| ENDÜSTRİ 4.0 (İNGİLİZCE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| CMP6021 | Veri Madenciliği ve Bilgi Keşfi | Güz | 3 | 0 | 3 | 12 |
| Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
| Öğretim Dili: | En |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Prof. Dr. ADEM KARAHOCA |
| Dersi Veren(ler): |
Prof. Dr. ADEM KARAHOCA |
| Dersin Amacı: | Dersin amaçları arasında bilgi keşfi alanlarda veri madenciliği çözümleri uygulamak, gerçek vakalar için uygun veri madenciliği modelleri sağlamak, veri madenciliği konularında genel bir bakış vermek ve veri madenciliği çözümlerini derinlemesine ele almak bulunmaktadır. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Veri madenciliği ve bilgi keşfi süreci modelini analiz eder. 2. Kaba küme teorisini analiz eder. 3. Veri madenciliğinde kümeleme ve sınıflandırmayı analiz eder. 4. Kural madenciliğini analiz eder. 5. Veri madenciliği algoritmalarını kıyaslar. 6. Veri madenciliği web uygulamalarını tanımlar 7. Veri madenciliği uygulamalarını analiz eder |
| Bu ders içeriğinde veri Madenciliği Ve Bilgi Keşfi Süreci Modeli, Bilgi Keşfi, Kaba Küme Teorisi - Temel Kavramlar, İlkeler, Veri Çıkarımı Ve Uygulamaları, Konu-Sınıflandırma Şemaları Doğrulaması Ve İyileştirmesinde Hibrit Kümelenme, Çoklu Sınıflayıcılar Kombinasyonu Kullanarak Hiperspektral Uzaktan Algılama Veri Madenciliği, Görsel Öğrenme İle İçerik Tabanlı Görüntü Sınıflandırma, Büyük Kavramlara Dayanarak Çoklu Düzey Birliktelik Kuralları Madenciliği, GSM Churn Management Konusunda Adaptif Neuro-Fuzzy Çıkarım Sistemi Veri Madenciliği Algoritmalarını Kıyaslama, Veri Madenciliği Teknolojisi İle Global Müşteri Tutma İçin Yeni Bir Model, Web Uygulamalarında Veri Madenciliği, İmalat İşlemlerinde Veri Madenciliği Kullanılarak Kalite Geliştirme, Operasyonel İş Süreçleri İçine Veri Madenciliği, Güç Sistemlerinde Uygulanan Veri Madenciliği Tekniklerine Bir Bakış bulunmaktadır. |
| Hafta | Konu | Ön Hazırlık | |
| 1) | Veri Madenciliği Ve Bilgi Keşfi Süreci Modeli | ||
| 2) | Bilgi Keşfi | ||
| 3) | Kaba Küme Teorisi - Temel Kavramlar, İlkeler, Veri Çıkarımı Ve Uygulamaları | ||
| 4) | Konu-Sınıflandırma Şemaları Doğrulaması Ve İyileştirmesinde Hibrit Kümelenme | ||
| 5) | Çoklu Sınıflayıcılar Kombinasyonu Kullanarak Hiperspektral Uzaktan Algılama Veri Madenciliği | ||
| 6) | Görsel Öğrenme İle İçerik Tabanlı Görüntü Sınıflandırma | ||
| 7) | Büyük Kavramlara Dayanarak Çoklu Düzey Birliktelik Kuralları Madenciliği | ||
| 8) | Büyük Kavramlara Dayanarak Çoklu Düzey Birliktelik Kuralları Madenciliği / Ara sınav | ||
| 9) | Gsm Churn Management Konusunda Adaptif Neuro-Fuzzy Çıkarım Sistemi Veri Madenciliği Algoritmalarını Kıyaslama | ||
| 10) | Veri Madenciliği Teknolojisi İle Global Müşteri Tutma İçin Yeni Bir Model | ||
| 11) | Web Uygulamalarında Veri Madenciliği | ||
| 12) | İmalat İşlemlerinde Veri Madenciliği Kullanılarak Kalite Geliştirme | ||
| 13) | Operasyonel İş Süreçleri İçine Veri Madenciliği | ||
| 14) | Güç Sistemlerinde Uygulanan Veri Madenciliği Tekniklerine Bir Bakış | ||
| Ders Notları: | Data Mining and Knowledge Discovery in Real Life Applications Edited by: Julio Ponce and Adem Karahoca, 2009 |
| Diğer Kaynaklar: | Yok |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Devam | 14 | % 10 |
| Laboratuar | % 0 | |
| Uygulama | % 0 | |
| Arazi Çalışması | % 0 | |
| Derse Özgü Staj | % 0 | |
| Küçük Sınavlar | 4 | % 10 |
| Ödev | 2 | % 10 |
| Sunum | % 0 | |
| Projeler | % 0 | |
| Seminer | % 0 | |
| Ara Sınavlar | 1 | % 30 |
| Ara Juri | % 0 | |
| Final | 1 | % 40 |
| Rapor Teslimi | % 0 | |
| Juri | % 0 | |
| Bütünleme | % 0 | |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
| Toplam | % 100 | |
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı |