| Müfredat Adı | Ders Kodu | Ders Adı | Ders Türü | Dönem | AKTS | Teorik | Uygulama |
| Bilgisayar Programcılığı-Önlisans-2014 | BLY2021 | Veri Madenciliği | Seçmeli | 3 | 4,00 | 3 | 1 |
Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi
Programlar Hakkında Bilgi
Önlisans - Teknik Bilimler Meslek Yüksekokulu - Bilgisayar Programcılığı
Dersin İçeriği
Dersin Amacı
Öğrencilere veri madenciliği ile ilgili temel uygulamaları, kavramları ve teknikleri tanıtmak. Öğrencileri bağımsız araştırma yapmaya hazırlamak
Öğrenim Türü
-
Dersin İçeriği
Öğrencilere veri madenciliği ile ilgili temel uygulamaları, kavramları ve teknikleri tanıtmak. Öğrencileri bağımsız araştırma yapmaya hazırlamak
Planlanan Öğrenme Aktiviteleri ve Metodları
Sunum,Soru ve Cevap,Problem Çözümü
Staj Durumu
Yok
Dersin Sunulduğu Dil
Türkçe
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Margaret Dunham (2002). Data Mining: Introductory and Advanced Topics. Prentice Hall. ISBN 0130888923. David J. Hand, Heikki Mannila, and Padhraic Smyth (2001). Principles of Data Mining. MIT Press. ISBN 026208290X. Pang-Ning Tan, Michael Steinbach, Vipin Kumar (2005). Introduction to Data Mining. Addison Wesley, ISBN: 0-321-32136-7 Jiawei Han and Micheline Kamber (2006). Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers. ISBN 1-55860-489-8
Dersin Web Sayfası
Yok
Öğrenme Çıktıları
- Veri madenciliğinin tanımı, neden ihtiyaç doğduğunu idrak eder.
- Veri madenciliği uygulama alanlarını bilir.
- Veri ön işleme, azaltma işlemlerini öğrenir.
- Veri madenciliği sınıflandırma algoritmalarını bilir ve uygular.
- Kümeleme, Birliktelik Kuralları konularını kavrar.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik |
|---|---|
| 1 | Veri madenciliğine giriş |
| 2 | Data, Informatin, Knowledge arasındaki fark |
| 3 | Gözetimli - Gözetimsiz öğrenme |
| 4 | Veri önişleme |
| 5 | İçerikler ve teknikler |
| 6 | Data azaltma |
| 7 | Karar ağaçları algoritması |
| 8 | Ara Sınav Haftası |
| 9 | Naive Bayes algoritması, k- en yakın komşu algoritması |
| 10 | Destek vektör makine algoritması |
| 11 | Sınıflama- Kümeleme |
| 12 | Hiyerarşik Kümeleme |
| 13 | Birliktelik Kuralları |
| 14 | Weka, Knime vb. program ile uygulamalar |
| 15 | Test mining ve sosyal ağlarda madencilik |
| 16 | Ders Çalışma Haftası |
| 17 | Yarı Yıl Sonu Sınavı |
Değerlendirme
| Değerlendirme | Değer |
|---|---|
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Değer |
| Final Sınavı | 100 |
Öğrenci İş Yükü Hesabı
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ders Öncesi/Sonrası Bireysel Çalışma | 14 | 1 | 14 |
| Laboratuvar ve Hazırlığı | 14 | 1 | 14 |
| Araştırma ve Hazırlığı | 14 | 3 | 42 |
| Arasınav ve Hazırlığı | 14 | 1 | 14 |
| Final ve Hazırlığı | 14 | 2 | 28 |
Program ve Öğrenme Çıktıları İlişkisi
| ÖÇ1 | |||||||||||||
| ÖÇ2 | |||||||||||||
| ÖÇ3 | |||||||||||||
| ÖÇ4 | |||||||||||||
| ÖÇ5 |