TOROS ÜNİVERSİTESİ
Bilgi Paketi Ders Kataloğu

Ders Bilgileri

VERİ MADENCİLİĞİ
Kodu	Dönemi	Teori	Uygulama	Ulusal Kredisi	AKTS Kredisi
		Saat / Hafta
CSE331	Güz	3	0	3	4

Ön Koşulu Olan Ders( ler )	Yok
Dili	İngilizce
Türü	Seçmeli
Seviyesi	Lisans
Öğretim Elemanı( ları )	Dr. Öğr. Üyesi Mehmet Ali AKTAŞ
Öğretim Sistemi	Yüz Yüze
Önerilen Hususlar	Yok
Staj Durumu	Yok
Amacı	Veri Madenciliğinin amacı veri yığınından faydalı bilgiyi bulup çıkartmak ve keşfedilen bilgiyi kullanarak mevcut durumu açıklamaya yardımcı olmak ve gelecekteki oluşumları tahmin etmektir.
İçeriği	Veri Madenciliği Kavramları, Veri Hazırlama Teknikleri, İstatistiksel Öğrenme Teorisi(Naive Bayes), Kümeleme Metodları (K-Means, hiyerarşik), Karar Ağaçları ve Karar Kuralları, Birliktelik Kurallarını

Dersin Öğrenim Çıktıları

#	Öğrenim Çıktıları
1	Veri Madenciliği temel kavramlarını öğrenme ve uygulayabilme bilgi ve beçerisi kazandıracaktır.
2	Veri yığınından faydalı bilgiyi bulup çıkarma becerisi kazandıracaktır.
3	Veri yığınını analiz etme, temizleme ve aykırı değerleri bulma becerisi kazandıracaktır.
4	Öğrenciler eğiticili sınıflama yöntemleri hakkında bilgi sahibi olacaklardır.
5	Öğrenciler eğiticisiz kümeleme yöntemleri hakkında bilgi sahibi olacaklardır.

Haftalık Ayrıntılı Ders İçeriği

#	Konular	Öğretim Yöntem ve Teknikleri
1	Veri Madenciliğine Giriş	Anlatım, tartışma, sunum
2	Veri Madenciliği Kavramları	Anlatım, tartışma, sunum
3	Veri Hazırlama Teknikleri	Anlatım, tartışma, sunum
4	Veri İndirgeme	Anlatım, tartışma, sunum
5	Sınıflamada İstatistiksel Metodlar (Naive Bayes)	Anlatım, tartışma, sunum
6	Karar Ağaçları ve Kuralları	Anlatım, tartışma, sunum
7	1. Ara Sınav	Ölçme
8	Kümeleme ve Benzerlik Ölçüsü	Anlatım, tartışma, sunum
9	Kümeleme Methodları (K-Means)	Anlatım, tartışma, sunum
10	Kümeleme Metodları- Hiyerarşik Metodlar	Anlatım, tartışma, sunum
11	Sınıflama Yöntemlerinin değerlendirilmesi	Anlatım, tartışma, sunum
12	Birliktelik Kuralları	Anlatım, tartışma, sunum
13	Sınaıflamada Yapay Sinir Ağlarının kullanılması	Anlatım, tartışma, sunum
14	Son Sınav	Ölçme
15
16

Resources

#	Malzeme / Kaynak Adı	Kaynak Hakkında Bilgi	Referans / Önerilen Kaynak
1	Data Mining , J. Han – M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6	Kitap
2	Data Mining – Concepts, Models, Methods and Algorithms, Mehmed Kantardzic, ISBN:0-471-22852-4	Kitap

Ölçme ve Değerlendirme Sistemi

#	Ağırlık	Çalışma Türü	Çalışma Adı
1	%40	Ara Sınav	Ara Sınav
2	%60	Son Sınav	Son Sınav

Dersin Öğrenim Çıktıları ve Program Yeterlilikleri ile İlişkileri

#	Öğrenim Çıktıları	Program Çıktıları	Ölçme ve Değerlendirme
1	Veri Madenciliği temel kavramlarını öğrenme ve uygulayabilme bilgi ve beçerisi kazandıracaktır.	1͵2͵3	1͵2
2	Veri yığınından faydalı bilgiyi bulup çıkarma becerisi kazandıracaktır.	1͵2͵3	1͵2
3	Veri yığınını analiz etme, temizleme ve aykırı değerleri bulma becerisi kazandıracaktır.	1͵2͵3	1͵2
4	Öğrenciler eğiticili sınıflama yöntemleri hakkında bilgi sahibi olacaklardır.	1͵2͵3	1͵2
5	Öğrenciler eğiticisiz kümeleme yöntemleri hakkında bilgi sahibi olacaklardır.	1͵2͵3	1͵2

Not: Ölçme ve Değerlendirme sütununda belirtilen sayılar, bir üstte bulunan Ölçme ve Değerlerndirme Sistemi başlıklı tabloda belirtilen çalışmaları işaret etmektedir.

İş Yükü Detayları

#	Etkinlik	Adet	Süre (Saat)	İş Yükü
1	Ders Süresi	14	3	42
2	Sınıf Dışı Ders Süresi (Ön çalışma, pekiştirme)	14	3	42
3	Sunum ve Seminer Hazırlama	0	0	0
4	İnternette tarama, kütüphane ve arşiv çalışması	0	0	0
5	Belge/Bilgi listeleri oluşturma	0	0	0
6	Atölye	0	0	0
7	Ara Sınav için Hazırlık	0	0	0
8	Ara Sınav	0	0	0
9	Kısa Sınav	0	0	0
10	Ödev	1	5	5
11	Ara Proje	1	2	2
12	Ara Uygulama	0	0	0
13	Son Proje	1	4	4
14	Son Uygulama	0	0	0
15	Son Sınav için Hazırlık	0	0	0
16	Son Sınav	0	0	0
				95