Bu dersin sonunda öğrenciler; 1) İş hayatında veri madenciliği bilgisi edinir. 2) Veri madenciliği süreçleri ve bilgi keşfi kavramlarını öğrenir. 3) Veri madenciliği ile veritabanı arasındaki ilişkiyi kurar. 4) Veri madenciliği yöntemleri ile ilgili çeşitli algoritmaları uygular.
DERSİN VERİLİŞ BİÇİMİ
Yüz Yüze
DERSİN ÖNKOŞULLARI
Yok
ÖNERİLEN DERSLER
Yok
DERS TANIMI
İş hayatında veri madenciliği (VM). VM süreçleri ve bilgi keşfi. VM için veritabanı desteği. Regresyon algoritmaları. Sinir ağları. Ağaç algoritmaları ve diğer konular.
DERS İÇERİĞİ
HAFTA
KONULAR
1. Hafta
İşletmelerde Veri Madenciliği.
2. Hafta
Veri Madenciliği Süreçleri ve Bilgi Bulma: Veri Madenciliğine Veritabanı Desteği.
3. Hafta
Veri Madenciliği Tekniklerine Genel Bir Bakış.
4. Hafta
Kümeleme Analizi.
5. Hafta
Veri Madenciliğinde Regresyon Algoritmaları.
6. Hafta
Veri Madenciliğinde Sinir Ağları.
7. Hafta
Karar Ağacı Algoritmaları.
8. Hafta
Ara sınav
9. Hafta
Doğrusal Programlamaya Dayalı Yöntemler.
10. Hafta
İş Veri Madenciliği Uygulamaları.
11. Hafta
Pazar Sepeti Analizi.
12. Hafta
Metin ve Web Madenciliği.
13. Hafta
Metin ve Web Madenciliği.
14. Hafta
Metin ve Web Madenciliği.
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR
1. Turban E., Sharda R., Delen D., Decision Support and Business Intellegence Systems, 9/E, ISBN:9780132453233, Pearson, 2011 2. Olson D., Shi Y., Introduction to Business Data Mining, ISBN: 0072959711, McGraw Hill, 2007
