| ENDÜSTRİ ÜRÜNLERİ TASARIMI | |||||
| 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: | 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. |
|
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) | Endüstri Ürünleri Tasarımı meslek alanının kuramsal ve uygulamalı bilgi birikimine sahip olmak | |
| 2) | Mesleki bilgiyi ürün, hizmet ve deneyim geliştirme alanlarında uygulayabilmek | |
| 3) | Tasarım kavramlarını, mesleki kültür ve dili anlayabilmek, kullanabilmek, yorum yapabilmek ve değerlendirmek | |
| 4) | Endüstri Ürünleri tasarımı alanında araştırma yöntemlerini bilmek, bu yöntemlerle bilgi toplamak, toplanan bilgiyi yorumlamak ve uygulayabilmek | |
| 5) | Endüstri ürünleri tasarımı problemlerini tanımlamak, problem koşul ve gereklerini değerlendirebilmek, çözüm önerileri üretebilmek | |
| 6) | Endüstri Ürünleri Tasarımında önerilen çözümlerin toplumsal, kültürel, çevresel, ekonomik ve insani değerlerin göz önünde bulundurarak geliştirilmesi; kişisel farklılık ve yetenek düzeylerine duyarlı olması | |
| 7) | Tasarım kavramlarına ve çözümlerine ait bilgiyi, yazılı, sözlü ve görsel anlatım yöntemleriyle aktarma yeteneğine sahip olmak | |
| 8) | Tasarım çözümlerine ait malzeme, biçimlenme,detaylandırma, servis ve üretim yöntemleri kavramları arasındaki ilişkiyi ve yöntemleri tanımlayabilmek ve uygulayabilmek | |
| 9) | Endüstri ürünleri tasarımı çözüm ve uygulamalarını anlatabilecek düzeyde bilgisayar destekli bilişim ve iletişim teknolojilerini kullanmak | |
| 10) | Endüstri ürünleri tasarımının disiplinler arası yapısına kaynak oluşturan, işletme, mühendislik, psikoloji, ergonomi, görsel iletişim alanlarına ait tasarım çözümlerini destekleyecek yöntem ve bilgiye sahip olmak; gerektiğinde bu alanlara ait bilgiyi araştırma, edinme ve kullanma yeteneğine sahip olmak | |
| 11) | Bir yabancı dili kullanarak endüstri ürünleri tasarımı alanına ait dile hakim olabilmek ve farklı kültürlerden meslektaşlarıyla iletişim kurabilmek | |
| 12) | Teknolojik ve bilimsel gelişmelere bağlı olarak mesleğin gereksinim duyduğu yeni tasarım konularını ve eğilimlerini takip edebilmek ve değerlendirebilmek |