Ders Detayı
Ders Tanımı
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
UYGULAMALI VERİ MADENCİLİĞİ VE İŞ ZEKASI | İEVY1112887 | Güz Dönemi | 3+0 | 3 | 9 |
Ders Programı |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | Türkçe |
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Zorunlu |
Dersin Koordinatörü | Prof.Dr. Gökhan SİLAHTAROĞLU |
Dersi Verenler | Prof.Dr. Gökhan SİLAHTAROĞLU |
Dersin Yardımcıları | |
Dersin Amacı | Öğrencilere 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 İçeriği | Bu 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 Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. Veri Tabanından veri ambarı üretebilecektir. | 13, 2 | E |
1.1. Veri Madenciliğini açıklar. | ||
1.2. Veri Ambarını tanımlar. | ||
2. Veri Madenciliği Modellerini birbirleriyle ilişkilendirebilecektir. | 2 | A |
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. | 2 | E, 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. | 2 | E, 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. | 2 | A, E, F |
5.1. Bağlantı analizi kurallarını yorumlar. | ||
5.2. Kaldıraç kavramını açıklar. | ||
5.3. İlişki analizi yöntemini uygular. | ||
6. Veri madenciliği Algoritmalarını uygulayabilecektir. | 2 | E, 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
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Giriş | İlgili bölüm kitaptan okunacaktır. |
2 | Veri Ambarları ve OLAP | İlgili bölüm kitaptan okunacaktır. |
3 | Veri madenciliği görev analizi problem tanımı | İlgili bölüm kitaptan okunacaktır. |
4 | Veri madenciliği görev analizi problem tanımı | İlgili bölüm kitaptan okunacaktır. |
5 | Kümeleme Toplaşımlı ve Bölümlemeli Algoritmalar | İlgili bölüm kitaptan okunacaktır. |
6 | Sınıflandırma İstatistiğe Dayalı algoritmalar | İlgili bölüm kitaptan okunacaktır. |
7 | Sınıflandırma (Mesafeye Dayalı algoritmalar | İlgili bölüm kitaptan okunacaktır. |
8 | Sınıflandırma Karar Ağaçları | İlgili bölüm kitaptan okunacaktır. |
9 | Dolandırcılık Teşhisi | İlgili bölüm kitaptan okunacaktır. |
10 | Birliktelik Analizi | İlgili bölüm kitaptan okunacaktır. |
11 | Veri madenciliği işletme uygulamalarının bilgisayar yazılımlarıyla denenmesi | İlgili bölüm kitaptan okunacaktır. |
12 | Metin Madenciliği | İlgili bölüm kitaptan okunacaktır. |
13 | Genetik Algoritmalar ve Bulanık Mantık | İlgili bölüm kitaptan okunacaktır. |
14 | Yapay Sinir Ağları | İlgili 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 | |||||||
No | Program Yeterliliği | Katkı Düzeyi | |||||
1 | 2 | 3 | 4 | 5 | |||
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 Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |
AKTS / İşyükü Tablosu | ||||||
Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
Ders Saati | 14 | 3 | 42 | |||
Rehberli Problem Çözme | 12 | 1 | 12 | |||
Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 12 | 4 | 48 | |||
Okul Dışı Diğer Faaliyetler | 14 | 6 | 84 | |||
Proje Sunumu / Seminer | 2 | 25 | 50 | |||
Kısa Sınav (QUİZ) ve Hazırlığı | 1 | 6 | 6 | |||
Ara Sınav ve Hazırlığı | 1 | 10 | 10 | |||
Genel Sınav ve Hazırlığı | 1 | 18 | 18 | |||
Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
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
Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
UYGULAMALI VERİ MADENCİLİĞİ VE İŞ ZEKASI | İEVY1112887 | Güz Dönemi | 3+0 | 3 | 9 |
Ders Programı |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler |
Dersin Dili | Türkçe |
Dersin Seviyesi | Yüksek Lisans |
Dersin Türü | Zorunlu |
Dersin Koordinatörü | Prof.Dr. Gökhan SİLAHTAROĞLU |
Dersi Verenler | Prof.Dr. Gökhan SİLAHTAROĞLU |
Dersin Yardımcıları | |
Dersin Amacı | Öğrencilere 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 İçeriği | Bu 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 Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
1. Veri Tabanından veri ambarı üretebilecektir. | 13, 2 | E |
1.1. Veri Madenciliğini açıklar. | ||
1.2. Veri Ambarını tanımlar. | ||
2. Veri Madenciliği Modellerini birbirleriyle ilişkilendirebilecektir. | 2 | A |
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. | 2 | E, 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. | 2 | E, 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. | 2 | A, E, F |
5.1. Bağlantı analizi kurallarını yorumlar. | ||
5.2. Kaldıraç kavramını açıklar. | ||
5.3. İlişki analizi yöntemini uygular. | ||
6. Veri madenciliği Algoritmalarını uygulayabilecektir. | 2 | E, 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
Sıra | Konular | Ön Hazırlık |
---|---|---|
1 | Giriş | İlgili bölüm kitaptan okunacaktır. |
2 | Veri Ambarları ve OLAP | İlgili bölüm kitaptan okunacaktır. |
3 | Veri madenciliği görev analizi problem tanımı | İlgili bölüm kitaptan okunacaktır. |
4 | Veri madenciliği görev analizi problem tanımı | İlgili bölüm kitaptan okunacaktır. |
5 | Kümeleme Toplaşımlı ve Bölümlemeli Algoritmalar | İlgili bölüm kitaptan okunacaktır. |
6 | Sınıflandırma İstatistiğe Dayalı algoritmalar | İlgili bölüm kitaptan okunacaktır. |
7 | Sınıflandırma (Mesafeye Dayalı algoritmalar | İlgili bölüm kitaptan okunacaktır. |
8 | Sınıflandırma Karar Ağaçları | İlgili bölüm kitaptan okunacaktır. |
9 | Dolandırcılık Teşhisi | İlgili bölüm kitaptan okunacaktır. |
10 | Birliktelik Analizi | İlgili bölüm kitaptan okunacaktır. |
11 | Veri madenciliği işletme uygulamalarının bilgisayar yazılımlarıyla denenmesi | İlgili bölüm kitaptan okunacaktır. |
12 | Metin Madenciliği | İlgili bölüm kitaptan okunacaktır. |
13 | Genetik Algoritmalar ve Bulanık Mantık | İlgili bölüm kitaptan okunacaktır. |
14 | Yapay Sinir Ağları | İlgili 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 | |||||||
No | Program Yeterliliği | Katkı Düzeyi | |||||
1 | 2 | 3 | 4 | 5 | |||
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 Düzeyi | Mutlak Değerlendirme | |
Ara Sınavın Başarıya Oranı | 50 | |
Genel Sınavın Başarıya Oranı | 50 | |
Toplam | 100 |