AKTS - İleri Veri Madenciliği
İleri Veri Madenciliği (CMPE566) Ders Detayları
| Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| İleri Veri Madenciliği | CMPE566 | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul Ders(ler)i |
|---|
| N/A |
| Dersin Dili | İngilizce |
|---|---|
| Dersin Türü | N/A |
| Dersin Seviyesi | Fen Bilimleri Yüksek Lisans |
| Ders Verilme Şekli | Yüz Yüze |
| Dersin Öğrenme ve Öğretme Teknikleri | Anlatım. |
| Dersin Öğretmen(ler)i |
|
| Dersin Amacı | Öğrencilere veri madenciliği ile ilgili temel uygulamaları,güçlü ve zayıf yanlarını, temel kavramları ve teknikleri tanıtmak. |
| Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Dersin İçeriği | Veri madenciliğine giriş, girdi elemanları, veri işleme (temizleme, ekleme, boyut azaltma), veri madenciliği ve OLAP, veri madenciliği algoritmaları, güvenirlik, basit sınıflandırma algoritmaları (karar ağaçları) ve ileri örüntü madenciliği, ileri sınıflandırma konuları, veri madenciliği uygulamaları. |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Veri Madenciliği Giriş Ders Notu | Bölüm 1 (Ders Kitabı 1) |
| 2 | Girdi: Concepts, Attributes and Instance | Ders Notu Bölüm 2 (Ders Kitabı 2) |
| 3 | Veri İşleme (Cleaning, Integration and Reduction) | Ders Notu Bölüm 3 (Ders Kitabı 1) |
| 4 | Veri Ambarları and Çevrimiçi Analitik İşleme (OLAP) | Ders Notu Bölüm 4 (Ders Kitabı 1) |
| 5 | Veri Madenciliği Algoritmaları: Basit Metodlar | Ders Notu Bölüm 4 (Ders Kitabı 2) |
| 6 | Güvenirlik: Öğrenilenleri Değerlendirme | Ders Notu Bölüm 5 (Ders Kitabı 2) |
| 7 | Güvenirlik: Öğrenilenleri Değerlendirme | Ders Notu Bölüm 5 (Ders Kitabı 2) |
| 8 | İleri Patern Madenciliği | Ders Notu Bölüm 7 (Ders Kitabı 1) |
| 9 | İleri Patern Madenciliği | Ders Notu Bölüm 7 (Ders Kitabı 1) |
| 10 | Sınıflandırma:Temel Kavramlar | Ders Notu Bölüm 8 (Ders Kitabı 1) |
| 11 | Sınıflandırma:Temel Kavramlar | Ders Notu Bölüm 8 (Ders Kitabı 1) |
| 12 | Dönüştürme: Girdi ve Çıktı Mühendisliği | Ders Notu Bölüm 7 (Ders Kitabı 2) |
| 13 | Dönüştürme: Girdi ve Çıktı Mühendisliği | Ders Notu Bölüm 7 (Ders Kitabı 2) |
| 14 | İleri Teknikler, Veri Madenciliği ugulamaları ve yazılımları | Ders Notu Bölüm 12 (Ders Kitabı 2) |
| 15 | Gözden geçirme | |
| 16 | Gözden geçirme |
Kaynaklar
| Ders Kitabı | 1. Jiawei Han and Micheline Kamber. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2006. |
|---|---|
| 2. Ian H. Witten and Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Morgan Kaufmann Publishers, 2005. | |
| 3. Pang-Ning Tan, Michael Steinbach and Vipin Kumar. Introduction to Data Mining. Addison Wesley, 2005. | |
| Diğer Kaynaklar | 4. Tom Mitchell. Machine Learning. McGraw Hill, 1997. |
| 5. R. O. Duda et al., Pattern Classification. Wiley Interscience | |
| 6. Hastie, Tibshirani and Friedman. The Elements of Statistical Learning. Springer-Verlag, 2001. |
Değerlendirme System
| Çalışmalar | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | - | - |
| Laboratuar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj | - | - |
| Küçük Sınavlar/Stüdyo Kritiği | - | - |
| Ödevler | - | - |
| Sunum | - | - |
| Projeler | 3 | 30 |
| Rapor | - | - |
| Seminer | - | - |
| Ara Sınavlar/Ara Juri | 1 | 35 |
| Genel Sınav/Final Juri | 1 | 35 |
| Toplam | 5 | 100 |
| Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 65 |
|---|---|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 35 |
| Toplam | 100 |
Kurs Kategorisi
| Temel Meslek Dersleri | |
|---|---|
| Uzmanlık/Alan Dersleri | |
| Destek Dersleri | X |
| İletişim ve Yönetim Becerileri Dersleri | |
| Aktarılabilir Beceri Dersleri |
Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi
| # | Program Yeterlilikleri / Çıktıları | Katkı Düzeyi | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | İleri düzey hesaplama ve/veya bilişim bilgilerini yazılım mühendisliği problemlerini çözmede uygulama becerisi. | X | ||||
| 2 | Farklı teknolojiler, yazılım mimarileri ve yaşam-döngüsü yaklaşımları kullanarak çözümler geliştirmek. | X | ||||
| 3 | Bir yazılım sistemini, bileşenini, sürecini veya programını, modern teknikler ve yazılım mühendisliği uygulamalarına yönelik mühendislik araçlarını kullanarak, tasarlama, gerçekleştirme ve değerlendirme becerisi. | X | ||||
| 4 | Yazılım gereksinimlerini anlamak için, veri toplama, analiz etme ve yorumlama becerisi. | X | ||||
| 5 | Yazılım projeleri üzerindeki çalışmalar kapsamında ortaya çıkan problemler üzerinde etkin sözlü ve yazılı iletişim ve kritik düşünme becerileri. | |||||
| 6 | Bilim ve teknoloji alanındaki güncel gelişmeleri izlemede bilgiye erişim becerisi ve yazılım mühendisliği alanında bilimsel araştırma yapmak ve bir projeyi gerçekleştirmek. | |||||
| 7 | Yazılım Mühendisliği ile ilgili profesyonel, hukuksal, sosyal ve sorumluluklar konularında anlayış. | X | ||||
| 8 | Proje ve risk yönetim becerisi; girişimciliğin, yenilikçilik ve sürdürülebilir kalkınmanın önemi hakkında farkındalık; uluslararası standartların ve yöntemlerin bilinmesi. | |||||
| 9 | Yazılım Mühendisliği çözümlerinin, karar verme boyutunda, küresel, sosyal ve hukuki boyutları üzerindeki etkisini anlamak. | |||||
| 10 | Yazılım Mühendisliği uygulamaları için mükemmellik standartlarının geliştirilmesi, benimsenmesi ve sürekli kullanımının desteklenmesi. | |||||
ECTS/İş Yükü Tablosu
| Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) | |||
| Laboratuar | |||
| Uygulama | |||
| Derse Özgü Staj | |||
| Alan Çalışması | |||
| Sınıf Dışı Ders Çalışma Süresi | 16 | 2 | 32 |
| Sunum/Seminer Hazırlama | |||
| Projeler | 3 | 5 | 15 |
| Raporlar | |||
| Ödevler | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 1 | 10 | 10 |
| Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 20 | 20 |
| Toplam İş Yükü | 77 | ||