Ders Detayı
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| VERİ MADENCİLİĞİ | - | Güz Dönemi | 1+2 | 2 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Doç.Dr. Başak GEZMEN |
| Dersi Verenler | Öğr.Gör. Zafer DEMİRKOL |
| Dersin Yardımcıları | |
| Dersin Amacı | Veri madenciliği temel kavramlarını öğretir ve verilerden anlamlı sonuçlar çıkararak yararlı bilgiler elde edilmesini sağlar. |
| Dersin İçeriği | Bu ders; Veri Bilimi, Dersin işlenişi ve içeriğinin açıklanması,Verinin tanımı, Veri setleri ile çalışma,Pandas Kütüphanesi ile Veri setlerini Manipüle etme,Verilerin Analizi ve Özetlenmesi,Veri Görselleştirme tanımı ve temel bileşenleri,Keşifsel veri Analizi teknikleri,Uygulama: Veri Toplama, Keşifsel Veri Analizi,Uygulama: Veri Görselleştirme uygulamaları,Makine öğrenimi temel kavramları,Makine öğrenim algoritmaları,Uygulama: Lineer Regression,Sınıflandırma Problemleri,Uygulama: Sınıflandırma Uygulaması,Derin öğrenme temel kavramları; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Veri Toplama yöntemlerini kavrar. | 16, 6, 9 | A, E |
| Veri Setleri Yönetimi analizini yapar. | 16, 6, 9 | A, E |
| Veri Görselleştirme kategorilerini çözümler | 16, 6, 9 | E |
| Öğretim Yöntemleri: | 16: Soru - Cevap Tekniği , 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
| Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Veri Bilimi, Dersin işlenişi ve içeriğinin açıklanması | ilgili kaynaktan ilgili bölümlerin okunması |
| 2 | Verinin tanımı, Veri setleri ile çalışma | ilgili kaynaktan ilgili bölümlerin okunması |
| 3 | Pandas Kütüphanesi ile Veri setlerini Manipüle etme | ilgili kaynaktan ilgili bölümlerin okunması |
| 4 | Verilerin Analizi ve Özetlenmesi | ilgili kaynaktan ilgili bölümlerin okunması |
| 5 | Veri Görselleştirme tanımı ve temel bileşenleri | ilgili kaynaktan ilgili bölümlerin okunması |
| 6 | Keşifsel veri Analizi teknikleri | ilgili kaynaktan ilgili bölümlerin okunması |
| 7 | Uygulama: Veri Toplama, Keşifsel Veri Analizi | ilgili kaynaktan ilgili bölümlerin okunması |
| 8 | Uygulama: Veri Görselleştirme uygulamaları | ilgili kaynaktan ilgili bölümlerin okunması |
| 9 | Makine öğrenimi temel kavramları | ilgili kaynaktan ilgili bölümlerin okunması |
| 10 | Makine öğrenim algoritmaları | ilgili kaynaktan ilgili bölümlerin okunması |
| 11 | Uygulama: Lineer Regression | ilgili kaynaktan ilgili bölümlerin okunması |
| 12 | Sınıflandırma Problemleri | ilgili kaynaktan ilgili bölümlerin okunması |
| 13 | Uygulama: Sınıflandırma Uygulaması | ilgili kaynaktan ilgili bölümlerin okunması |
| 14 | Derin öğrenme temel kavramları | ilgili kaynaktan ilgili bölümlerin okunması |
| Kaynak |
| Florin Gorunescu. Data Mining- Concepts, Models and Techniques. Springer Publishing, 2011 Graham J. WilliamsSimeon J. Simoff, Data Mining Theory, Methodology, Techniques, and Applications, Springer, 2006 Joel Grus , Data Science from Scratch: First Principles with Python, O'Reilly Media, 2019 |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yeni Medya ve İletişim Sistemleri disiplinlerinin temel kavramlarını ve bu disiplinlerin temel kuramlarını bilir. | X | |||||
