BİLGİ SÜZGEÇLEME

BİL562

Ders Kodu: BİL562
Yarıyıl: -
Teori+Uygulama: 3 + 0
AKTS: 10

Dersin Türü

Seçmeli

Dersin Düzeyi

Tezsiz Yüksek Lisans

Dersin Yılı

Dersin Yarıyılı

AKTS

Öğretim Eleman(lar)ı

Öğrenme Kazanımları

Bu dersin sonunda öğrenciler;

Veri madenciliği teknikleri ve bilgi süzgeçleme sistemlerinin temel kavramları ve işlemlerini açıklar.
Bilgi süzgeçleme için genel algoritma ve teknikleri açıklar.
IR sistemleri ve veri madenciliği teknikleri için sayısal değerlendirme metodlarını açıklar.
Popüler olasılıksal süzgeçleme metodları ve sıralama ilkelerini açıklar.
Arama motorları ve amazon kitap/Last.fm önerici sistemlerinde olan pratik süzgeçleme ve veri madenciliği sistemlerindeki teknikleri ve algoritmalarını bilir.
MapReduce konuları, portfolyo süzgeçleme ve online reklamcılık için varolan teknikleri açıklar.

Veriliş Biçimi

Yüz Yüze

Önkoşullar

Yok

Önerilen Dersler

Yok

Ders Tanımı

Veri madenciliği ve bilgi süzgeçleme kavramları. Yazımsal bilgi öğeleri için indexleme teknikleri. Süzgeçleme Metodları. Süzgeçleme performansı ölçümü. Önerici sistemler ve ortaklaşa süzgeçleme için teknikler. Veri madenciliği ve çözümleyici sistemlerin teknik ve algoritmaları. Eşler arası bilgi süzgeçleme ve MapReduce

Ders İçeriği

HAFTA	KONULAR
1. Hafta	Veri madenciliği ve bilgi süzgeçleme kavramları;
2. Hafta	Veri madenciliği ve bilgi süzgeçleme kavramları;
3. Hafta	Yazımsal bilgi öğeleri için indeksleme teknikleri;
4. Hafta	Yazımsal bilgi öğeleri için indeksleme teknikleri;
5. Hafta	Süzgeçleme Metodları;
6. Hafta	Süzgeçleme Metodları;
7. Hafta	Süzgeçleme performansı ölçümü;
8. Hafta	Ara-sınav
9. Hafta	Önerici sistemler ve ortaklaşa süzgeçleme için teknikler;
10. Hafta	Önerici sistemler ve ortaklaşa süzgeçleme için teknikler;
11. Hafta	Veri madenciliği ve çözümleyici sistemlerin teknik ve algoritmaları;
12. Hafta	Veri madenciliği ve çözümleyici sistemlerin teknik ve algoritmaları;
13. Hafta	Eşler arası bilgi süzgeçleme ve MapReduce
14. Hafta	Eşler arası bilgi süzgeçleme ve MapReduce

Kaynaklar

1. Introduction to Information Retrieval, Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Cambridge University Press. 2008.
2. Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach and Vipin Kumar, Addison-Wesley, 2006
3. Gigabytes (2nd Ed.) Ian H. Witten, Alistair Moffat and Timothy C. Bell. (1999), Morgan Kaufmann, San Francisco, California.
4. Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer (2006).

Öğretim Yöntemleri

Anlatım
Soru-Cevap
Sunum
Eğitim-Uygulama
Proje
Rapor Hazırlama
Sorun/Problem Çözme

Değerlendirme

	Sayısı	Toplam Katkısı (%)
Ara Sınav	1	30
Ödev	1	10
Proje	1	20
Toplam(%)		60
Yıl İçinin Başarıya Oranı(%)		60
Finalin Başarıya Oranı(%)		40
Toplam(%)		100

AKTS İş Yükü

Aktivite	Sayı	Süre (Saat)	İş Yükü
Ara Sınav	1	2	2
Kısa Sınavlara hazırlık
Sınıf Dışı Ders Çalışma Süresi	14	11	154
Final Sınavına Hazırlık	1	69	69
Ders Saati	14	3	42
Ara Sınava Hazırlık	1	44	44
Laboratuvar
Final Sınavı	1	2	2
Ödevler
Toplam İş Yükü			313
Toplam İş Yükü / 30			10.43
Dersin AKTS Kredisi			10

Dil

Türkçe

Staj / Uygulama

Yok

Program Yeterlilikleri / Öğrenme Kazanımları

	Ö1	Ö2	Ö3	Ö4	Ö5	Ö6
P1	X	X	X	X	X	X
P2		X	X
P3		X				X
P4		X			X
P5	X	X	X			X
P6					X	X
P7					X	X
P8	X	X	X	X
P9
P10		X	X
P11					X	X
P12	X	X	X	X	X	X

	Ö1	Ö2	Ö3	Ö4	Ö5	Ö6
P1	X	X	X	X	X	X
P2		X	X
P3		X				X
P4		X			X
P5	X	X	X			X
P6					X	X
P7					X	X
P8	X	X	X	X
P9
P10		X	X
P11					X	X
P12	X	X	X	X	X	X

	Ö1	Ö2	Ö3	Ö4	Ö5	Ö6
P1	X	X	X	X	X	X
P2		X	X
P3		X				X
P4		X			X
P5	X	X	X			X
P6					X	X
P7					X	X
P8	X	X	X	X
P9
P10		X	X
P11					X	X
P12	X	X	X	X	X	X

	Ö1	Ö2	Ö3	Ö4	Ö5	Ö6
P1	X	X	X	X	X	X
P2		X	X
P3		X				X
P4		X			X
P5	X	X	X			X
P6					X	X
P7					X	X
P8	X	X	X	X
P9
P10		X	X
P11					X	X
P12	X	X	X	X	X	X