EĞİTİM TEKNOLOJİSİ (İNGİLİZCE, TEZLİ)
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:	English
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
1)	Lisans düzeyi yeterliliklerine dayalı olarak, aynı veya farklı bir alanda bilgilerini uzmanlık düzeyinde geliştirebilme ve derinleştirebilme.
2)	Alanının ilişkili olduğu disiplinler arası etkileşimi kavrayabilme.
3)	Alanında edindiği uzmanlık düzeyindeki kuramsal ve uygulamalı bilgileri kullanabilme.
4)	Alanında edindiği bilgileri farklı disiplin alanlarından gelen bilgilerle bütünleştirerek yorumlayabilme ve yeni bilgiler oluşturabilme.
5)	Alanı ile ilgili karşılaşılan sorunları araştırma yöntemlerini kullanarak çözümleyebilme.
6)	Alanındaki güncel gelişmeleri ve kendi çalışmalarını, nicel ve nitel veriler ile destekleyerek alanındaki ve alan dışındaki gruplara, yazılı, sözlü ve görsel olarak sistemli biçimde aktarabilme.
7)	Sosyal ilişkileri ve bu ilişkileri yönlendiren normları eleştirel bir bakış açısıyla incelemeyebilme, geliştirebilme ve gerektiğinde değiştirmek üzere harekete geçebilme.
8)	Alanında edindiği uzmanlık düzeyindeki bilgi ve becerileri eleştirel bir yaklaşımla değerlendirebilme ve öğrenmesini yönlendirebilme.
9)	Alanı ile ilgili verilerin toplanması, yorumlanması, uygulanması ve duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerleri gözeterek denetleyebilme ve bu değerleri öğretebilme.
10)	Alanı ile ilgili konularda strateji, politika ve uygulama planları geliştirebilme ve elde edilen sonuçları, kalite süreçleri çerçevesinde değerlendirebilme.
11)	Alanında özümsedikleri bilgiyi, problem çözme ve/veya uygulama becerilerini, disiplinlerarası çalışmalarda kullanabilme.
12)	Alanı ile ilgili uzmanlık gerektiren bir çalışmayı bağımsız olarak yürütebilme.
13)	Alanı ile ilgili uygulamalarda karşılaşılan ve öngörülemeyen karmaşık sorunların çözümü için yeni stratejik yaklaşımlar geliştirebilme ve sorumluluk alarak çözüm üretebilme.
14)	Alanı ile ilgili sorunların çözümlenmesini gerektiren ortamlarda liderlik yapabilme.