BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| FOTOĞRAF | |||||
| 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 | Bahar | 3 | 0 | 3 | 6 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Temel Bilgiler
| Öğretim Dili: | English |
| 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) | Fotoğraf ve video mecraları hakkında bilgi sahip olmak ve bu mecraların temel, orta ve ileri düzey teknik becerisi. | |
| 2) | Fotoğraf ve videonun kuramları, kavramları ve kullanımlarını anlama, analiz etme ve değerlendirme becerisi. | |
| 3) | Fotoğraf ve videonun kullanım alanlarında teorik bilgiyi kullanma becerisi. | |
| 4) | Fotoğraf ve video hakkındaki teorik ve pratik çalışmaların tarihsel literatürünü tanımak ve değerlendirebilmek. | |
| 5) | Fotoğraf ve video projelerine ilişkin problem çözme becerisi. | |
| 6) | Fotoğraf ve videodaki özel ve yeni oluşan gereksinimlere yenilikçi karşılıklar üretme becerisi. | |
| 7) | Görsel kültürde görüntünün rolünü ve potansiyelini anlamak ve değerlendirmek. | |
| 8) | Fotoğraf ve video görüntüleri aracılığıyla ayırt edici biçimde iletişim kurma becerisi. | |
| 9) | Görüntünün üretim sonrası süreçleri hakkında deneyim ve bu bilgi aracılığı ile yaratıcı sonuçlar geliştirme becerisi. | |
| 10) | Medya içerisinde fotoğraf ve videonun üretim, dağıtım ve kullanım süreçleri hakkında bilgi ve bu süreçlere katılma becerisi. | |
| 11) | Görsel kültürdeki küresel, bölgesel ve yerel sorunsalları anlama, analiz etme ve değerlendirme becerisi. | |
| 12) | Kamu iletişiminin amaçları hakkında bilgi ve bu amaçlara gözle görülür bir katkı sağlama becerisi. | |
| 13) | Yaratıcılığı disiplinlerarası yöntemler ile geliştirip projeler gerçekleştirme becerisi. | |
| 14) | İletişim, sanat ve teknolojinin kesişim noktalarına dair genel kültür kazanma. |