Découverte de connaissances et Introduction à la Fouille de Données(INF483)
| Nom du Cours | Semestre du Cours | Cours Théoriques | Travaux Dirigés (TD) | Travaux Pratiques (TP) | Crédit du Cours | ECTS | |
|---|---|---|---|---|---|---|---|
| INF483 | Découverte de connaissances et Introduction à la Fouille de Données | 8 | 3 | 0 | 0 | 3 | 4 |
| Cours Pré-Requis | IND211 (2015-2016 VE ÖNCESİ) YA DA INF211 |
| Conditions d'Admission au Cours | IND211 (2015-2016 VE ÖNCESİ) YA DA INF211 |
| Langue du Cours | Français |
| Type de Cours | Électif |
| Niveau du Cours | Licence |
| Enseignant(s) du Cours | Günce Keziban ORMAN korman@gsu.edu.tr (Email) Orhan İlker BAŞARAN oibasaran@gsu.edu.tr (Email) |
| Assistant(e)s du Cours | |
| Objectif du Cours | Ce cours a une but de donner un point de vue général et la possibilité de créer des applications au sujet de l'exploration de données qui est une tâche importante de l'informatique pour les étudiants. Les problèmes du monde réel liées aux règles d'association, le regroupement et la classification seront analysées et des solutions possibles à ces problèmes seront examinés. Par conséquent, les étudiants seront en mesure de proposer une solution pratique aux problèmes d'analyse des données. |
| Contenus |
Fondamentaux a la Fouille de Donnees Prétraitement de Données 1 - nettoyage, normalisation, binning Prétraitement de Données 2 - normalisation, discrétisation, réduction Regles d'association 1 - Apriori Algorithmes Regles d'association 2 - Algorithme FP-croissance, d'autres algorithmes Classification 1 - Fondamentaux, arbre de décision Classification 2 - Bayesian Classification Classification 3- Les réseaux de neurones Examen Clustering 1 - Fondamentaux, Distance, Algorithmes de Partitionnement Clustering 2 -Algorithmes Hierarchiques Clustering 3 - Grille and Algoritmes basee sur densite Sujets avancés en Fouille de Donnees 1 - Fouille des motifs sequentielles Sujets avancés en Fouille de Donnee 2 -Fouilles des documents |
| Acquis d'Apprentissage du Cours |
" 1. Avoir des connaissances sur les principes fondamentaux de la découverte de connaissances et de la fouille de données 2. Capacité de comprendre les problèmes du monde réel reliees a la fouille de donnees et de proposer des solutions pour ces problemes 3. Capacité de comprendre les tendances les plus importants de la fouille de donnees et la création d'arrière-plan théorique pour les adapter 4. Comprendre les rôles des règles d'association, la classification et le regroupement et la capacité de les appliquer à des problèmes différents 5. Capacité de programmation des algorithmes de base de l'exploration de données en langages de programmation statistiques 6. Interprétation des résultats des algorithmes de la fouille de donnees" |
| Méthodes d'Enseignement |
1. Lecture 2. Discussion 3. Demonstration 4. Étude de cas 5. Résolution de problèmes 6. Apprentissage Coopératif 7. Question-Réponse |
| Ressources |
1. PDQ Statistics, Geoffrey R. Norman, David L. Streiner, 2003 2. The Art of R Programming, A tour of Statistical Software Design, Norman Matloff, 2011 3. Data Mining Concepts and Techniques, Jiawei Han, Micheline Kamber, 2006 4. Introduction to Data Mining , Pang-Ning Tan, Michael Steinbach, Vipin Kumar 2006 5. Software for Data Analysis: Programming with R (Statistics and Computing), John M. Chambers, 2008 6. Data Mining with R: Learning with Case Studies (Chapman & Hall/CRC Data Mining and Knowledge Discovery Series), Luis Torgo, 2011 |
Intitulés des Sujets Théoriques
