Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTS
3CPP209Veri Madenciliği3+0+034

Dersin Detayları
Dersin Dili Türkçe
Dersin Düzeyi Ön Lisans
Bölümü / Programı Bilgisayar Programcılığı
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Amacı Veri Madenciliği hakkında temel kavramları, veri madenciliğinin ilişkili olduğu diğer disiplinler (matematik, istatistik, veri görselleştirme vb.) hakkında temel bilgiler edinmek.
Dersin İçeriği Veri Madenciliği ile ilgili temel düzeyde bilgiler, en çok kullanılan veri madenciliği algoritmaları ve uygulanması.
Dersin Yöntem ve Teknikleri Teorik ve Uygulama
Ön Koşulları Yok
Dersin Koordinatörü Yok
Dersi Verenler Öğr.Gör. Tuğba Kavak tugba.kavak@gedik.edu.tr
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Ders Notları
Python ile Veri Madenciliği, CANER ERDEN, 2021.
Ders Sunumları

Ders Yapısı
Matematik ve Temel Bilimler %10
Alan Bilgisi %90

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 1 % 40
Yarıyıl Sonu Sınavı 1 % 60
Toplam :
2
% 100

 
AKTS Hesaplama İçeriği
Etkinlik Sayısı Süre Toplam İş Yükü (Saat)
Ders Süresi 14 3 42
Sınıf Dışı Ç. Süresi 14 2 28
Ara Sınavlar 1 10 10
Yarıyıl Sonu Sınavı 1 20 20
Toplam İş Yükü   AKTS Kredisi : 4 100

Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Veri madenciliği ile ilgili temel tanımları yapabilecek ve temel veri madenciliği problemlerini açıklayabilecektir.
2 Veri kümesi üzerinde veri önişleme, veri görselleştirme, özet istatistikleri sunma vb. gibi çeşitli analizler yapabilecektir.
3 Regresyon ve Sınıflandırma ile ilgili temel kavramları açıklayabilecek ve çeşitli teknikleri kullanabilecektir
4 Kümeleme ile ilgili temel kavramları açıklayabilecek, kümeleme analizi yapabilecektir.
5 Python programlama dilinin veri madenciliğinde nasıl kullanıldığı hakkında bilgi sahibi olacak ve daha önce edindiği Python programlama becerisini geliştirmiş olacaktır.
6 Temel istatistiksel kavramlar hakkında bilgi sahibi olacak ve giriş seviyede istatistiksel analiz yapabilecektir.


Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Python programlama bilgilerinin tekrar edilmesi, numpy, pandas ve matplotlib kütüphanelerinin kullanımının hatırlanması
2 Veri Madenciliğine Giriş, Kavramlar, Uygulama Alanları, Değişken Türleri, Büyük Veri
3 Bilgi Keşfi ve Aşamaları, Veri önişleme ile verinin model kurulmaya hazır hale getirilmesi
4 Temel istatistiksel kavramlar, istatistiksel analiz, aykırı değer analizi, öznitelik seçimi
5 Öğrenme Türleri, Regresyon ve Hata Hesaplama
6 Regresyon ile ilgili Uygulamalı Örnekler
7 Bu haftaya kadar işlenen konuların genel tekrarı, öğrencilerle soru-cevap
8 Vize
9 Sınıflandırmaya giriş, ikili ve çoklu sınıflandırma, hata matrisi oluşturma, hata metriklerinin kullanımı
10 Diğer Sınıflandırma Algoritmaları (Tanım ve Uygulama)
11 Kümelemeye Giriş, K-Means ve DBSCAN algoritmalarının kullanımı, Elbow method ve Silhouette analizi
12 Metin Madenciliğine Giriş, Veri Kazıma, Beautiful Soup kütüphanesinin kullanımı, metinleri vektörleştirme, boyut azaltma, bag-of-words vb. uygulamalar
13 Metin Özetleme, metinlerde benzerlik ve açısal kosinüs benzerliği
14 Birliktelik Analizleri, İlişki Kuralları, Destek ve Güven Ölçütleri vb. analizler
15 Bu haftaya kadar işlenen tüm konuların tekrarı ve soru-cevap


Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10
Tüm 5 5 5 4 2 4 4 2 1 3
Ö1 5 5 4 3 2 3 4 2 1 3
Ö2 5 5 5 4 2 4 4 3 1 3
Ö3 4 5 5 4 3 4 4 2 1 3
Ö4 4 5 5 4 2 4 3 2 1 3
Ö5 4 4 5 4 3 4 4 2 1 3
Ö6 5 5 4 3 2 3 4 2 1 3

Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek


https://obs.gedik.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=237567&curProgID=44&lang=tr