• ANASAYFA
• ÜNİVERSİTE HAKKINDA
  • İsim - Adres
  • Genel Bilgi
  • Üniversite Yönetimi
  • Akademik Takvim
  • Derece Programları
  • Yabancı Dilde Eğitim Veren Birimler
  • Genel Kabul ve Kayıt Koşulları
  • Kredi Hareketliliği ve Önceki Öğrenmenin Tanınması
  • AKTS Kredilerinin Belirlenmesi
  • Akademik Danışmanlık
  • İletişim
• DERECE PROGRAMLARI
  • Doktora Programları
  • Yüksek Lisans Programları
  • Lisans Programları
  • Önlisans Programları
• ÖĞRENCİ İÇİN GENEL BİLGİLER
  • Yaşam Standardı
  • Barınma
  • Beslenme
  • Sağlık
  • Engelli İçin Olanaklar
  • Sigorta
  • Finansal Destekler
  • Öğrenci İşleri Daire Başkanlığı
  • Uluslararası Öğrenciler için Pratik Bilgiler
  • Dil Kursları
  • Staj Olanakları
  • Sportif, Sosyal ve Kültürel Faaliyetler
  • Öğrenci Toplulukları ve Kulüpler
  • İzmir-Türkiye Hakkında
• ULUSLARARASI İLİŞKİLER
  • Dış İlişkiler Koordinatörlüğü
  • Kayıt İşlemleri
  • Anlaşmalar
  • Koordinatörler
  • Belgeler
  • Yabancı Dilde Eğitim Veren Birimler
  • AKTS/DE Etiketi

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS MBG 6121 VERİ MADENCİLİĞİ TEKNİKLERİ SEÇMELİ 3 0 0 12

Dersi Veren Birim

Moleküler Biyoloji ve Genetik Doktora

Dersin Düzeyi

Doktora

Ders Koordinatörü

YRD.DOÇENT GÖKHAN KARAKÜLAH

Dersi Alan Birimler

Moleküler Biyoloji ve Genetik Doktora

Dersin Amacı

Öğrencilere veri madenciliği, veri işleme, ve genomik çalışmalarındaki veri mağdenclik teknikleri kavramlarını sağlamak.

Dersin Öğrenme Kazanımları

1   Veri madenciliği kavramını anlamak. 2   Yüksek verimli genomik verinin analizi için temel veri madenciliği tekniklerinin kullanmak. 3   Genomik veriden analiz yapmak ve anlamlı bilgi elde etmek için uygun veri madenciliği tekniğinin seçebilmek. 4   Veri madenciliği konusundaki zorlukların farkında olmak. 5   Veri madenciliği algoritmalarının çıktılarını genomik kavramında yorumlamak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Veri madenciliği ve genel tekniklerin temelleri 2 Değişken tipler ve tanımlayıcı istatistik 3 Benzerlik, benzemezlik, veri canlandırma 4 Veri işleme teknikleri (temizleme ve birleşme) 5 Veri önişleme teknikleri (küçültme, dönüştürme, ayrıklaştırma) 6 Veri madenciliği sık görülen desenler, ilişkiler, ve korelasyonlar (bağlılaşımlar) 7 Sınıflandırma ve karar ağaçlarının temel kavramları 8 Ara sınav 9 Bayes ve kural tabanı sınıflandırmalar 10 Destek vektör makinaları ve tembel öğreniciler 11 Küme analizi ve paylaştırma metotları 12 Hiyerarşik kümelendirme 13 Aykırı değer belirleme ve aykırı değer analizi 14 Veri madenciliğindeki trendler ve araştırma sınırları 15 Ödev sunumları 16 Final sınav

Ders İçin Önerilen Kaynaklar

Ana Kaynak: 1. Han, Jiawei, Micheline Kamber, and Jian Pei. Data mining: concepts and techniques. (3rd edition) Elsevier, 2011.

Öğrenme ve Öğretme Yöntemleri

Powerpoint sunumlarıyla teorik derslerin sunulması ve ödev sunumların öğrenciler tarafından sunulması.

Değerlendirme Yöntemleri

Başarılı / Başarısız

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

gokhan.karakulah@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat) Ders Anlatımı 15 2 30 Uygulama 15 2 30 Haftalık Ders öncesi/sonrası hazırlıklar 15 4 60 Vize Sınavına Hazırlık 1 15 15 Final Sınavına Hazırlık 1 25 25 Ödev Hazırlama 1 30 30 Ödev Hazırlama 1 40 40 Sunum Hazırlama 15 5 75 Final Sınavı 1 2 2 Vize Sınavı 1 3 3 TOPLAM İŞ YÜKÜ (saat) 310

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 ÖK.1 2 ÖK.2 2 ÖK.3 2 ÖK.4 2 ÖK.5 2