Dersin Ayrıntıları

Yarıyıl	Kodu	Adı	T+U+L	Kredi	AKTS	Son Güncelleme Tarihi
3	CPP209	Veri Madenciliği	3+0+0	3	4	23.11.2024

Dersin Detayları

Dersin Dili	Türkçe
Dersin Düzeyi	Ön Lisans
Bölümü / Programı	Bilgisayar Programcılığı
Öğrenim Türü	Örgün Öğretim
Dersin Türü	Seçmeli
Dersin Öğretim Şekli	Yüz Yüze
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 Notları	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

AKTS Hesaplama İçeriği

İş Yükü	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 No	Açıklama
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

Hafta	Konu	Ön Hazırlık	Dökümanlar
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
16	Final Sınavı

Dersin Program Çıktılarına Katkısı

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