Veri Ambarları ve Veri Madenciliği(ISI 524)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| ISI 524 | Veri Ambarları ve Veri Madenciliği | 1 | 3 | 0 | 0 | 3 | 6 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | İngilizce |
| Türü | Seçmeli |
| Dersin Düzeyi | Yüksek Lisans |
| Dersi Veren(ler) | Gülfem ALPTEKİN gulfem@gmail.com (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu ders ileri seviye bilgisayar bilimleri eğitimde işlenen veri madenciliği konuları hakkında öğrenciye genel bir perspektif kazandırma ve uygulama yapabilme becerilerini vermeyi amaçlamaktadır. Gittikçe popülerleşen veri madenciliği ve bilgi çıkarımı konuları arasında yer alan kural madenciliği, kümeleme, sınıflandırma gibi alt başlıklar gerçek dünyada tanımlı problemlerle işlenecektir. Böylece öğrencinin veri analizi alanında pratik çözümler üretebilmesi hedeflenmektedir. |
| İçerik |
1. Hafta Veri Madenciliği Temel Kavramları-1 2. Hafta Veri Madenciliği Temel Kavramları-2 3. Hafta Veri Hazırlama Yöntemleri 1 - Veri Temizliği, normalizasyon, Binning 4. Hafta Veri Hazırlama Yöntemleri 2 - Standartlaştırma, Kesikleme, İndirgeme, 5. Hafta Bağlantılı Kural Madenciliği 1 - Temel Kavramlar, Apriori algoritması 6. Hafta Bağlantılı Kural Madenciliği 2 - FP-Büyüme Algoritması, Diğer Algoritmalar 7. Hafta Ara sınav 8. Hafta Sınıflandırma 1 - Temel Kavramlar, Karar Ağaçları, Bayesian Sınıflandırma 9. Hafta Sınıflandırma 2 - Bayesian Sınıflandırma, SVM, KNN 10. Hafta Kümeleme 1 - Temel Kavramlar, Uzaklık Kavramı, Parçalama Algoritmaları 11. Hafta Kümeleme 2 - Hiyerarşik Yöntemler, Gril ve Yoğunluk Temelli Algoritmalar 12. Hafta Accuracy & Performans-1 13. Hafta Accuracy & Performans-2 14. Hafta Accuracy & Performans-3 |
| Dersin Öğrenme Çıktıları |
1. Veri Madenciliği Temel Kavramları Hakkında Bilgi Sahibi Olmak 2. Gerçek dünyada karşılaşılan Veri Madenciliği Problemlerini algılamak ve Çözüm Üretebilmek 3. Veri Madenciliğinde Dünyadaki baskın trendleri algılayabilmek ve buna adapte olabilecek teorik alt yapıyı oluşturmak 4. Bilgi Çıkarımında Kümeleme, sınıflandırma ve Kural Saptama Yöntemlerinin yerini kavramak ve bu kavramları problem özelinde gerçek veriye uyarlayabilmek 5. Veri Madenciliği Temel Algoritmalarını istatistiksel programlama dilleri kullanarak uygulayabilmek 6. Veri Madenciliği Algoritma Sonuçlarını Yorumlayabilmek |
| Öğretim Yöntemleri | |
| Kaynaklar |
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 |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Veri Madenciliği Temel Kavramları-1 |
| 2 | Veri Madenciliği Temel Kavramları-2 |
| 3 | Veri Hazırlama Yöntemleri 1 - Veri Temizliği, normalizasyon, Binning |
| 4 | Veri Hazırlama Yöntemleri 2 - Standartlaştırma, Kesikleme, İndirgeme |
| 5 | Bağlantılı Kural Madenciliği 1 - Temel Kavramlar, Apriori algoritması |
| 6 | Bağlantılı Kural Madenciliği 2 - FP-Büyüme Algoritması, Diğer Algoritmalar |
| 7 | Ara sınav |
| 8 | Sınıflandırma 1 - Temel Kavramlar, Karar Ağaçları, Bayesian Sınıflandırma |
| 9 | Sınıflandırma 2 - Bayesian Sınıflandırma, SVM, KNN |
| 10 | Kümeleme 1 - Temel Kavramlar, Uzaklık Kavramı, Parçalama Algoritmaları |
| 11 | Kümeleme 2 - Hiyerarşik Yöntemler, Gril ve Yoğunluk Temelli Algoritmalar |
| 12 | Accuracy & Performans-1 |
| 13 | Accuracy & Performans-2 |
| 14 | Accuracy & Performans-3 |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| 5 | |
| 6 | |
| 7 | |
| 8 | |
| 9 | |
| 10 | |
| 11 | |
| 12 | |
| 13 | |
| 14 |
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Toplam | 0 | 0 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Toplam | 0 | 0 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Toplam İş Yükü | 0 | ||
| Toplam İş Yükü / 25 | 0.00 | ||
| Dersin AKTS Kredisi | 0 | ||