Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
CSE 5072	VERİ MADENCİLİĞİ VE BİLGİ KEŞFİ	SEÇMELİ	3	0	0	8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DR.ÖĞR.ÜYESİ DERYA BİRANT

Dersi Alan Birimler

Bilgisayar Mühendisliği Yüksek Lisans
Bilgisayar Mühendisliği Tezsiz Yüksek Lisans
Biyomedikal Teknolojiler Yüksek Lisans (İng)
İleri Biyomedikal Teknolojiler Sanayi Ortak Doktora
İleri Biyomedikal Teknolojiler Sanayi Ortak Bütünleşik Doktora
Bilgisayar Mühendisliği Tezsiz Yüksek Lisans (İ.Ö)
Bilgisayar Mühendisliği Bütünleşik Doktora
Bilgisayar Mühendisliği Doktora

Dersin Amacı

Bu dersin amacı, öğrencilere veri madenciliği algoritmaları ve teknikleri ile ilgili teorik bilgiler vermek ve öğrencilere farklı uygulamalar için uygun veri madenciliği teknikleri seçme ve uygulama yeteneği kazandırmaktır. Bu ders, öğrencilerin; veri önişleme, birliktelik kuralı analizi, sınıflandırma ve tahminleme ve uygulamaları ile kümeleme analizini öğrenmesini sağlayacaktır.

Dersin Öğrenme Kazanımları

1	Temel veri madenciliği kavramlarını tanımlayabilme
2	Veri ön işleme işlemlerini uygulayabilme
3	Belirli bir problemi çözmek için uygun olan veri madenciliği tekniğini belirleyebilme
4	Bir veri madenciliği modeli tasarlayabilme
5	Bir veri madenciliği algoritması uygulayabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	Veri Madenciliği Giriş
2	Veri Madenciliğine Detaylı Bakış
3	Veri Hazırlama (Veri Entegrasyonu, İndirgeme, Ön işleme ve Temizleme, Dönüşüm)
4	Sık Desenlerin Keşfi, İlişkilendirme Kuralları ve Korelasyonlar
5	Sıralı Örüntü Analizi
6	Sınıflandırma ve Tahminleme
7	Kümeleme
8	Anomali Tespiti
9	Temel Veri Madenciliği Araçları
10	Web Madenciliği
11	Metin Madenciliği
12	Multimedya ve Konumsal Veri Madenciliği
13	Veri Madenciliğinde Gizliliğin Korunması
14	Sunumlar

Ders İçin Önerilen Kaynaklar

Ana kaynak: Han, J. & Kamber, M., Data Mining: Concepts and Techniques, Morgan Kaufmann Publishers, San Francisco, Second Edition, 2006.

Yardımcı kaynaklar:
1. Roiger, R.J., & Geatz, M.W., Data Mining: A Tutorial-Based Primer, Addison Wesley, USA, 2003.
2. Dunham, M.H., Data Mining: Introductory and Advanced Topics, Prentice Hall, New Jersey, 2003

Öğrenme ve Öğretme Yöntemleri

Ders Anlatımı,
Araştırma,
Uygulama Geliştirme,
Sunum,
Dönem Projesi

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	ODV	ÖDEV
2	SUN	SUNUM
3	YSBN	YIL SONU BAŞARI NOTU	ODV * 0.50 + SUN * 0.50

*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ders sonuçları, öğrencinin bir konu üzerine yaptığı sunum ve öğrenci tarafından hazırlanan proje ve raporu ile değerlendirilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Yrd.Doç.Dr. Derya BİRANT
Dokuz Eylül Üniversitesi
Bilgisayar Mühendisliği Bölümü
Tınaztepe Yerleşkesi 35160 BUCA/İZMİR
Tel: (232) 301 74 18
E-Posta: derya@cs.deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Perşembe 10:00 - 11:00

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	14	2	28
Ödev Hazırlama	1	50	50
Sunum Hazırlama	2	20	40
Kitap Okuma	1	28	28
TOPLAM İŞ YÜKÜ (saat)			188

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.1	PK.2	PK.3	PK.4	PK.8	PK.10
ÖK.1	2	3				2
ÖK.2	3	3			2	4
ÖK.3	4	5	4	3	4	5
ÖK.4	4	5	2	4	3	5
ÖK.5	5	5	2	5		5

DERS ADI

DERECE PROGRAMLARI