YENİ MEDYA | |||||
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 | Bahar | 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) | Yeni medya, habercilik ve iletişim alanlarına temel oluşturan teoriler, kavramlar, gelenekler ve fikir tarihindeki gelişmeleri eleştirel bir yaklaşımla yorumlayabilmek ve tartışabilmek. | |
2) | Yeni medyadaki haber ve içerik üretim süreçlerinde kullanılan teknik donanım ve yazılımlarla ilgili yazılı, sözlü ve görsel temel bilgilere ve bunların profesyonel düzeyde etkin kullanım becerisine sahip olabilmek. | |
3) | Yeni medya, habercilik ve iletişim alanlarında faaliyet gösteren kurumsal aktörlere ve genel anlamda bu sektörlere dair bilgiler edinip bunları eleştirel bir şekilde yorumlayabilmek. | |
4) | Okuyucu, dinleyici, seyirci ve kullanıcıların medya ortamlarının değişen rolleri karşısındaki tepkilerini kavrayabilmek, bunlara uygun özgün içerikler oluşturup yayabilmek ve gelecek trendlere dair öngörülerde bulunabilmek. | |
5) | Yeni medya ve habercilik alanlarının komşu disiplinlerine ilişkin temel kuram, kavram ve fikirleri eleştirel bir yaklaşımla ele alabilmek. | |
6) | İletişim alanındaki küresel teknolojik değişimlerle bunların yerel aktörler üzerindeki etkilerine dair ilişkileri kavrayabilmek. | |
7) | İçerik üretmek için gerekli verileri bilimsel yöntemlerle toplayabilme, analiz edebilme ve yayma becerilerini geliştirebilmek. | |
8) | Edindiği bilgi, beceri ve yetkinlikleri yaşamı boyunca toplumsal amaçlar doğrultusunda, yasal ve etik bir sorumlulukla geliştirmek ve bunları toplumsal fayda üretebilecek şekilde kullanabilmek. | |
9) | Yeni medya, habercilik ve iletişim alanında ulusal/uluslararası düzeylerdeki meslektaşlarıyla ortak çalışmalar yürütebilmek. | |
10) | Ulusal ve uluslararası saygın mecralarda yayımlanabilecek nitelikte çeşitli formatlarda ürünler ortaya koyabilme yeteneği geliştirmek. |