Marmara Üniversitesi
Marmara Üniversitesi Eğitim-Öğretim Bilgi Sistemi

Dersin amacı istatistik bölümü son sınıf veya bitirme aşamasındaki öğrencilerine çeşitli veri madenciliği kavramlarını ve algoritmalarını öğretmek ve veri madenciliği tekniklerinin geniş veri tabanı bileşenleri olan gerçek dünya uygulamalarındaki kullanımını gözden geçirmektir.

-

Giriş, Veri: Veri Çeşidi, Veri Önişleme, Benzerlik Ölçüleri, Veriyi Araştırma: Özet İstatistikleri, Görselliştirme, OLAP, Sınıflandırma: Temel Kavramlar, Karar Ağaçları, ve Model Tahmini, Sınıflandırma: Alternatif Teknikler, İlişki Analizi: Temel Kavramlar ve Algoritmalar, Kümeleme Analizi: Temel Kavramlar ve Algoritmalar, Anomali Tespiti

Sınıfta yüzyüze anlatma tekniği. Tahtada problem çözümü. Tartışma.

Yok

Türkçe

1) P.Tan, M.Steinbach, V. Kumar, Introduction To Data Mining. Pearson/Addison Wesley , 2006 2) M.H. Dunham, Data Mining: Introductory and Advanced Topics. Prentice Hall, 2003 3) M.J.A. Berry and G. Linoff, Data Mining Techniques: For marketing, Sales, and Customer Relationship Management. Wiley Computer Publishing, 2nd edition, 2004

Yok

• Öğrenciler anomaliler ve tespit yöntemleri hakkında bilgi kazanacaklardır.
• Öğrenciler müşteri segmentasyonu gibi görevleri gerçekleştirmek için veriyi kümeleme analizi ile bölebilirler ve çıktıları yorumlayabilirler.
• Öğrenciler veri setlerinde saklı ilginç ilişkileri ortaya çıkarmak için ilişki analizi uygulayabilirler.
• Öğrenciler sınıflandırma modelleri oluşturmak için karar ağacı tümevarımı ve bazı diğer alternatif teknikleri uygulama becerisi kazanacaklardır.
• Öğrenciler veriyi tanımlamak için görselleştirme tekniklerini kullanabilirler.