BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| SOSYOLOJİ | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
Ders Tanıtım Bilgileri
| 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. |
Temel Bilgiler
| 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. |
Öğrenme Kazanımları
|
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 |
Dersin İçeriği
| 1.Temel Kavramlara Giriş 2.Veri Keşfi 3.Sınıflandırma 4.Kümeleme 5.Boyut Küçültme 6.Sıklıkla Satılan Ürün Kümeleri 7.Birliktelik Kural Analizi |
Haftalık Ayrıntılı Ders İçeriği
| 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 |
Kaynaklar
| 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 |
Değerlendirme Sistemi
| 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 | |
AKTS / İş Yükü Tablosu
| 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 | |
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) | Klasik ve güncel başlıca sosyoloji perspektiflerini öğrenmek ve karşılaştırmak ve bunların hepsini sosyal durumların analizine uygulamak. | |
| 2) | Yerel ve küresel ölçekte, sosyolojik ve antropolojik bilginin kurulmasında temel metodolojik yaklaşımları belirlemek | |
| 3) | Sosyal bilimlerde istatistik alanında edinilmiş, teorik ve uygulamalı bilginin kullanılmasını sağlamak | |
| 4) | Sosyolojiye katkıda bulunacak diğer disiplinlere ait temel bilginin alınması (psikoloji, tarih, siyaset bilimi, iletişim ve edebiyat ) ve bu bilgiyi sosyolojik sürecin analiz edilmesinde kullanabilmek | |
| 5) | Sosyolojik verilerin toplanmasında, yorumlanmasında ve yayınlanmasında bilimsel ve etik prensiplere ilişkin bilgi sahibi olmak, bu prensipleri uygulayabilmek; ve aynı zamanda bu verinin uzmanlar ve ilgili kişilerle etkili iletişim yetenekleri ile nasıl paylaşılacağı becerisini geliştirme | |
| 6) | Kalitatif ve kantitatif analizler için, bilgisayar programlarını kullanarak sosyolojik bilgiyi analiz etme ve yayımlama yeteneği geliştirmek ve bu alandaki yeni gelişmeleri takip etme tutumu geliştirmek | |
| 7) | Kent ve kır sosyolojisi ve demografi, siyaset sosyolojisi, toplumsal cinsiyet sosyolojisi, beden sosyolojisi, görsel sosyoloji, iş sosyolojisi, din sosyolojisi, bilgi sosyolojisi ve suç sosyolojisi ile ilgili teorileri tanımlamak ve bu teoriler hakkında bilgi sahibi olmak | |
| 8) | Felsefi ve tarihi bakış açısına göre sosyolojinin bilimsel bir disiplin olarak nasıl konumlandığı bilgisine sahip olmak | |
| 9) | Türk toplumundaki sosyal konular üzerine farkındalık sahibi olmak, bu konulara eleştirel yaklaşabilmek ve Türk sosyologlarının çalışmaları hakkında bilgi sahibi olmak ve bu bilgileri aktarabilmek | |
| 10) | Sosyal konular ve küresel sosyal süreçler üzerine farkındalık sahibi olmak ve sosyolojik analizleri kalkınma ve sosyal sorumluluk projelerine uygulamak. | |
| 11) | Bireysel veya takım üyesi olarak, sosyolojinin çeşitli alanları için araştırma sorusu belirleme, araştırma projesi üretme ve tamamlanmış yazılı rapor hazırlama kabiliyetine sahip olmak | |
| 12) | Sosyoloji alanında kazanılmış bilginin lise derecesine aktarabilmek |