| AMERİKAN KÜLTÜRÜ VE EDEBİYATI | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| CMP4336 | Veri Madenciliğine Giriş | Güz | 3 | 0 | 3 | 6 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Non-Departmental Elective |
| Dersin Seviyesi: | LİSANS |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi CEMAL OKAN ŞAKAR |
| Opsiyonel Program Bileşenleri: | yok |
| Dersin Amacı: | Bu derste, yararlı bilgileri elde etmek, veritabanındaki örüntüleri ve düzenlilikleri keşfetmek, tahmin ve kestirim yapmak için kullanılan veri madenciliği ve hesaplama paradigmaları tartışılacaktır. Gözetimli ve gözetimsiz öğrenme yaklaşımları, model bulma ve küme analizi üzerine odaklanılarak ele alınacaktır. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Veri Toplama ve Ön-işleme konularını kavrayabilme 2. Sıklıkla Satılan Ürün Seti algoritmasına aşina olmak 3. Birliktelik Kuralını kavrayabilme 4. Sınıflayıcılar ve faydalarını kavrayabilme 5. Kümelemeyi kullanabilecek hale gelme 6. Kümeleme Değerlendirmesini kavrayabilme |
| 1.Temel Kavramlara Giriş 2.Veri Keşfi 3.Sınıflandırma 4.Kümeleme 5.Boyut Küçültme 6.Sıklıkla Satılan Ürün Kümeleri 7.Birliktelik Kural Analizi |
| Hafta | Konu | Ön Hazırlık |
| 1) | Temel Kavramlara Giriş | Yok |
| 2) | Veri Keşfi: Özet İstatistik, Görselleştirme, OLAP ve Çok Boyutlu Veri Analizi | Yok |
| 3) | Veri Önişleme, Dönüşüm, Normalleştirme, Standardizasyon | Yok |
| 4) | Sınıflandırma ve Regresyon: Model Seçimi ve Genelleştirilmesi, Karar Ağaçları, Performans Değerlendirmesi | Yok |
| 5) | Sınıflandırma: Bayesian Karar Teorisi, Parametrik Sınıflandırma, Naive Bayes Sınıflandırıcısı, Örnek Temelli Sınıflandırıcılar | |
| 6) | Sınıflandırma | Yok |
| 6) | Sınıflandırma ve Regresyon: Yapay Sinir Ağları, Destek Vektör Makineleri | |
| 7) | Ara Sınav I | Tüm konuların tekrarı |
| 8) | Kümeleme: Bölümleme ve Hiyerarşik Algoritmalar | Yok |
| 9) | Kümeleme: Yoğunluk Tabanlı Algoritmalar | |
| 10) | Küme Değerlendirmesi, Kümele Sonuçlarının Karşılaştırılması | Yok |
| 11) | Ara sınav II | yok |
| 12) | Boyut Küçültme | yok |
| 13) | Sık Öge Küme Madenciliği | yok |
| 14) | Birliktelik Kural Çıkarımı | yok |
| Ders Notları / Kitaplar: | Introduction to Data Mining by Pang-Ning Tan, Michael Steinbach and Vipin Kumar |
| Diğer Kaynaklar: | Data Mining: Concepts and Techniques, by Jiawei Han, Micheline Kamber and Jian Pei |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 2 | % 20 |
| Projeler | 1 | % 20 |
| Ara Sınavlar | 2 | % 20 |
| Final | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 42 |
| Sınıf Dışı Ders Çalışması | 16 | 32 |
| Proje | 5 | 15 |
| Ödevler | 6 | 12 |
| Ara Sınavlar | 8 | 28 |
| Final | 6 | 26 |
| Toplam İş Yükü | 155 | |
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Mezun olduktan sonra, öğrenciler araştırma yapmak, araştırma tekniklerini ve araç-gereçlerini kullanmak, sorun çözmek ve etkin bir şekilde iletişebilmek ve iş yerine bu becerilerini aktarmak özelliklerini edinmiş; | |
| 2) | ...belirli anahtar meselelerde akıcı bir İngilizce ile tartışma becerisini geliştirmiş; | |
| 3) | ...ileri düzeyde bir üslup bilgisi ile yazılı belgeler oluşturma becerisini geliştirmiş; | 4 |
| 4) | ...Amerikan ve İngiliz edebiyatı kanonundaki temel yapıtlar hakkında geniş bilgi edinmiş; | 4 |
| 5) | ...Amerikan ve İngiliz edebiyatlarının zor ve seçme metinlerinin ileri düzeyde analizlerini, sentezlerini yapıp eleştirme becerisini geliştirmiş; | 4 |
| 6) | ...çağdaş Amerikan kültürü hakkında derinlikli bir anlayış geliştirmiş; | 3 |
| 7) | ...farklı edebi metinler ve belgeler arasındaki ilişkileri ve önemli bağlantıları kurma ve disiplinler arası bir tavır geliştirme becerisini edinmiş; | 3 |
| 8) | ...bireysel olarak ya da takım halinde projeler geliştirmeyi öğrenmiş; | 3 |
| 9) | ...bilgi ve birikimlerini hayata uygulamayı ve disiplinler arası konularda çözüm üretmek ve araştırmaları sonuca ulaştırma konularında da beceriler edinmiş olacaklardır. | 4 |