Yazdır

DERS BİLGİLERİ
Ders KodDers AdT+U SaatYarıyılAKTS
YBS 441VERİ MADENCİLİĞİ TEKNİKLERİ2 + 15. Yarıyıl5

DERS TANIMI
Ders Düzeyi Lisans
Ders Türü Seçmeli
Dersin Amacı Dersin amacı Veri Madenciliği Kavramları, Veri Hazırlama Teknikleri, İstatistiksel Öğrenme Teorisi(Naive Bayes), Kümeleme Metodları (K-Means, hiyerarşik), Karar Ağaçları ve Karar Kuralları, Birliktelik Kurallarını öğretmektir.
Ders İçeriği Veri Madenciliğine Giriş / Veri Madenciliği Kavramları / Veri Hazırlama Teknikleri / Veri İndirgeme / Sınıflamada İstatistiksel Yöntemler (Naïve Bayes) / Kümeleme Yöntemleri (K-Means Algoritması) / Kümeleme Yöntemleri / Hiyerarşik Yöntemler / Karar Ağaçları ve Kuralları / Birliktelik Kuralları / Yapay Sinir Ağları
Ders Ön Koşul Dersin ön koşulu yok.
Ders Yan Koşul Dersin yan koşulu yok.
Öğretim Sistemi Yüz Yüze

DERS ÖĞRENME KAZANIMLARI
1Temel veri madenciliği kavramlarını tanımlayabilme
2Veri ön işleme işlemlerini uygulayabilme
3Belirli bir problemi çözmek için uygun olan veri madenciliği tekniğini belirleyebilme
4Bir veri madenciliği modeli tasarlayabilme
5Bir veri madenciliği algoritması uygulayabilme

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI
NoPY 01PY 02PY 03PY 04PY 05PY 06PY 07PY 08PY 09PY 10PY 11PY 12
ÖK 001      544444
ÖK 002      323452
ÖK 003      553455
ÖK 004      333333
ÖK 005      343333
Ara Toplam      191816182017
Katkı000000443443

AKTS / İŞ YÜKÜ TABLOSU
EtkinlikSayısıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)14342
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)14342
Ödevler21020
Arasınavlar(hazırlık süresi dahil)11010
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)11616
Toplam İş Yükü

Dersin AKTS Kredisi






130

5
DERS ŞUBELERİ
 Dönem seçiniz :   


 Ders DönemiŞube NoDersi Veren Öğretim Elemanı
Detay 2019-2020 Güz2HAMİD YEŞİLYAYLA


Yazdır

Ders Şube Detayları
Dersin Kodu Dersin Ad Saat (T+P) Şube No Öğretim Dili Şube Dönemi
YBS 441 VERİ MADENCİLİĞİ TEKNİKLERİ 2 + 1 2 Türkçe 2019-2020 Güz
Öğretim Elemanı  E-Posta  İç Hat  Ders Yeri Devam Zorunluluğu
Öğr. Gör. HAMİD YEŞİLYAYLA hyesilyayla@pau.edu.tr İİBF B0213 Dersin Devam Yüzdesi : %70
Amaç Dersin amacı Veri Madenciliği Kavramları, Veri Hazırlama Teknikleri, İstatistiksel Öğrenme Teorisi(Naive Bayes), Kümeleme Metodları (K-Means, hiyerarşik), Karar Ağaçları ve Karar Kuralları, Birliktelik Kurallarını öğretmektir.
İçerik Veri Madenciliğine Giriş / Veri Madenciliği Kavramları / Veri Hazırlama Teknikleri / Veri İndirgeme / Sınıflamada İstatistiksel Yöntemler (Naïve Bayes) / Kümeleme Yöntemleri (K-Means Algoritması) / Kümeleme Yöntemleri / Hiyerarşik Yöntemler / Karar Ağaçları ve Kuralları / Birliktelik Kuralları / Yapay Sinir Ağları
Haftalık Konu Başlıkları
HaftaKonular
1 Veri Madenciliğine Giriş
2 Veri Madenciliğine Giriş
3 Veri Önişleme
4 Veri Ambarları
5 İlişkilendirme Kuralları
6 Sınıflandırma 1
7 Sınıflandırma 2
8 Vize
9 Zaman Serisi Analizi
10 Demetleme 1
11 Demetleme 2
12 Sapan Veri ve Saldırı Tespiti
13 Metin Madenciliği
14 Web Madenciliği
Materyaller
Materyal belirtilmemiştir.
Kaynaklar
Ders Değerlendirme Sistemi
Değerlendirme YöntemiKatkı Yüzdesi (%)Değerlendirme Yöntemi Ad
Dönem Sonu Sınavı60Dönem Sonu Sınavı
Ara Sınav40Ara Sınav
T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları