YAPAY ZEKA MÜHENDİSLİĞİ | |||||
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) | Matematik, fen bilimleri ve yapay zeka mühendisliği konularında yeterli altyapıya sahiptir. | |
2) | Matematik, fen bilimleri ve yapay zeka mühendisliği alanlardaki kuramsal ve uygulamalı bilgileri mühendislik çözümleri için beraber kullanır. | |
3) | Mühendislik problemlerini saptar, tanımlar, formüle eder ve çözer, bu amaçla uygun analitik yöntemler ve modelleme tekniklerini seçer ve uygular. | |
4) | Bir sistemi, sistem bileşenini ya da süreci analiz eder ve istenen gereksinimleri karşılamak üzere gerçekçi kısıtlar altında tasarlar; bu doğrultuda modern tasarım yöntemlerini uygular. | |
5) | Mühendislik uygulamaları için gerekli olan modern teknik ve araçları seçer ve kullanır. | |
6) | Deney tasarlar, deney yapar, veri toplar sonuçları analiz eder ve yorumlar. | |
7) | Bireysel olarak ve çok disiplinli takımlarda etkin olarak çalışır. | |
8) | Bilgiye erişir ve bu amaçla kaynak araştırması yapar, veri tabanları ve diğer bilgi kaynaklarını kullanır. | |
9) | Yaşam boyu öğrenmenin gerekliliği bilincindedir; bilim ve teknolojideki gelişmeleri izler ve kendini sürekli yeniler. | |
10) | Alanının gerektirdiği en az Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyinde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır. | |
11) | Sözlü ve yazılı etkin iletişim kurar; bir yabancı dili en az Avrupa Dil Portföyü B1 Genel Düzeyinde kullanır. | |
12) | Mühendislik çözümlerinin ve uygulamalarının evrensel ve toplumsal boyutlardaki etkilerinin bilincinde olur; girişimcilik ve yenilikçilik konularının farkında olur ve çağın sorunları hakkında bilgiye sahiptir. | |
13) | Mesleki ve etik sorumluluk bilincine sahiptir. | |
14) | Proje yönetimi, işyeri uygulamaları, çalışanların sağlığı, çevre ve iş güvenliği konularında bilinç; mühendislik uygulamalarının hukuksal sonuçları hakkında farkındalığa sahiptir. |