Bilgi Paketi / Ders Kataloğu
Veri Madenciliği
Ders Kodu: MTK571
Ders Türü: Bölüm Seçmeli
Ders Grubu: Yüksek Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 8
Amaç

Günümüzde bilgi teknolojileri sayesinde çok sayıda veri toplanabilmektedir. Toplanan verilerin yorumlanması, değerlendirilmesi ve bunlara bağlı olarak öngörüde bulunmak karar vericiler için önemli bir konudur. Veri madenciliği çok farklı alanlarda kullanılma olanağı bulmuş bir konudur. Bu derste veri madenciliği hakkında ayrıntılı bilgiler verilecektir.

Özet İçerik

Veri Ambarı. Veri Madenciliğine Giriş. Karar Ağaçlarıyla Sınıflandırma. Karar Ağaçlarıyla Sınıflandırma. Sınıflandırma ve Regresyon Ağaçları (CART). Bellek Tabanlı Sınıflandırma: K-En Yakın Komşu Algoritması. Kümeleme. Birliktelik Kuralları. İstatistiksel Sınıflandırma Modelleri: Bayes Sınıflandırıcılar ve Bayes Ağları. Optimizasyona Dayalı Sınıflandırma Modelleri: Destek Vektör Makinesi.

Dersi Veren Öğretim Görevlisi/Görevlileri
Dr. Öğr. Üyesi Rıfat AŞLIYAN
Öğrenme Çıktıları
1.Veri ambarı ve veri madenciliği kavramlarını anlamak.
2.Veri madenciliği yöntemlerini öğrenmek ve kullanabilmek.
3.Veri madenciliği yöntemleriyle uygulamalar geliştirebilmek.
4.Öğrendiği kavramlar arasındaki ilişkileri yorumlayabilme
5.Kurduğu ilişkileri karşılaşabileceği problemleri çözmek için uygulayabilme
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Dr. Yalçın Özkan, Veri Madenciliği Yöntemleri, Papatya Yayıncılık,2008.
2.J.Han and M.Kamber, Data Mining Concept and Techniques, Morgan Kaufmann Publisher, 2006.
3.D.Pyle , Data Preparation for Data Mining, Dartmouth Publishing, Inc., 1999.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Veri Ambarı
1. Hafta - Ön Hazırlık
Kaynak 1'deki ders kitabında sayfa 11-18 okunmalı.
2. Hafta - Teorik
Veri Ambarı
2. Hafta - Ön Hazırlık
Ders kitabında sayfa 18-35 okunmalı.
3. Hafta - Teorik
Veri Madenciliğine Giriş
3. Hafta - Ön Hazırlık
Ders kitabında sayfa 37-50 okunmalı.
4. Hafta - Teorik
Karar Ağaçlarıyla Sınıflandırma
4. Hafta - Ön Hazırlık
Ders kitabında sayfa 51-75 okunmalı.
5. Hafta - Teorik
Karar Ağaçlarıyla Sınıflandırma
5. Hafta - Ön Hazırlık
Ders kitabında sayfa 75-87 okunmalı.
6. Hafta - Teorik
Sınıflandırma ve Regresyon Ağaçları (CART)
6. Hafta - Ön Hazırlık
Ders kitabında sayfa 89-115 okunmalı.
7. Hafta - Teorik
Bellek Tabanlı Sınıflandırma: K-En Yakın Komşu Algoritması
7. Hafta - Ön Hazırlık
Ders kitabında sayfa 117-130 okunmalı.
8. Hafta - Teorik
Kümeleme
8. Hafta - Ön Hazırlık
Ders kitabında sayfa 131-149 okunmalı.
9. Hafta - Teorik
Kümeleme, Arasınav
9. Hafta - Ön Hazırlık
İşlenen tüm konular tekrarlanmalı.
10. Hafta - Teorik
Kümeleme
10. Hafta - Ön Hazırlık
Ders kitabında sayfa 149-156 okunmalı.
11. Hafta - Teorik
Birliktelik Kuralları
11. Hafta - Ön Hazırlık
Ders kitabında sayfa 157-166 okunmalı.
12. Hafta - Teorik
İstatistiksel Sınıflandırma Modelleri: Bayes Sınıflandırıcılar ve Bayes Ağları
12. Hafta - Ön Hazırlık
Ders kitabında sayfa 167-183 okunmalı.
13. Hafta - Teorik
İstatistiksel Sınıflandırma Modelleri: Bayes Sınıflandırıcılar ve Bayes Ağları
13. Hafta - Ön Hazırlık
Ders kitabında sayfa 167-183 okunmalı.
14. Hafta - Teorik
Optimizasyona Dayalı Sınıflandırma Modelleri: Destek Vektör Makinesi
14. Hafta - Ön Hazırlık
Ders kitabında sayfa 185-195 okunmalı.
15. Hafta - Ön Hazırlık
İşlenen tüm konular tekrarlanmalı.
15. Hafta - Dönem Sonu Sınavı (Final)
FİNAL
Değerlendirme
Değerlendirme TürüAdetYüzde
Ara Sınav (Vize)1%30
Dönem Sonu Sınavı (Final)1%70
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders140342
Bireysel Çalışma140456
Ara Sınav142345
Dönem Sonu Sınavı154357
TOPLAM İŞ YÜKÜ (Saat)200
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
PÇ-10
PÇ-11
PÇ-12
PÇ-13
PÇ-14
PÇ-15
OÇ-1
4
5
3
5
3
4
4
OÇ-2
4
5
5
5
3
4
5
OÇ-3
4
5
5
5
4
4
5
OÇ-4
4
5
5
5
4
4
4
OÇ-5
4
5
5
5
4
4
4
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026