BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| BÜYÜK VERİ ANALİTİĞİ VE YÖNETİMİ (İNGİLİZCE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Tanıtım Bilgileri
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| CMP5102 | Veri Madenciliği II | Bahar | 3 | 0 | 3 | 12 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Temel Bilgiler
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi TEVFİK AYTEKİN |
| Dersi Veren(ler): |
Dr. Öğr. Üyesi TEVFİK AYTEKİN |
| Opsiyonel Program Bileşenleri: | yok. |
| Dersin Amacı: | Bu ders bazı ileri ve popüler veri madenciliği konularını uygulamalı olarak işler. Uygulamaları açık kaynak yazılım programı olan R üzerinde yapılacaktır. Bu programlama dilini kullanmak için temel bilgiler işlenecektir. |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler; I. Veri madenciliğinde ileri konuları tanıtmak. II. Veri madenciliğinde kullanılan ileri yöntemleri ve programlama araçlarını kullanmak ve değişik mühendislik alanlarına uygulama becerisi kazanma. III. Veri ve ilişkileri keşfetmek yeteneği kazandırma. IV. Veri içeren sorunlar için hipotez testi gerçekleştirmek için yeteneği kazandırma. |
Dersin İçeriği
| Giriş, Veri ithalat ve ihracat, Veri keşif, Karar ağaçları ve rasgele orman, Ağ tahmini, Aykırı algılama, Zaman ciddi analiz, Dernek kuralları, Metin madenciliği, sosyal ağ analizi, web madenciliği, Vaka çalışması I: Analiz ve ev fiyat endeksleri tahmini, Vaka çalışması II: sınırlı bellek ile Büyük Veri Akıllı modelleme |
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konu | Ön Hazırlık |
| 1) | Giriş | |
| 2) | Veri çekme ve aktarma | |
| 3) | Veri araştırma ve keşfi | |
| 4) | Karar ağaçları ve rasgele orman | |
| 5) | Ağ kestirimi | |
| 6) | Aykırılık algılama | |
| 7) | Zaman serisi analizi | |
| 8) | İlişki kuralları | |
| 9) | Yazı madenciliği | |
| 10) | sosyal ağ analizi | |
| 11) | web madenciliği | |
| 12) | Vaka çalışması I: Analiz ve ev fiyat endeksleri tahmini | |
| 13) | Case study II: Predictive modelling of Big Data with limited memory | |
| 14) | Projeler |
Kaynaklar
| Ders Notları / Kitaplar: | Yanchang Zhao ,R and Data Mining: Examples and Case Studies, Academic Press, Elsevier, 2012 |
| Diğer Kaynaklar: | none. |
Değerlendirme Sistemi
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Projeler | 1 | % 30 |
| Ara Sınavlar | 1 | % 30 |
| Final | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 30 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 70 | |
| Toplam | % 100 | |
AKTS / İş Yükü Tablosu
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 42 |
| Sınıf Dışı Ders Çalışması | 14 | 42 |
| Proje | 1 | 30 |
| Ara Sınavlar | 1 | 30 |
| Final | 1 | 50 |
| Toplam İş Yükü | 194 | |
Program ve Öğrenme Kazanımları İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı |