1	30
Ödev	5	10
Proje	1	10
Toplam(%)		50
Yıl İçinin Başarıya Oranı(%)		50
Finalin Başarıya Oranı(%)		50
Toplam(%)		100

Dil

Türkçe

Staj / Uygulama

Yok

Program Yeterlilikleri / Öğrenme Kazanımları

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