Dersin Detayları Dersin Dili Türkçe Dersin Düzeyi Lisans Bölümü / Programı Bilgisayar Mühendisliği Öğrenim Türü Örgün Öğretim Dersin Türü Zorunlu Dersin Öğretim Şekli Yüz Yüze Dersin Amacı Bu ders ile öğrenciler, veritabanlarında bilgi keşfi süreçlerini, veri madenciliği kavramını, yöntemlerini ve sık olarak kullanılan veri madenciliği algoritmalarını öğrenecekler ve bu algoritmaları basit seviyede uygulayacaklardır. Dersin İçeriği Veri; enformasyon ve bilgi kavramları; Veri madenciliğine giriş; Veritabanlarında bilgi keşfi (VTBK); Veritabanları; OLTP; Veri ambarları; Veri küpleri; OLAP; VTBK- veri seçimi; VTBK- veri önişleme (veri temizleme - veri dönüşümü); Sınıflama yöntemleri (karar ağaçları; ID3 ve bayes algoritmaları; vb);Kümeleme yöntemleri (k-means; k-medoids; dbscan algoritmaları; vb); Birliktelik-ilişki kuralları (market sepet; apriori algoritması; vb.); Apriori algoritması ile veri madenciliği çalışması örneklemesi Dersin Yöntem ve Teknikleri 1. Anlatım, 2. Soru-Cevap, 3. Tartışma ve Beyin Fırtınası, 4. Araştırma ve Proje Temelli Öğrenme, 5. Sunum Hazırlama, 6. Grup Çalışması, 7. Problem Çözme Ön Koşulları Yok Dersin Koordinatörü Dr. Öğretim Üyesi Feridun C. ÖZÇAKIR feridun.ozcakir@gedik.edu.tr Dersi Verenler Dr. Öğretim Üyesi Feridun C. ÖZÇAKIR feridun.ozcakir@gedik.edu.tr Dersin Yardımcıları Yok Dersin Staj Durumu Yok Ders Kaynakları Kaynaklar I. Witten – E. Frank; Data Mining, Morgan Kaufmann Academic Press; 2000 Mohammed .J. Zaki, Wagner Meira; Data Mining and Analysis Fundamental Concepts and Algorithms, Cambridge Ders Notları Data Mining: Concepts and Techniques, 3rd Edition Jiawei Han, Micheline Kamber, Jian Pei - Morgan Kaufmann - 2011 Sınavlar Vize ve Final sınavları Ders Yapısı Matematik ve Temel Bilimler %40 Mühendislik Bilimleri %20 Mühendislik Tasarımı %10 Sosyal Bilimler %0 Eğitim Bilimleri %0 Fen Bilimleri %0 Sağlık Bilimleri %0 Alan Bilgisi %30