| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| Denetimsiz İstatistiksel Öğrenme | VBL5012 | 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 |
Bu dersin amacı, yüksek lisans düzeyindeki öğrencilere etiketlenmemiş (çıktı değişkeni olmayan) veri kümelerindeki gizli yapıları, desenleri ve gruplamaları keşfetmek için kullanılan ileri düzey istatistiksel teknikleri öğretmektir. Ders, veri madenciliği, boyut indirgeme ve yoğunluk tahmini gibi yöntemlerin matematiksel temellerini ve modern veri bilimi uygulamalarını bir araya getirir. |
| Ders İçeriği |
Ders; temel bileşenler analizi (PCA), kümeleme yöntemleri (K-means, Hierarchical), model tabanlı kümeleme, birliktelik kuralları, ağ modelleri ve modern denetimsiz derin öğrenme tekniklerini kapsar. Özellikle veri görselleştirme ve yüksek boyutluluğun laneti (curse of dimensionality) üzerine odaklanılır. |
| Ders Kaynakları |
Hastie, T., Tibshirani, R., & Friedman, J. The Elements of Statistical Learning (Bölüm 14).
Aggarwal, C. C. Outlier Analysis. |
| 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 | Giriş ve Veri Keşfi Denetimsiz öğrenmenin felsefesi ve veri ön işleme. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 2 | Boyut İndirgeme I: PCATemel Bileşenler Analizi, özdeğerler ve varyans koruma. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 3 | Boyut İndirgeme II: İleri Tekniklert-SNE, UMAP ve Çok Boyutlu Ölçekleme (MDS). | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 4 | Kümeleme I: Bölümlemeli Yöntemler K-Ortalamalar (K-Means) ve K-Medoids algoritmaları. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 5 | Kümeleme II: Hiyerarşik Yöntemler Dendrogramlar, birleştirici ve bölücü kümeleme. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 6 | Model Tabanlı Kümeleme Karma Modeller (Gaussian Mixture Models) ve EM Algoritması. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 7 | Yoğunluk Tabanlı Kümeleme DBSCAN ve OPTICS algoritmaları ile gürültü yönetimi. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 8 | Ara Sınav 7 haftanın değerlendirilmesi. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 9 | Birliktelik Kuralları (Association) Apriori algoritması, Destek (Support) ve Güven (Confidence). | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 10 | Anomali ve Aykırı Değer Tespiti Isolation Forest ve Local Outlier Factor (LOF). | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 11 | Öz-Düzenleyici Haritalar (SOM)Kohonen ağları ve topolojik veri analizi. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 12 | Ağ Analizi ve Topluluk Tespiti Graf teorisi temelli gruplandırma teknikleri. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Denetimsiz Derin Öğrenme Otomatik Kodlayıcılar (Autoencoders) ve Boyut Sıkıştırma. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 14 | Vaka Çalışmaları ve SunumlarGerçek dünya verileriyle denetimsiz öğrenme projeleri | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| Ders Öğrenme Çıktısı | Ölçme Değerlendirme | Öğretim Metodu | Öğrenme Faaliyeti |
| Büyük ve karmaşık veri kümelerini anlamlandırmak için uygun denetimsiz öğrenme stratejisini belirler. | 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 |
| Yüksek boyutlu verileri görselleştirmek ve bilgi kaybını minimize etmek için boyut indirgeme tekniklerini uygular. | 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 |
| Veri noktaları arasındaki benzerlikleri ölçerek kümeleme algoritmalarını (Hiyerarşik, K-Ortalamalar vb.) yürütür. | 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 |
| Pazar sepeti analizi gibi birliktelik kuralı çıkarımlarını gerçekleştirebilir. | 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 |
| Anomali tespiti ve yoğunluk tahmini yöntemlerini kullanarak veri setindeki aykırı durumları raporlar. | 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 | - | - | - | - | - | - | - | - | - | - | - |