| Semaine | Intitulés des Sujets |
|---|---|
| 1 | Fondamentaux a la Fouille de Donnees |
| 2 | Prétraitement de Données 1 - nettoyage, normalisation, binning |
| 3 | Prétraitement de Données 2 - normalisation, discrétisation, réduction |
| 4 | Regles d'association 1 - Apriori Algorithmes |
| 5 | Regles d'association 2 - Algorithme FP-croissance, d'autres algorithmes |
| 6 | Classification 1 - Fondamentaux, arbre de décision |
| 7 | Classification 2 - Bayesian Classification |
| 8 | Classification 3- Les réseaux de neurones |
| 9 | Examen |
| 10 | Clustering 1 - Fondamentaux, Distance, Algorithmes de Partitionnement |
| 11 | Clustering 2 -Algorithmes Hierarchiques |
| 12 | Clustering 3 - Grille and Algoritmes basee sur densite |
| 13 | Sujets avancés en Fouille de Donnees 1 - Fouille des motifs sequentielles |
| 14 | Sujets avancés en Fouille de Donnee 2 -Fouilles des documents |
Intitulés des Sujets Pratiques
| Semaine | Intitulés des Sujets |
|---|
Contribution à la Note Finale
| Numéro | Frais de Scolarité | |
|---|---|---|
| Contribution du contrôle continu à la note finale | 1 | 40 |
| Contribution de l'examen final à la note finale | 1 | 60 |
| Toplam | 2 | 100 |
Contrôle Continu
| Numéro | Frais de Scolarité | |
|---|---|---|
| Devoir | 0 | 0 |
| Présentation | 0 | 0 |
| Examen partiel (temps de préparation inclu) | 1 | 40 |
| Projet | 0 | 0 |
| Travail de laboratoire | 0 | 0 |
| Autres travaux pratiques | 0 | 0 |
| Quiz | 0 | 0 |
| Devoir/projet de session | 0 | 0 |
| Portefeuille | 0 | 0 |
| Rapport | 0 | 0 |
| Journal d'apprentissage | 0 | 0 |
| Mémoire/projet de fin d'études | 0 | 0 |
| Séminaire | 0 | 0 |
| Autre | 0 | 0 |
| Toplam | 1 | 40 |
| No | Objectifs Pédagogiques du Programme | Contribiton | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | Matematik, fizik ve mühendislik bilimlerine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, mühendislik problemlerinin modellenmesi ve çözümünde kullanabilme becerisi. | X | ||||
| 2 | Karmaşık bilgisayar mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | X | ||||
| 3 | Yazılımsal veya donanımsal karmaşık bir sistemi, süreci veya donanımı gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | X | ||||
| 4 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | X | ||||
| 5 | Analitik düşünce ile bir sistemi, sistem bileşenini ya da süreci analiz etme, modelleme, deney tasarlama ve yapma, veri toplama, çözüm algoritmaları üretebilme, uygulamaya alma ve geliştirme becerileri. | X | ||||
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | X | ||||
| 7 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az iki yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, yazılım ve donanım tasarımını, gerekirse teknik resim metotları kullanarak raporlayabilme, etkin sunum yapabilme becerisi. | X | ||||
| 8 | Bilgiye erişebilme ve bu amaçla kaynak araştırması yapabilme, veri tabanları ve diğer bilgi kaynaklarını kullanabilme becerisi | X | ||||
| 9 | Yaşam boyu öğrenmenin gerekliliği bilinci; kendini sürekli yenileme becerisi. | X | ||||
| 10 | Mesleki etik ilkelerine uygun davranma, mesleki sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | X | ||||
| 11 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | X | ||||
| Activités | Nombre | Durée | Charge totale de Travail |
|---|---|---|---|
| Durée du cours | 14 | 3 | 42 |
| Préparation pour le cours | 14 | 4 | 56 |
| Charge totale de Travail | 98 | ||
| Charge totale de Travail / 25 | 3,92 | ||
| Crédits ECTS | 4 | ||