Türkçe|English  
  KTU Course Catalogue  
Arama Yapmak İstediğiniz Anahtar Kelimeyi Giriniz :       
OF TEKNOLOJİ FAKÜLTESİ / YAZILIM MÜHENDİSLİĞİ
  Genel Bilgiler
  Yönetim
  Amaç ve Öğrenme Çıktıları
  Akademik Personel
  Ders Programı
     1. Yıl
     2. Yıl
     3. Yıl
     4. Yıl
   Öğrenme Çıktıları Matrisi
 
  Doktora Programları
  Yüksek Lisans Programları
  Lisans Programları
  Meslek Yüksek Okulları
 
  Geri
  Ana Sayfa
  KTÜ Ana Sayfa

BHS 414 VERİ MADENCİLİĞİ 2+0+0 ECTS:4
Yıl / Yarıyıl4. Yıl / Bahar Dönemi
Ders DuzeyiLisans
Yazılım ŞekliSeçmeli
BolumuYazılım Mühendisliği Bölümü
Ön KoşulYok
Öğretim SistemiYüz yüze , Grup çalışması
Dersin suresi14 hafta - haftada 2 saat teorik
Öğretim ÜyesiDOÇ. DR. Hamdi Tolga KAHRAMAN
Diğer Öğretim Üyesi / Üyeleri
Öğretim Dili Türkçe
StajYok
 
Dersin Amacı
Temel veri madenciliği konularına hakim olmak Verilen bir veri seti üzerinde sınıflandırma yapabilmek Verilen bir veri seti üzerinde kümeleme/demetleme yapabilmek
 

Öğrenme Çıktıları

BPÇK

ÖY

Bu dersi başarı ile tamamlayan öğrenciler :

ÖÇ - 1 :

Temel veri madenciliği konularına hakim olmak

1,2,3,4,5,6,12,13

1,3

ÖÇ - 2 :

Verilen bir veri seti üzerinde sınıflandırma yapabilmek

1,2,3,4,5,6,12,13

1,3

ÖÇ - 3 :

Verilen bir veri seti üzerinde kümeleme/demetleme yapabilmek

1,2,3,4,5,6,12,13

1,3

BPÇK : Bölüm program çıktılarına 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), ÖÇ : Öğrenme Çıktısı

 

Dersin İçeriği

1. Hafta Veri madenciliğinin tanımı. 2. Hafta Veri madenciliği uygulama alanlarına, tekniklerine ve modellerine genel bakış. 3. Hafta Veri madenciliği aşamaları: Amacı belirleme. 4. Hafta Amaca uygun veri kümesi oluşturma (veri seçme). 5. Hafta Veri ayıklama ve önişleme. 6. Hafta veri azaltma ve veri dönüşümü. 7. Hafta veri madenciliği öğrenme algoritmasını seçme. 8. Hafta model değerlendirme ve bilgi sunumu, bulunan bilginin yorumlanması. 9. Hafta Veri Madenciliği öğrenme algoritmalarını inceleme: karar ağaçları, 10. Hafta Sınıflandırma, 11. Hafta Eğri uydurma, 12. Hafta Bağıntı kurma, 13. Hafta Bellek tabanlı yöntemler, 14. Hafta k-komşu algoritması, 15. Hafta Demetleme, 16. Hafta Buluşsal Algoritmalar ve Yapay sinir ağları.

 

Haftalık Detaylı Ders İçeriği

 Hafta

Detaylı İçerik

Önerilen Kaynak

 Hafta 1

Veri madenciliğinin tanımı.

 Hafta 2

Veri madenciliği uygulama alanlarına, tekniklerine ve modellerine genel bakış.

 Hafta 3

Veri madenciliği aşamaları: Amacı belirleme.

 Hafta 4

Amaca uygun veri kümesi oluşturma (veri seçme).

 Hafta 5

Veri ayıklama ve önişleme.

 Hafta 6

veri azaltma ve veri dönüşümü.

 Hafta 7

veri madenciliği öğrenme algoritmasını seçme.

 Hafta 8

model değerlendirme ve bilgi sunumu, bulunan bilginin yorumlanması

 Hafta 9

Veri Madenciliği öğrenme algoritmalarını inceleme: karar ağaçları,

 Hafta 10

Sınıflandırma,

 Hafta 11

Eğri uydurma,

 Hafta 12

Bağıntı kurma

 Hafta 13

Bellek tabanlı yöntemler

 Hafta 14

k-komşu algoritması

 Hafta 15

Demetleme

 Hafta 16

Buluşsal Algoritmalar ve Yapay sinir ağları

 

Ders Kitabı / Malzemesi

1Data Mining, Second Edition Concepts and Techniques 2nd Edition Jiawei Han and Micheline Kamber ISBN: 978-1-55860-901-3 The Morgan Kaufmann Series, 20

 

İlave Kaynak

1Data Mining Introductory and Advanced Topics, Margaret Dunham, Prentice Hall, 2003.

2Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach, Vipin Kumar Addison Wesley, 2005.

 

Ölçme Yöntemi

Yöntem

Hafta

Tarih

Süre (Saat)

Katkı (%)

Arasınav

9

30

Proje

13

20

Dönem sonu sınavı

16

50

 

Öğrenci İş Yükü

İşlem adı

Haftalık süre (saat)

Hafta sayısı

Dönem toplamı

Yüz yüze eğitim

2

15

30

Sınıf dışı çalışma

1

15

15

Arasınav için hazırlık

2

8

16

Arasınav

1

2

2

Uygulama

1

11

11

Dönem sonu sınavı için hazırlık

1

14

14

Dönem sonu sınavı

1

2

2

Toplam iş yükü

90