| 2 | Yeni Medya ve İletişim Sistemleri ile ilgili olguları belirler ve bu olguları çeşitli boyutları ile analiz edebilir. | X | |||||
| 3 | Medya kuruluşlarının ihtiyaçlarını analiz eder ve bu doğrultuda iletişim sistem süreçlerini planlar ve uygular. | X | |||||
| 4 | Yeni medya projelerini planlar ve uygulamaya koyar. | X | |||||
| 5 | Alanı ile ilgili projelerde gerekli durumlarda sorumluluk alarak ortaya çıkan sorunları çözebilir. | X | |||||
| 6 | Alanı ile ilgili projeler için kurulan bir ekipte yer alabilir, projeye liderlik yapabilir, etkinlikleri planlayabilir ve yönetebilir. | X | |||||
| 7 | Yeni Medya ve İletişim Sistemleri disiplinlerine ve alt disiplinlerine ait kuramsal ve olgusal sorunları bilimsel yöntemlerle araştırabilir, bulguları analiz eder ve bilimsel yayına dönüştürebilir. | X | |||||
| 8 | Yaşam boyu öğrenme prensibini kendisine ilke edinir. Alanı ile ilgili olarak gelişmeleri, yenilikleri, fikirleri, yöntem ve teknikleri düzenli olarak takip ederek kendi çalışmalarında etkin bir şekilde kullanır. | X | |||||
| 9 | Bir yabancı dilde en az Avrupa dil Portföyü B1 Genel düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | X | |||||
| 10 | Mesleki ve bilimsel çalışmalarında yeni iletişim teknolojilerini etkin bir şekilde kullanır ve yeni iletişim teknolojilerindeki gelişmeleri sürekli olarak takip eder. | X | |||||
| 11 | Sosyal sorumluluk faaliyetleri planlar ve bu faaliyetlerin gerçekleştirilmesinde görev alır. | X | |||||
| 12 | Mesleki ve bilimsel çalışmalarında etik kodlara bağlı kalacak şekilde hareket eder. | X | |||||
| 13 | Yeni medya ve iletişim sistemlerine ait araç ve yazılımlarını etkin bir şekilde kullanır. | X | |||||
| 14 | Medya kuruluşlarına yönelik olarak yeni medya projeleri geliştirir ve bütün süreci yönetir. | X | |||||
| 15 | Çevreye, sosyal hakların evrenselliğine ve kültürel değerlerin korunmasına karşı duyarlıdır. | ||||||
| 16 | İş sağlığı ve güvenliği konusunda bilgilidir ve bu bilgileri gerektiği zaman kullanır. | ||||||
| 17 | Türkçeyi bilimsel ve mesleki çalışmalarda akıcı ve doğru bir biçimde kullanır. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |
| AKTS / İşyükü Tablosu | ||||||
| Etkinlik | Sayı | Süresi (Saat) | Toplam İş Yükü (Saat) | |||
| Ders Saati | 14 | 3 | 42 | |||
| Rehberli Problem Çözme | 20 | 1 | 20 | |||
| Problem Çözümü / Ödev / Proje / Rapor Tanzimi | 20 | 1 | 20 | |||
| Okul Dışı Diğer Faaliyetler | 14 | 2 | 28 | |||
| Proje Sunumu / Seminer | 0 | 0 | 0 | |||
| Kısa Sınav (QUİZ) ve Hazırlığı | 0 | 0 | 0 | |||
| Ara Sınav ve Hazırlığı | 1 | 20 | 20 | |||
| Genel Sınav ve Hazırlığı | 1 | 20 | 20 | |||
| Performans Görevi, Bakım Planı | 0 | 0 | 0 | |||
| Toplam İş Yükü (Saat) | 150 | |||||
