GASTRONOMİ VE MUTFAK SANATLARI (TÜRKÇE) | |||||
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 | Güz | 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) | - Alanındaki güncel bilgileri içeren ders kitapları, uygulama araç-gereçleri ve diğer kaynaklarla desteklenen ileri düzeydeki kuramsal ve uygulamalı bilgilere sahip olma | 2 |
2) | - Alanında edindiği ileri düzeydeki kuramsal ve uygulamalı bilgileri kullanabilme. - Alanında edindiği ileri düzeydeki bilgi ve becerileri kullanarak verileri yorumlayabilme ve değerlendirebilme, sorunları tanımlayabilme, analiz edebilme, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirebilme. | 4 |
3) | Alanı ile ilgili konularda ilgili kişi ve kurumları bilgilendirebilme; düşüncelerini ve sorunlara ilişkin çözüm önerilerini yazılı ve sözlü olarak aktarabilme. - Alanı ile ilgili konularda düşüncelerini ve sorunlara ilişkin çözüm önerilerini nicel ve nitel verilerle destekleyerek uzman olan ve olmayan kişilerle paylaşabilme. -Toplumsal sorumluluk bilinci ile yaşadığı sosyal çevre için proje ve etkinlikler düzenleyebilme ve bunları uygulayabilme. - Bir yabancı dili en az Avrupa Dil Portföyü B1 Genel Düzeyi'nde kullanarak alanındaki bilgileri izleyebilme ve meslektaşları ile iletişim kurabilme. - Alanının gerektirdiği en az Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyinde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanabilme. - Alanı ile ilgili verilerin toplanması, yorumlanması, uygulanması ve sonuçlarının duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerlere uygun hareket etme. - Sosyal hakların evrenselliği, sosyal adalet, kalite kültürü ve kültürel değerlerin korunması ile çevre koruma, iş sağlığı ve güvenliği konularında yeterli bilince sahip olma. | 5 |
4) | - Alanında edindiği ileri düzeydeki bilgi ve becerileri eleştirel bir yaklaşımla değerlendirebilme, - Öğrenme gereksinimlerini belirleyebilme ve öğrenmesini yönlendirebilme. -Yaşamboyu öğrenmeye ilişkin olumlu tutum geliştirebilme. | 3 |
5) | Alanı ile ilgili verilerin toplanması, yorumlanması, uygulanması ve sonuçlarının duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerlere uygun hareket etme. - Sosyal hakların evrenselliği, sosyal adalet, kalite kültürü ve kültürel değerlerin korunması ile çevre koruma, iş sağlığı ve güvenliği konularında yeterli bilince sahip olma. | 3 |
6) | Alanı ile ilgili ileri düzeydeki bir çalışmayı bağımsız olarak yürütebilme. - Alanı ile ilgili uygulamalarda karşılaşılan ve öngörülemeyen karmaşık sorunları çözmek için bireysel ve ekip üyesi olarak sorumluluk alabilme. - Sorumluluğu altında çalışanların bir proje çerçevesinde gelişimlerine yönelik etkinlikleri planlayabilme ve yönetebilme. | 3 |