Türkçe | English
OF TEKNOLOJİ FAKÜLTESİ / YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ
( I. ÖĞRETİM)
Ders Bilgi Paketi
http://www.ktu.edu.tr/ofyazilim
Tel: +90 0462 3778353
OFTF
OF TEKNOLOJİ FAKÜLTESİ / YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ / ( I. ÖĞRETİM)
Katalog Ana Sayfa
  Katalog Ana Sayfa  KTÜ Ana Sayfa   Katalog Ana Sayfa
 
 

YZM4008Veri Madenciliği2+0+0AKTS:4
Yıl / YarıyılBahar Dönemi
Ders DuzeyiLisans
Yazılım Şekli Seçmeli
BölümüYAZILIM MÜHENDİSLİĞİ BÖLÜMÜ
Ön KoşulYok
Eğitim SistemiYüz yüze , Uygulama
Dersin Süresi14 hafta - haftada 2 saat teorik
Öğretim ÜyesiProf. Dr. Hamdi Tolga KAHRAMAN
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 : Temel veri madenciliği kavramlarını tanımlayabilme1,4,5,81
ÖK - 2 : Veri setlerinden faydalı bilgiyi bulup çıkarma becerisi kazanma1,4,5,81
ÖK - 3 : Belirli bir problemi çözmek için uygun olan veri madenciliği tekniğini belirleyebilme1,4,5,81
ÖK - 4 : Eğiticili ve eğiticisiz yöntemler ile sınıflama ve kümeleme bilgi ve becerisi kazanma1,4,5,81,6
ÖK - 5 : Bir veri madenciliği modeli tasarlayabilme ve uygulama geliştirme1,4,5,81,6
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 Kontrolü
 Hafta 6Sınıflandırma teknikleri (karar ağaçları), Araştırma ve Uygulama Projesi Kontrolü
 Hafta 7Sınıflandırma 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 Haftası
 Hafta 10K-ortalamalar yöntemi ile kümeleme, Araştırma ve Uygulama Projesi Kontrolü
 Hafta 11En uzak ve en yakın komşu yöntemleriyle kümeleme, Araştırma ve Uygulama Projesi Kontrolü
 Hafta 12Birliktelik Kuralları ve Apriori Algoritması,Araştırma ve Uygulama Projesi Kontrolü
 Hafta 13Araştırma ve Uygulama Projesi Sunumu
 Hafta 14Araştırma ve Uygulama Projesi Sunumu
 Hafta 15Araştırma ve Uygulama Projesi Sunumu
 Hafta 16Final Sınav
 
Ders Kitabı / Malzemesi
 
İlave Kaynak
 
Ölçme Yöntemi
YöntemHaftaTarih

Süre (Saat)Katkı (%)
Arasınav 9 70 25
Proje 13 120 25
Dönem sonu sınavı 16 70 50
 
Öğrenci Çalışma Yükü
İşlem adıHaftalık süre (saat)

Hafta sayısı

Dönem toplamı
Yüz yüze eğitim 2 14 28
Sınıf dışı çalışma 3 12 36
Arasınav için hazırlık 1 8 8
Arasınav 2 1 2
Proje 2 8 16
Dönem sonu sınavı için hazırlık 2 5 10
Dönem sonu sınavı 2 1 2
Toplam Çalışma Yükü102