| Dersin AKTS Kredisi = Toplam İş Yükü (Saat)/30*=(150/30) | 5 | |||||
| Dersin AKTS Kredisi: *30 saatlik çalışma 1 AKTS kredisi sayılmaktadır. | ||||||
Dersin Detaylı Bilgileri
Ders Tanımı
| Ders | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| VERİ MADENCİLİĞİ | - | Güz Dönemi | 1+2 | 2 | 5 |
| Ders Programı |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Programa Bağlı Seçmeli |
| Dersin Koordinatörü | Doç.Dr. Başak GEZMEN |
| Dersi Verenler | Öğr.Gör. Zafer DEMİRKOL |
| Dersin Yardımcıları | |
| Dersin Amacı | Veri madenciliği temel kavramlarını öğretir ve verilerden anlamlı sonuçlar çıkararak yararlı bilgiler elde edilmesini sağlar. |
| Dersin İçeriği | Bu ders; Veri Bilimi, Dersin işlenişi ve içeriğinin açıklanması,Verinin tanımı, Veri setleri ile çalışma,Pandas Kütüphanesi ile Veri setlerini Manipüle etme,Verilerin Analizi ve Özetlenmesi,Veri Görselleştirme tanımı ve temel bileşenleri,Keşifsel veri Analizi teknikleri,Uygulama: Veri Toplama, Keşifsel Veri Analizi,Uygulama: Veri Görselleştirme uygulamaları,Makine öğrenimi temel kavramları,Makine öğrenim algoritmaları,Uygulama: Lineer Regression,Sınıflandırma Problemleri,Uygulama: Sınıflandırma Uygulaması,Derin öğrenme temel kavramları; konularını içermektedir. |
| Dersin Öğrenme Kazanımları | Öğretim Yöntemleri | Ölçme Yöntemleri |
| Veri Toplama yöntemlerini kavrar. | 16, 6, 9 | A, E |
| Veri Setleri Yönetimi analizini yapar. | 16, 6, 9 | A, E |
| Veri Görselleştirme kategorilerini çözümler | 16, 6, 9 | E |
| Öğretim Yöntemleri: | 16: Soru - Cevap Tekniği , 6: Deneyimle Öğrenme Modeli, 9: Anlatım Yöntemi |
| Ölçme Yöntemleri: | A: Klasik Yazılı Sınav, E: Ödev |
Ders Akışı
| Sıra | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Veri Bilimi, Dersin işlenişi ve içeriğinin açıklanması | ilgili kaynaktan ilgili bölümlerin okunması |
| 2 | Verinin tanımı, Veri setleri ile çalışma | ilgili kaynaktan ilgili bölümlerin okunması |
| 3 | Pandas Kütüphanesi ile Veri setlerini Manipüle etme | ilgili kaynaktan ilgili bölümlerin okunması |
| 4 | Verilerin Analizi ve Özetlenmesi | ilgili kaynaktan ilgili bölümlerin okunması |
| 5 | Veri Görselleştirme tanımı ve temel bileşenleri | ilgili kaynaktan ilgili bölümlerin okunması |
| 6 | Keşifsel veri Analizi teknikleri | ilgili kaynaktan ilgili bölümlerin okunması |
| 7 | Uygulama: Veri Toplama, Keşifsel Veri Analizi | ilgili kaynaktan ilgili bölümlerin okunması |
| 8 | Uygulama: Veri Görselleştirme uygulamaları | ilgili kaynaktan ilgili bölümlerin okunması |
| 9 | Makine öğrenimi temel kavramları | ilgili kaynaktan ilgili bölümlerin okunması |
| 10 | Makine öğrenim algoritmaları | ilgili kaynaktan ilgili bölümlerin okunması |
| 11 | Uygulama: Lineer Regression | ilgili kaynaktan ilgili bölümlerin okunması |
| 12 | Sınıflandırma Problemleri | ilgili kaynaktan ilgili bölümlerin okunması |
| 13 | Uygulama: Sınıflandırma Uygulaması | ilgili kaynaktan ilgili bölümlerin okunması |
