| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| İstatistiksel Veri Madenciliği | VBL5002 | 1 | 3 + 0 | 7,5 |
| Birim Bölüm | VERİ BİLİMİ VE ANALİTİĞİ - YL |
| Derece Seviye | Lisansüstü - Seçmeli - Türkçe |
| Dersin Verilişi | Yüz yüze |
| EBS Koordinatörü | Prof. Dr. Serpil TÜRKYILMAZ (Yıl: 2025 - 2026) |
| Ders Veren | |
| Amaç |
Veri madenciliği için temel süreçleri kavram ve teknikleri ile öğrencileri teçhiz etmek ve onlara veri madenciliğinin kompleks yapısının algılanmasını sağlanması ile birlikte veri madenciliği literatürünü de kullanarak ileri düzey araştırma ve programlama yetenekleri kazandırılması |
| Ders İçeriği |
Veri madenciliğinin gözden geçirilmesi, veri temizleme, özellik ve alt grupları belirlenmesi, model kurulumu geliştirme ve uygulama, karar ağaçları için alt yapı oluşturma, yapay sinir ağları, kümeleme analizi, birliktelik kuralları, ile birlikte veri madenciliği tekniklerinin bir proje kapsamında uygulanması |
| Ders Kaynakları |
İnternet kaynakları
Han J.and Kamber M., “Data Mining” , Morgan Kaufman Pub. 2001
Pyle, D., “Data Preparation For Data Mining” Morgan Kaufman Pub., 1999
Torgo, L. 2010, "Data Mining with R: Learning with Case Studies" Chapman and Hall/CRC
|
| Yarıyıl İçi Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | 0 |
| Yarıyıl Sonu Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | %0 |
| Yarıyıl İçinin Başarıya Oranı | %0 |
| Yarıyıl Sonu Çalışmalar | %0 |
| Toplam | %0 |
| Kategori | Ders İlişki Yüzdeleri (%) |
|
Aktarılabilir Beceri Dersleri
|
0
|
|
Beşeri, İletişim ve Yönetim Becerileri Dersleri
|
0
|
|
Destek Dersleri
|
0
|
|
Ek Dersler
|
0
|
|
Kategori
|
0
|
|
Mesleki Seçmeli Dersler
|
0
|
|
Temel Meslek Dersleri
|
0
|
|
Uygulama Dersleri
|
0
|
|
Uzmanlık / Alan Dersleri
|
0
|
|
Yetkinlik Tamamlayıcı Ders
|
0
|
| Ders İş Yükü | Öğretim Metotlar / Öğretim Metodu | Süresi (Saat) | Sayısı | Toplam İş Yükü (Saat) |
| Toplam İş Yükü (Saat) | 0 | |||
| AKTS = Toplam İş Yükü (Saat) / 25.5 (s) | 0 | |||
| AKTS | 3,0 | |||
| Hafta | Konu | Öğretim Metodu |
|---|---|---|
| 1 | Veri Madenciliği tanımlar | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 2 | Veri Analizi | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 3 | Verilerin Keşfi | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 4 | Veri Görselleştirme | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 5 | Karar Ağaçları Modelleri | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 6 | Yapay Sinir Ağları | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 7 | En Yakın-Komşu Modelleri | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 8 | Sınıflama | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 9 | Birliktelik analizi | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 10 | Kümeleme analizi | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 11 | İleri kümeleme analizleri | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 12 | Anormalliklerin keşfi | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Uygulamalar | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Uygulamalar | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| Ders Öğrenme Çıktısı | Ölçme Değerlendirme | Öğretim Metodu | Öğrenme Faaliyeti |
| Öğrenciler veri madenciliğinde ticari ve ticari olmayan paket programları öğrenir | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Büyük veri kaynaklarına istatistik yöntemlerinin uygulamasında ortaya çıkan problemleri görür, | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Büyük veri setlerinde birlikteliği, sınıflamayı, ve kümelemeyi uygulayabilir, | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| R programını büyük veri setlerine uygulayabilir, | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Ticari veri tabanı sistemlerine veri madenciliğini uygulayabilirler. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
DERS ÖĞRENME ÇIKTISI |
PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ortalama Değer | - | - | - | - | - | - | - | - | - | - | - |
