PROGRAMI
DERS TANITIM VE UYGULAMA BİLGİLERİ

Ders AdıKoduVerildiği YılVerildiği YarıyılSüresi (T+U)Yerel KredisiAKTS Kredisi
Veri MadenciliğiCENG 5673 + 037,50
 
Ders Bilgileri
Dersin Öğretim Diliİngilizce
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli
Dersin Veriliş BiçimiYüz Yüze
 
Dersin Öğrenme Kazanımları:

Bu dersi başarı ile tamamlayan öğrenciler:
1. veri madenciliği gereksinimlerini anlamak
2. veri ön-işleme ve analizi tekniklerini öğrenmek
3. Veri ambarı kavramını anlamak
4. Sınıflama ve tahminleme algoritmalarını uygulamak ve karşılştırmak
5. Kümeleme algoritmalarını uygulamak ve karşılştırmak
6. İlişki kuralı madenciliği algoritmalarını uygulamak ve karşılaştırmak
7. Anomali bulma ve verimadenciliği insan faktörlerini anlama
8. Veri madenciliği sürecini uygulama
 
Dersin Önkoşulları ve Birlikte Alınması Gereken DerslerYok
Daha Önce Alınmış Olması Önerilen DerslerYok
 
Dersin Tanımı:

Bu ders, veritabanlarında bilgi ve ilişkileri keşfetmenin algoritmik ve pratik yönlerini sunmayı amaçlamaktadır. Konular, veri madenciliğinde veri ön-işleme ve veri analizi, veri ambarı, sınıflandırma ve regresyon, kümeleme, ilişkilendirme kural madenciliği, anomali saptama, ve veri madenciliğinde insan faktörleri konularını içerir.
 
Dersin İçeriği (Haftalık Konu Dağılımı):
 
HaftaKonu
 
Kaynaklar:
Data Mining: Concepts and Techniques (The Morgan Kaufmann Series in Data Management Systems), Han J., Kamber M, Pei J., Kaufmann M., 3rd Edition 2011.
 
Diğer Kaynaklar:
Introduction to Data Mining (2nd Edition) (What's New in Computer Science) 2nd Edition, by Pang-Ning Tan (Author), Michael Steinbach (Author), Anuj Karpatne (Author), Vipin Kumar (Author), Pearson; 2 edition (January 4, 2018)
 
Öğretim Yöntem ve Teknikleri:
Haftalık 3 saat teori
 
Değerlendirme Sistemi:
YöntemAdetKatkı (%)
Ara sınav1%30
Final Sınavı1%40
Ödev3%30
 
Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu?
Gerektirmiyor