Bu dersin sonunda öğrenciler; 1) Veri madenciliği uygulamaları açısından bir standart olan CRISP-DM standardını ve genel olarak veri madenciliğinin çeşitli aşamalarını ve yöntemlerini uygulamayı öğrenmiş olacaklardır 2) Bu bağlamda örnek bir yazılım aracı olarak da WEKA yazılım paketini kullanmayı öğreneceklerdir.
DERSİN VERİLİŞ BİÇİMİ
Yüz Yüze
DERSİN ÖNKOŞULLARI
Yok
ÖNERİLEN DERSLER
Bu dersle ilişkili önerilen başka dersler bulunmamaktadır.
DERS TANIMI
Ölçme ve veri, veri analizi ve belirsizlik, model ve örüntü, arama ve optimizasyon, sınıflama ve regresyon, örüntü ve kural bulma, uygulamalar ve projeler
DERS İÇERİĞİ
HAFTA
KONULAR
1. Hafta
Giriş: Veri madenciliği nedir?
2. Hafta
Bazı temel kavramlar
3. Hafta
Basit örnekler
4. Hafta
CRISP-DM standardı
5. Hafta
Verilerin hazırlanması ve önemi
6. Hafta
Veri analizine giriş
7. Hafta
WEKA yazılımı
8. Hafta
ARA SINAV
9. Hafta
Karar kuralları ve karar ağaçları
10. Hafta
Karar kuralları ve karar ağaçları
11. Hafta
Doğrusal regresyon modelleri
12. Hafta
Doğrusal sınıflama modelleri
13. Hafta
Kümele yöntemleri
14. Hafta
Uygulama/Proje Sunumları
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR
Data Mining, I.H. Witten, E. Frank, Morgan Kaufmann, 2005.
Discovering Knowledge in Data: An Introduction to Data Mining, D.T. Larose, John Wİley & Sons, 2005.
Principles of Data Mining, D.J. Hand, H. Manila, P. Smith, MIT Press, 2001.
ÖĞRETİM YÖNTEM VE TEKNİKLERİ
Anlatım,Soru-Cevap,Sorun/Problem Çözme,Diğer
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ
Sayısı
Toplam Katkısı(%)
Ara Sınav
1
30
Ödev
5
10
Proje
1
10
Toplam(%)
50
Yıl İçinin Başarıya Oranı(%)
50
Finalin Başarıya Oranı(%)
50
Toplam(%)
100
DİL
Türkçe
STAJ / UYGULAMA
Yok
PROGRAM YETERLİLİKLERİ (P) / DERSİN ÖĞRENME KAZANIMLARI (Ö) MATRİSİ