Ana içeriğe atla

Ders Detayı

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
UYGULAMALI VERİ MADENCİLİĞİ VE İŞ ZEKASIİEVY1112887Güz Dönemi3+039
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüZorunlu
Dersin KoordinatörüProf.Dr. Gökhan SİLAHTAROĞLU
Dersi VerenlerProf.Dr. Gökhan SİLAHTAROĞLU
Dersin Yardımcıları
Dersin AmacıÖğrencilere veri tabanlarından veri ambarı yaratarak, bu veri ambarları üzerinde OLAP ve veri madenciliği modellerini kullanarak araştırma becerisi kazandırmak ve veri madenciliği algoritmalarını kod düzeyinde uygulayabilecek bilgi düzeyine getirmektir.
Dersin İçeriğiBu ders; Giriş,Veri Ambarları ve OLAP,Veri madenciliği görev analizi problem tanımı,Veri madenciliği görev analizi problem tanımı,Kümeleme Toplaşımlı ve Bölümlemeli Algoritmalar,Sınıflandırma İstatistiğe Dayalı algoritmalar,Sınıflandırma (Mesafeye Dayalı algoritmalar,Sınıflandırma Karar Ağaçları,Dolandırcılık Teşhisi,Birliktelik Analizi,Veri madenciliği işletme uygulamalarının bilgisayar yazılımlarıyla denenmesi,Metin Madenciliği,Genetik Algoritmalar ve Bulanık Mantık,Yapay Sinir Ağları; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Veri Tabanından veri ambarı üretebilecektir.13, 2E
1.1. Veri Madenciliğini açıklar.
1.2. Veri Ambarını tanımlar.
2. Veri Madenciliği Modellerini birbirleriyle ilişkilendirebilecektir. 2A
2.1. Veri Madenciliği Modellerini tanımlar.
2.2. Sınıflandırma Kavramını tanımlar.
2.3 Kümeleme kavramını tanımlar.
2.4. Bağlantı analizi kavramını tanımlar.
3. Sınıflandırma modelini uygulayabilecektir. 2E, F
3.1. Denetimli öğrenmeyi tanımlar.
3.2. Sınıf kavramını belirler.
3.3. İstatistiksel algoritmaları sıralar.
3.4. Karar ağaçlarını uygular.
3.5. Karar ağacı algoritmalarını tanımlar.
4. Kümeleme modelini uygulayabilecektir. 2E, F
4.1. Denetimsiz Öğrenmeyi tanımlar.
4.2. Kümeleme kavramını açıklar.
4.3. Kümeleme algoritmalarını sıralar.
4.4. K-means algoritmasını uygular.
4.5. Genetik algoritmaları tanımlar.
5. Bağlantı analizi modelini uygulayabilecektir. 2A, E, F
5.1. Bağlantı analizi kurallarını yorumlar.
5.2. Kaldıraç kavramını açıklar.
5.3. İlişki analizi yöntemini uygular.
6. Veri madenciliği Algoritmalarını uygulayabilecektir. 2E, F
6.1. Sınıflandırma algoritmalarını veriler üzerinde uygular.
6.2. Kümeleme algoritmalarını veriler üzerinde uygular.
Öğretim Yöntemleri:13: Örnek Olay Yöntemi, 2: Proje Temelli Öğrenme Modeli
Ölçme Yöntemleri:A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi

