TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN-EDEBİYAT FAKÜLTESİ |
| YAPAY ZEKA VE MAKİNE ÖĞRENMESİ PR. (İNGİLİZCE) | |
| Kod | YZZ211 |
| Ad | Introduction to Data Mining |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Yarıyıl | 3. Yarıyıl |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | İngilizce |
| Seviye | Lisans Dersi |
| Tür | Normal |
| Etiket | AE Alan Eğitimi Dersleri Z Zorunlu |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. YUSUF ALPER KAPLAN |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bu dersin amacı temel veri madenciliği tekniklerini ele almaktır.
Dersin İçeriği
Veri madenciliğine giriş, veri önişleme, birliktelik kuralları, sınıflandırma, kümeleme, sapan değer tespiti algoritmaları ile uygulamaları.
Dersin Ön Koşulu
Yok
Kaynaklar
Jiawei Han, Micheline Kamber and Jian Pei , Data Mining: Concepts and Techniques, 3rd edition, Morgan Koufmann,2011
Notlar
Jiawei Han, Micheline Kamber and Jian Pei , Data Mining: Concepts and Techniques, 3rd edition, Morgan Koufmann,2011
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Veri madenciliğinin temel yöntemlerini kavrar. |
| ÖÇ02 | Veri önişleme, birliktelik kuralları, sınıflandırma, kümeleme, sapan değer tespiti algoritmalarını uygular. |
| ÖÇ03 | Veri madenciliğini güncel problemlere uygular. |
| ÖÇ04 | Hangi veri madenciliği yöntemininin hangi durumda uygulancağına karar verebilir. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Bilgisayar Bilimleri temel kavramları, algoritmalar ve veri yapıları hakkında geniş bir bilgi yelpazesi kazandırır. | |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Yazılım geliştirme, programlama dilleri ve veritabanı yönetimi gibi temel bilgisayar konularını öğrenir. | |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Veri bilimi, yapay zeka ve makine öğrenimi gibi ileri düzey bilgisayar alanlarını anlar. | 5 |
| PÖÇ04 | - | Bilgisayar ağları, siber güvenlik ve veritabanı tasarımı gibi konularda bilgi edinir. | |
| PÖÇ05 | Beceriler - Bilişsel, Uygulamalı | Algoritmaları tasarlama, uygulama ve analiz etme becerilerini geliştirir. | |
| PÖÇ06 | Beceriler - Bilişsel, Uygulamalı | Farklı programlama dillerini etkili bir şekilde kullanabilme yeteneği kazanır | |
| PÖÇ07 | Beceriler - Bilişsel, Uygulamalı | Veri analizi, veritabanı yönetimi ve büyük veri işleme becerilerini öğrenir. | 5 |
| PÖÇ08 | Beceriler - Bilişsel, Uygulamalı | Yazılım geliştirme projelerinde çalışarak pratik deneyim kazanır. | |
| PÖÇ09 | Yetkinlikler - Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği | Ekip içinde işbirliği yapma ve iletişim becerilerini güçlendirir. | |
| PÖÇ10 | Yetkinlikler - Alana Özgü Yetkinlik | Teknolojik yeniliklere açık bir zihniyet kazandırır. | |
| PÖÇ11 | Yetkinlikler - Öğrenme Yetkinliği | Sürekli öğrenme ve kendini geliştirme yetkinliğini teşvik eder. | |
| PÖÇ12 | Yetkinlikler - İletişim ve Sosyal Yetkinlik | Karmaşık sorunları çözme yeteneği geliştirir. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Veri madenciliğinin tanımı ve aşamaları | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 2 | Veri önişleme adımları | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 3 | Weka paketi | Ders notlarının okunması ve uygulama | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma, Soru-Cevap |
| 4 | Birliktelik kuralı çıkarma algoritmaları | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 5 | Birliktelik kuralı çıkarma algoritmalarının performas iyileştirmeleri | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 6 | Temel sınflama algoritmaları (karar ağacı, Naive Bayes) | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 7 | Sınıflayıcıların performans değerlendirme yöntemleri | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım |
| 8 | Ara Sınavlar | Ders notlarının okunması | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | Kural tabanlı sınıflayıcılar, SVM, ve diğer sınıflayıcılar | Ders notlarının okunması ve uygulama | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 10 | Temel kümeleme algoritmaları (k means) | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım, Gösterip Yaptırma, Soru-Cevap |
| 11 | Temel kümeleme algoritmaları (hierarchical methods) | Ders notlarının okunması | Öğretim Yöntemleri: Soru-Cevap, Anlatım |
| 12 | Sapan değer tespiti yöntemleri | Ders notlarının okunması | Öğretim Yöntemleri: Anlatım, Soru-Cevap |
| 13 | Web ve metin madenciliğine giriş | Ders notlarının okunması | Öğretim Yöntemleri: Soru-Cevap |
| 14 | Proje sunumlarının hazırlanması | Uygulama, sunum hazırlama | Öğretim Yöntemleri: Soru-Cevap, Grup Çalışması, Proje Temelli Öğrenme |
| 15 | Proje sunumları | Uygulama, sunum yapma | Ölçme Yöntemleri: Sözlü Sınav, Proje / Tasarım |
| 16 | Yarıyıl Sonu Sınavları | Ders notlarının okunması | Ölçme Yöntemleri: Yazılı Sınav |
| 17 | Yarıyıl Sonu Sınavları | Ders notlarının okunması | Ölçme Yöntemleri: Yazılı Sınav |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 5 | 70 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 0 | 0 | 0 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 15 | 15 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 30 | 30 |
| Toplam İş Yükü (Saat) | 157 | ||
| Toplam İş Yükü / 25 (s) | 6,28 | ||
| AKTS | 6 AKTS | ||