Türkçe | English
MÜHENDİSLİK FAKÜLTESİ / ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ
( I. ÖĞRETİM)
Ders Bilgi Paketi
http://www.ktu.edu.tr/endustri
Tel: +90 0462 3773824
MF
MÜHENDİSLİK FAKÜLTESİ / ENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ / ( I. ÖĞRETİM)
Katalog Ana Sayfa
  Katalog Ana Sayfa  KTÜ Ana Sayfa   Katalog Ana Sayfa
 
 

END4012Veri Madenciliğine Giriş3+0+0AKTS:5
Yıl / YarıyılBahar Dönemi
Ders DuzeyiLisans
Yazılım Şekli Seçmeli
BölümüENDÜSTRİ MÜHENDİSLİĞİ BÖLÜMÜ
Ön KoşulYok
Eğitim SistemiYüz yüze
Dersin Süresi14 hafta - haftada 3 saat teorik
Öğretim ÜyesiDoç. Dr. Hüseyin Avni ES
Diğer Öğretim Üyesi
Öğretim DiliTürkçe
StajYok
 
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.
 
Öğrenim KazanımlarıPÖKKÖY
Bu dersi başarı ile tamamlayan öğrenciler :
ÖK - 1 : Veri setlerinden faydalı bilgiyi bulup çıkarma becerisi kazanma21,6
ÖK - 2 : Belirli bir problemi çözmek için uygun olan veri madenciliği tekniğini belirleyebilme51,6
ÖK - 3 : Bir veri madenciliği modeli tasarlayabilme ve uygulama geliştirme111,6
PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı
 
Ders İçeriği
Veri madenciliğine giriş, veri madenciği tanımları, veri hazırlama , veri madenciliği teknikleri,sınıflandırma, karar ağaçları, birliktelik kuralları, kümeleme.
 
Haftalık Detaylı Ders Planı
 HaftaDetaylı İçerikÖnerilen Kaynak
 Hafta 1Veri Madenciliğine Giriş, Veri Madenciliği Terminolojisi ve Tanımlar
 Hafta 2Veri ambarları, veri seti havuzları (UCI Machine Learning Data Repository), veri hazırlama, Araştırma ve Uygulama Projesi
 Hafta 3Veri Madenciliği Süreci ve Veri Madenciliği Teknikleri
 Hafta 4İstatistiksel Sınıflandırma (Yalın bayes) , Araştırma ve Uygulama Projesi Kontrolü
 Hafta 5Sınıflandırma teknikleri (k-en yakın komşu algoritması) ve uygulaması, Araştırma ve Uygulama Projesi Kontrol
 Hafta 6Sınıflandırma teknikleri (karar ağaçları), Araştırma ve Uygulama Projesi Kontrolü
 Hafta 7 Sınıflandırma teknikleri (yapay sinir ağları) ve uygulaması, Araştırma ve Uygulama Projesi Kontrolü
 Hafta 8Kümeleme Teknikleri, hiyerarşik ve hiyerarşik olmayan teknikler, Araştırma ve Uygulama Projesi Kontrolü
 Hafta 9Ara Sınav
 Hafta 10K-ortalamalar yöntemi ile kümeleme,
 Hafta 11En uzak ve en yakın komşu yöntemleriyle kümeleme
 Hafta 12Birliktelik Kuralları ve Apriori Algoritması
 Hafta 13Araştırma ve Uygulama Projesi Sunumu
 Hafta 14Araştırma ve Uygulama Projesi Sunumu
 Hafta 15Araştırma ve Uygulama Projesi Sunumu
 Hafta 16Final Sınavı
 
Ders Kitabı / Malzemesi
1Silahtaroglu, G., Veri Madenciligi, ISBN: 978-975-6797-81-5, 3. Basim, 2016, 304 sayfa, Papatya
2Özkan, Y., Veri Madenciligi Yontemleri, ISBN: 978-975-6797-82-2, 3. Basim, 2016, 240 sayfa, Papatya
 
İlave Kaynak
 
Ölçme Yöntemi
YöntemHaftaTarih

Süre (Saat)Katkı (%)
Arasınav 9 6/04/2019 1 30
Proje 13 14/05/2019 1 20
Dönem sonu sınavı 16 20/05/2019 1 50
 
Öğrenci Çalışma Yükü
İşlem adıHaftalık süre (saat)

Hafta sayısı

Dönem toplamı
Yüz yüze eğitim 2 15 30
Sınıf dışı çalışma 2 15 30
Arasınav için hazırlık 1 8 8
Arasınav 1 1 1
Uygulama 1 11 11
Proje 2 12 24
Dönem sonu sınavı için hazırlık 1 15 15
Dönem sonu sınavı 1 1 1
Toplam Çalışma Yükü120