Ders Akışı

SıraKonularÖn Hazırlık
1Girişİlgili bölüm kitaptan okunacaktır.
2Veri Ambarları ve OLAPİlgili bölüm kitaptan okunacaktır.
3Veri madenciliği görev analizi problem tanımıİlgili bölüm kitaptan okunacaktır.
4Veri madenciliği görev analizi problem tanımıİlgili bölüm kitaptan okunacaktır.
5Kümeleme Toplaşımlı ve Bölümlemeli Algoritmalarİlgili bölüm kitaptan okunacaktır.
6Sınıflandırma İstatistiğe Dayalı algoritmalarİlgili bölüm kitaptan okunacaktır.
7Sınıflandırma (Mesafeye Dayalı algoritmalarİlgili bölüm kitaptan okunacaktır.
8Sınıflandırma Karar Ağaçlarıİlgili bölüm kitaptan okunacaktır.
9Dolandırcılık Teşhisiİlgili bölüm kitaptan okunacaktır.
10Birliktelik Analiziİlgili bölüm kitaptan okunacaktır.
11Veri madenciliği işletme uygulamalarının bilgisayar yazılımlarıyla denenmesiİlgili bölüm kitaptan okunacaktır.
12Metin Madenciliğiİlgili bölüm kitaptan okunacaktır.
13Genetik Algoritmalar ve Bulanık Mantıkİlgili bölüm kitaptan okunacaktır.
14Yapay Sinir Ağlarıİlgili bölüm kitaptan okunacaktır.
Kaynak
1. Data Mining Introductory and Advanced Topics, Margaret H. Dunham, Prentice Hall. 2. Veri Madenciliği, Papatya, Gökhan Sİlahtaroğlu 3. Veri Madenciliği Teori Uygulama ve Felsefesi, Papatya Bilim, İlker KÖSE.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Bilişim ve yönetim alanında teorik bilgileri tanımlar.
X
2
Bilişim ve yönetim alanında gerekli ileri düzeyde matematiksel ve istatistiki yöntemleri anlatır.
X
3
Enformatik, yönetim ve büyük veri ile ilgili gerekli en az bir bilgisayar programı veya teknolojiyi kullanır.
X
4
Bilişim projeleri hazırlar ve takım çalışmalarını yönetir.
5
Disiplinler arası çalışmalar yürütebilmek için farklı disiplinlerde (ekonomi, finans, sosyoloji, hukuk, işletme) temel bilgileri ve verileri analiz ederek alanında kullanır.
X
6
Büyük verileri analiz için hazırlar.
X
7
Alana özgü bilimsel tez, rapor, makale ve benzerlerini yazar.
8
Mesleki alanda yaşam boyu öğrenmenin gerekliliği bilinciyle bilim ve teknolojideki gelişmeleri izleyerek kendini sürekli yenileyip edindiği bilgi ve becerileri eleştirel olarak değerlendirir.
X
9
Alanının ilişkili olduğu disiplinler arası etkileşimi açıklar.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 50
Genel Sınavın Başarıya Oranı 50
Toplam 100
AKTS / İşyükü Tablosu
EtkinlikSayıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Saati14342
Rehberli Problem Çözme12112
Problem Çözümü / Ödev / Proje / Rapor Tanzimi12448
Okul Dışı Diğer Faaliyetler14684
Proje Sunumu / Seminer22550
Kısa Sınav (QUİZ) ve Hazırlığı166
Ara Sınav ve Hazırlığı11010
Genel Sınav ve Hazırlığı11818
Performans Görevi, Bakım Planı000
Toplam İş Yükü (Saat)270
Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(270/30)9
Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır.

Dersin Detaylı Bilgileri

Ders Tanımı

DersKoduYarıyılT+U SaatKrediAKTS
UYGULAMALI VERİ MADENCİLİĞİ VE İŞ ZEKASIİEVY1112887Güz Dönemi3+039
Ders Programı
Ön Koşul Dersleri
Önerilen Seçmeli Dersler
Dersin DiliTürkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüZorunlu
Dersin KoordinatörüProf.Dr. Gökhan SİLAHTAROĞLU
Dersi VerenlerProf.Dr. Gökhan SİLAHTAROĞLU
Dersin Yardımcıları
Dersin AmacıÖğrencilere veri tabanlarından veri ambarı yaratarak, bu veri ambarları üzerinde OLAP ve veri madenciliği modellerini kullanarak araştırma becerisi kazandırmak ve veri madenciliği algoritmalarını kod düzeyinde uygulayabilecek bilgi düzeyine getirmektir.
Dersin İçeriğiBu ders; Giriş,Veri Ambarları ve OLAP,Veri madenciliği görev analizi problem tanımı,Veri madenciliği görev analizi problem tanımı,Kümeleme Toplaşımlı ve Bölümlemeli Algoritmalar,Sınıflandırma İstatistiğe Dayalı algoritmalar,Sınıflandırma (Mesafeye Dayalı algoritmalar,Sınıflandırma Karar Ağaçları,Dolandırcılık Teşhisi,Birliktelik Analizi,Veri madenciliği işletme uygulamalarının bilgisayar yazılımlarıyla denenmesi,Metin Madenciliği,Genetik Algoritmalar ve Bulanık Mantık,Yapay Sinir Ağları; konularını içermektedir.
Dersin Öğrenme KazanımlarıÖğretim YöntemleriÖlçme Yöntemleri
1. Veri Tabanından veri ambarı üretebilecektir.13, 2E
1.1. Veri Madenciliğini açıklar.
1.2. Veri Ambarını tanımlar.
2. Veri Madenciliği Modellerini birbirleriyle ilişkilendirebilecektir. 2A
2.1. Veri Madenciliği Modellerini tanımlar.
2.2. Sınıflandırma Kavramını tanımlar.
2.3 Kümeleme kavramını tanımlar.
2.4. Bağlantı analizi kavramını tanımlar.
3. Sınıflandırma modelini uygulayabilecektir. 2E, F
3.1. Denetimli öğrenmeyi tanımlar.
3.2. Sınıf kavramını belirler.
3.3. İstatistiksel algoritmaları sıralar.
3.4. Karar ağaçlarını uygular.
3.5. Karar ağacı algoritmalarını tanımlar.
4. Kümeleme modelini uygulayabilecektir. 2E, F
4.1. Denetimsiz Öğrenmeyi tanımlar.
4.2. Kümeleme kavramını açıklar.
4.3. Kümeleme algoritmalarını sıralar.
4.4. K-means algoritmasını uygular.
4.5. Genetik algoritmaları tanımlar.
5. Bağlantı analizi modelini uygulayabilecektir. 2A, E, F
5.1. Bağlantı analizi kurallarını yorumlar.
5.2. Kaldıraç kavramını açıklar.
5.3. İlişki analizi yöntemini uygular.
6. Veri madenciliği Algoritmalarını uygulayabilecektir. 2E, F
6.1. Sınıflandırma algoritmalarını veriler üzerinde uygular.
6.2. Kümeleme algoritmalarını veriler üzerinde uygular.
Öğretim Yöntemleri:13: Örnek Olay Yöntemi, 2: Proje Temelli Öğrenme Modeli
Ölçme Yöntemleri:A: Klasik Yazılı Sınav, E: Ödev, F: Proje Görevi

