• 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 VYA 5010 VERİ MADENCİLİĞİ UYGULAMALARI SEÇMELİ 3 0 0 5

Dersi Veren Birim

Veri Yönetimi ve Analizi Yüksek Lisans

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

PROF.DR. ALİ KEMAL ŞEHİRLİOĞLU

Dersi Alan Birimler

Veri Yönetimi ve Analizi Yüksek Lisans

Dersin Amacı

Bu ders veri madenciliğinin istatiksel, makine öğrenimi ve veri tabanı yönünden temellerini içerip öğrenciye veri madenciliğini tanıtmak ve kullanımını yaygınlaştırmayı amaçlamaktadır.

Dersin Öğrenme Kazanımları

1   1. Analiz amacına uygun olacak veri madenciliği yöntemlerini seçebilme 2   2. Sınıflandırma algoritmalarını kullanabilme 3   3. Gruplama algoritmalarını kullanabilme 4   4. Sepet analizini kullanabilme 5   5. Veri madenciliği yazılımlarını kullanabilme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama 1 Giriş ve Genel Tanımlar 2 Veri Madenciliğinin Uygulama Alanları. Veri Madenciliğinde kullanılan hazır programların tanıtılması 3 Elektronik Tablo Programlarında Veri Madenciliği 4 Verinin analize hazırlanması (adımları) 5 OLAP 6 Sınıflandırma ve Kümeleme 7 Karar Ağaçları 8 Ara Sınav 9 Veri Madenciliğinde istatistik 10 Veri Madenciliğinde diğer madencilik teknikleri-Web ve Metin Madenciliği 11 Veri Madenciliğinde Yapay Zeka 12 Veri Madenciliğinde Yapay Sinir Ağları 13 Birliktelik Kuralları 14 Örnek Uygulamalar 15 Final haftası 16 Final haftası

Ders İçin Önerilen Kaynaklar

1. Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to Data Mining, Addison Wesley, (2005). 2. Gökhan Silahtaroğlu, Kavram ve Algoritmalarıyla Temel Veri Madenciliği, Papatya Yayıncılık (2008)

Öğrenme ve Öğretme Yöntemleri

1- Anlatım Metodu, 2-Uygulamalarla Gösterme Metodu, 3-Belirlenen Vakaların Tartışılarak Analizi Metodu

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL 1 ARS ARASINAV 2 YYC YARIYIL İÇİ ÇALIŞMA 3 YYS YARIYIL SONU SINAVI 4 YYBN YARIYIL SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + YYS* 0.40 5 BUT BÜTÜNLEME 6 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS * 0.30 + YYC * 0.30 + BUT* 0.40 *** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Ara sınav notu, dönem içi çalışmalar ve Final notunun ağırlıklı ortalaması 75 ve üzeri olmalıdır.

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

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 13 3 39 Haftalık Ders öncesi/sonrası hazırlıklar 13 3 39 Vize Sınavına Hazırlık 1 20 20 Final Sınavına Hazırlık 1 30 30 Final Sınavı 1 3 3 Vize Sınavı 1 3 3 TOPLAM İŞ YÜKÜ (saat) 134

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK PK.1 PK.2 PK.3 PK.4 PK.5 PK.6 PK.7 PK.8 PK.9 PK.10 ÖK.1 1 1 1 1 1 1 ÖK.2 1 1 1 1 1 1 ÖK.3 1 1 1 1 1 1 ÖK.4 1 1 1 1 1 1 ÖK.5 1 1 1 1 1 1 1 1 1 1