| 14 | Derin öğrenme temel kavramları | ilgili kaynaktan ilgili bölümlerin okunması |
| Kaynak |
| Florin Gorunescu. Data Mining- Concepts, Models and Techniques. Springer Publishing, 2011 Graham J. WilliamsSimeon J. Simoff, Data Mining Theory, Methodology, Techniques, and Applications, Springer, 2006 Joel Grus , Data Science from Scratch: First Principles with Python, O'Reilly Media, 2019 |
Dersin Program Yeterliliklerine Katkısı
| Dersin Program Yeterliliklerine Katkısı | |||||||
| No | Program Yeterliliği | Katkı Düzeyi | |||||
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yeni Medya ve İletişim Sistemleri disiplinlerinin temel kavramlarını ve bu disiplinlerin temel kuramlarını bilir. | X | |||||
| 2 | Yeni Medya ve İletişim Sistemleri ile ilgili olguları belirler ve bu olguları çeşitli boyutları ile analiz edebilir. | X | |||||
| 3 | Medya kuruluşlarının ihtiyaçlarını analiz eder ve bu doğrultuda iletişim sistem süreçlerini planlar ve uygular. | X | |||||
| 4 | Yeni medya projelerini planlar ve uygulamaya koyar. | X | |||||
| 5 | Alanı ile ilgili projelerde gerekli durumlarda sorumluluk alarak ortaya çıkan sorunları çözebilir. | X | |||||
| 6 | Alanı ile ilgili projeler için kurulan bir ekipte yer alabilir, projeye liderlik yapabilir, etkinlikleri planlayabilir ve yönetebilir. | X | |||||
| 7 | Yeni Medya ve İletişim Sistemleri disiplinlerine ve alt disiplinlerine ait kuramsal ve olgusal sorunları bilimsel yöntemlerle araştırabilir, bulguları analiz eder ve bilimsel yayına dönüştürebilir. | X | |||||
| 8 | Yaşam boyu öğrenme prensibini kendisine ilke edinir. Alanı ile ilgili olarak gelişmeleri, yenilikleri, fikirleri, yöntem ve teknikleri düzenli olarak takip ederek kendi çalışmalarında etkin bir şekilde kullanır. | X | |||||
| 9 | Bir yabancı dilde en az Avrupa dil Portföyü B1 Genel düzeyinde kullanarak sözlü ve yazılı iletişim kurar. | X | |||||
| 10 | Mesleki ve bilimsel çalışmalarında yeni iletişim teknolojilerini etkin bir şekilde kullanır ve yeni iletişim teknolojilerindeki gelişmeleri sürekli olarak takip eder. | X | |||||
| 11 | Sosyal sorumluluk faaliyetleri planlar ve bu faaliyetlerin gerçekleştirilmesinde görev alır. | X | |||||
| 12 | Mesleki ve bilimsel çalışmalarında etik kodlara bağlı kalacak şekilde hareket eder. | X | |||||
| 13 | Yeni medya ve iletişim sistemlerine ait araç ve yazılımlarını etkin bir şekilde kullanır. | X | |||||
| 14 | Medya kuruluşlarına yönelik olarak yeni medya projeleri geliştirir ve bütün süreci yönetir. | X | |||||
| 15 | Çevreye, sosyal hakların evrenselliğine ve kültürel değerlerin korunmasına karşı duyarlıdır. | ||||||
| 16 | İş sağlığı ve güvenliği konusunda bilgilidir ve bu bilgileri gerektiği zaman kullanır. | ||||||
| 17 | Türkçeyi bilimsel ve mesleki çalışmalarda akıcı ve doğru bir biçimde kullanır. | ||||||
Değerlendirme Sistemi
| Katkı Düzeyi | Mutlak Değerlendirme | |
| Ara Sınavın Başarıya Oranı | 40 | |
| Genel Sınavın Başarıya Oranı | 60 | |
| Toplam | 100 | |