Ders Akışı

SıraKonularÖn Hazırlık
1Girişİlgili bölüm kitaptan okunacaktır.
2Veri Ambarları ve OLAPİlgili bölüm kitaptan okunacaktır.
3Veri madenciliği görev analizi problem tanımıİlgili bölüm kitaptan okunacaktır.
4Veri madenciliği görev analizi problem tanımıİlgili bölüm kitaptan okunacaktır.
5Kümeleme Toplaşımlı ve Bölümlemeli Algoritmalarİlgili bölüm kitaptan okunacaktır.
6Sınıflandırma İstatistiğe Dayalı algoritmalarİlgili bölüm kitaptan okunacaktır.
7Sınıflandırma (Mesafeye Dayalı algoritmalarİlgili bölüm kitaptan okunacaktır.
8Sınıflandırma Karar Ağaçlarıİlgili bölüm kitaptan okunacaktır.
9Dolandırcılık Teşhisiİlgili bölüm kitaptan okunacaktır.
10Birliktelik Analiziİlgili bölüm kitaptan okunacaktır.
11Veri madenciliği işletme uygulamalarının bilgisayar yazılımlarıyla denenmesiİlgili bölüm kitaptan okunacaktır.
12Metin Madenciliğiİlgili bölüm kitaptan okunacaktır.
13Genetik Algoritmalar ve Bulanık Mantıkİlgili bölüm kitaptan okunacaktır.
14Yapay Sinir Ağlarıİlgili bölüm kitaptan okunacaktır.
Kaynak
1. Data Mining Introductory and Advanced Topics, Margaret H. Dunham, Prentice Hall. 2. Veri Madenciliği, Papatya, Gökhan Sİlahtaroğlu 3. Veri Madenciliği Teori Uygulama ve Felsefesi, Papatya Bilim, İlker KÖSE.

Dersin Program Yeterliliklerine Katkısı

Dersin Program Yeterliliklerine Katkısı
NoProgram Yeterliliği Katkı Düzeyi
12345
1
Bilişim ve yönetim alanında teorik bilgileri tanımlar.
X
2
Bilişim ve yönetim alanında gerekli ileri düzeyde matematiksel ve istatistiki yöntemleri anlatır.
X
3
Enformatik, yönetim ve büyük veri ile ilgili gerekli en az bir bilgisayar programı veya teknolojiyi kullanır.
X
4
Bilişim projeleri hazırlar ve takım çalışmalarını yönetir.
5
Disiplinler arası çalışmalar yürütebilmek için farklı disiplinlerde (ekonomi, finans, sosyoloji, hukuk, işletme) temel bilgileri ve verileri analiz ederek alanında kullanır.
X
6
Büyük verileri analiz için hazırlar.
X
7
Alana özgü bilimsel tez, rapor, makale ve benzerlerini yazar.
8
Mesleki alanda yaşam boyu öğrenmenin gerekliliği bilinciyle bilim ve teknolojideki gelişmeleri izleyerek kendini sürekli yenileyip edindiği bilgi ve becerileri eleştirel olarak değerlendirir.
X
9
Alanının ilişkili olduğu disiplinler arası etkileşimi açıklar.
X

Değerlendirme Sistemi

Katkı DüzeyiMutlak Değerlendirme
Ara Sınavın Başarıya Oranı 50
Genel Sınavın Başarıya Oranı 50
Toplam 100

Sayısal Veriler

Öğrenci Başarı Durumu

Ekleme Tarihi: 01/02/2023 - 11:24Son Güncelleme Tarihi: 01/02/2023 - 11:25