BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE, TEZSİZ)
Yüksek Lisans TYYÇ: 7. Düzey QF-EHEA: 2. Düzey EQF-LLL: 7. Düzey

Ders Tanıtım Bilgileri

Ders Kodu Ders Adı Yarıyıl Teorik Pratik Kredi AKTS
CMP5102 Veri Madenciliği II Güz 3 0 3 7
Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir

Temel Bilgiler

Öğretim Dili: En
Dersin Türü: Departmental Elective
Dersin Seviyesi: LİSANSÜSTÜ
Dersin Veriliş Şekli: Yüz yüze
Dersin Koordinatörü: Dr. Öğr. Üyesi TEVFİK AYTEKİN
Dersi Veren(ler): Dr. Öğr. Üyesi TEVFİK AYTEKİN
Dersin Amacı: Bu ders bazı ileri ve popüler veri madenciliği konularını uygulamalı olarak işler. Uygulamaları açık kaynak yazılım programı olan R üzerinde yapılacaktır. Bu programlama dilini kullanmak için temel bilgiler işlenecektir.

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;
I. Veri madenciliğinde ileri konuları tanıtmak.
II. Veri madenciliğinde kullanılan ileri yöntemleri ve programlama araçlarını kullanmak ve değişik mühendislik alanlarına uygulama becerisi kazanma.
III. Veri ve ilişkileri keşfetmek yeteneği kazandırma.
IV. Veri içeren sorunlar için hipotez testi gerçekleştirmek için yeteneği kazandırma.

Dersin İçeriği

Giriş, Veri ithalat ve ihracat, Veri keşif, Karar ağaçları ve rasgele orman, Ağ tahmini, Aykırı algılama, Zaman ciddi analiz, Dernek kuralları, Metin madenciliği, sosyal ağ analizi, web madenciliği, Vaka çalışması I: Analiz ve ev fiyat endeksleri tahmini, Vaka çalışması II: sınırlı bellek ile Büyük Veri Akıllı modelleme

Haftalık Ayrıntılı Ders İçeriği

Hafta Konu Ön Hazırlık
1) Giriş
2) Veri çekme ve aktarma
3) Veri araştırma ve keşfi
4) Karar ağaçları ve rasgele orman
5) Ağ kestirimi
6) Aykırılık algılama
7) Zaman serisi analizi
8) İlişki kuralları
9) Yazı madenciliği
10) sosyal ağ analizi
11) web madenciliği
12) Vaka çalışması I: Analiz ve ev fiyat endeksleri tahmini
13) Case study II: Predictive modelling of Big Data with limited memory
14) Projeler

Kaynaklar

Ders Notları: Yanchang Zhao ,R and Data Mining: Examples and Case Studies, Academic Press, Elsevier, 2012
Diğer Kaynaklar: none.

Değerlendirme Sistemi

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Devam 0 % 0
Laboratuar 0 % 0
Uygulama 0 % 0
Arazi Çalışması 0 % 0
Derse Özgü Staj 0 % 0
Küçük Sınavlar 0 % 0
Ödev 0 % 0
Sunum 0 % 0
Projeler 1 % 30
Seminer 0 % 0
Ara Sınavlar 1 % 30
Ara Juri 0 % 0
Final 1 % 40
Rapor Teslimi 0 % 0
Juri % 0
Bütünleme % 0
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 30
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 70
Toplam % 100

AKTS / İş Yükü Tablosu

Aktiviteler Aktivite Sayısı İş Yükü
Ders Saati 14 42
Laboratuvar
Uygulama
Derse Özgü Staj
Arazi Çalışması
Sınıf Dışı Ders Çalışması 14 42
Sunum / Seminer
Proje 1 30
Ödevler
Küçük Sınavlar
Ara Juri
Ara Sınavlar 1 30
Rapor Teslimi
Juri
Final 1 50
Toplam İş Yükü 194

Program ve Öğrenme Kazanımları İlişkisi

Etkisi Yok 1 En Düşük 2 Düşük 3 Orta 4 Yüksek 5 En Yüksek
           
Dersin Program Kazanımlarına Etkisi Katkı Payı