DERECE PROGRAMLARI  Ön Lisans Derecesi  Lisans Derecesi  Yüksek Lisans Derecesi

Ders Bilgileri Dersin Adı : Veri Madenciliği Yöntemleri II Dersin Kodu : IEM 756 Dersin Türü : Seçmeli Dersin Aşaması : İkinci Aşama (Yüksek Lisans) Dersin Yılı : 1 Dersin Dönemi : Bahar (16 Hafta) Dersin AKTS Kredisi : 6 Eğitici(ler)nin Adı : Doç.Dr. S.BİLGİN KILIÇ Dersin Öğrenme Kazanımları : Öğrencilerin, ham verilerin içerisindeki örüntülerin, temel ilişkilerin, etkileşimlerin değişimlerin, düzensizliklerin, kuralların ve istatistiksel olarak önemli olan yapıların keşfetmelerini ve yararlı bilgiler üretilmelerini sağlar Bilgisayar kullanarak parametrik ve parametrik olmayan analiz gerçekleştirme becerisi kazandırır Analitik düşünme yeteneği kazandırır Dersin Veriliş Şekli : Örgün (Yüz Yüze) Dersin Önkoşulları : Yok Ders Hakkında Önerilen Diğer Hususlar : Yok Dersin Amacı : Veri madenciliği dersi, verilerin içerisindeki örüntülerin, temel ilişkilerin, etkileşimlerin, değişimlerin, düzensizliklerin, kuralların ve istatistiksel olarak önemli olan yapıların keşfedilerek yararlı bilgilerin üretilmesini amaçlar Dersin İçeriği : Temel veri madenciliği yöntemlerinin, istatistiksel kavramların hatırlanması ve pekiştirilmesi, SPSS programının temel özellikleri, değişkenlerin tanımlanması ve özet tanımsal istatistiklerinin hesaplanması, veriler ve değişkenler arasında temel ilişki ve etkileşimlerin keşfedilmesi ve boyut indirgeme yöntemleri: Temel bileşenler faktör analizi, parametrik olmayan yöntemler: Yapay sinir ağları yöntemi, parametrik yöntemler: Logit analizi, diskriminant analizi, kümeleme analizi; hiyerarşik kümeleme analizi, k-adet gruplama yöntemi Dersin Dili : Türkçe Dersin Yeri : Derslik, Bilgisayar Laboratuvarı   Ders Planı Hafta Konu Öğrencinin Ön Hazırlığı Öğrenme Aktiviteleri ve Öğretme Yöntemleri 1 Temel veri madenciliği yöntemlerinin ve istatistiksel kavramların hatırlanması ve pekiştirilmesi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 2 Veriler ve değişkenler arasında temel ilişki ve etkileşimlerin keşfedilmesi ve boyut indirgeme yöntemleri: Temel bileşenler faktör analizi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 3 Temel bileşenler faktör analizi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 4 Parametrik olmayan yöntemler: Yapay sinir ağları yöntemi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 5 Yapay sinir ağları yöntemi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 6 Parametrik yöntemler: Logit analizi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 7 Logit analizi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 8 Arasınav 9 Diskriminant analizi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 10 Diskriminant analizi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 11 Hiyerarşik kümeleme analizi Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 12 Hiyerarşik kümeleme analizi; devam Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 13 k-adet en yakın komşu algoritması Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 14 Karar ağacı ile sınıflama algoritması Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 15 c4.5 algoritması Öğrenciler, konu başlıklarına göre kaynak kitapların ilgili bölümlerini okuyarak derse ön hazırlık yapacaklardır Laboratuvarda Bilgisayar uygulamalı anlatım 16/17 Final sınavı   Önerilen Kaynak ve Okumalar Kaynak Türü Kaynak Adı Ders Notu ve Kitaplar  Veri Madenciliği: Kavram ve Algoritmaları Doç, Dr. Gökhan SİLAHTAROĞLU  Veri Madenciliği (Kavram ve Teknikler) Aysan Şentürk Diğer Kaynaklar   Değerlendirme (Sınav) Yöntemleri ve Kriterleri Yarıyıl/Yıl İçi Değerlendirmeleri Sayısı Katkı Yüzdesi     Ara Sınavlar (Yazılı, Sözlü, vs.) 1 80     Ödev/Proje/Diğer 10 20 Toplam 100 Yarıyıl/Yıl İçi Değerlendirmelerinin Başarıya Katkısı 40   Yarıyıl/Yıl Sonu Değerlendirmesi 100 Yarıyıl/Yıl Sonu Değerlendirmesinin Başarıya Katkısı 60 Toplam 100   Dersin Temel Öğrenme Kazanımlarına Katkısı No Temel Öğrenme Kazanımı Katkısı* 1 Ekonometri kavramlarını açıklar 3 2 İktisadi alt yapıya sahip olup iktisadi modeller oluşturur 3 3 Karşılaşılan problemleri matematik, istatistik ve ekonometri bilgisi ile modeller 4 4 Problemlere çözüm önerileri geliştirmek üzere kavramsal düzeyde analiz yapma, kıyaslama, değerlendirebilme ve yorumlama becerisine sahiptir 5 5 Veri toplar, düzenler ve analiz eder 5 6 Ekonometri, İstatistik ve Yöneylem ile ilgili ileri düzey paket programlarını kullanabilir 5 7 Araştırmadığı bir alanda akademik kurallar çerçevesinde farklı kaynaklardan yararlanır, elde ettiği bilgileri sentezler ve etkin biçimde sunar 5 8 Türkçeyi ve en az bir yabancı dili akademik yaşamın ve iş yaşamının gereklerine uygun biçimde kullanır 3 9 Geleneksel yaklaşım, uygulama ve yöntemleri sorgular, gerekli gördüğü durumlarda yeni çalışma yöntemleri geliştirir ve uygular 4 10 Toplumsal, bilimsel ve mesleki etik değerleri tanır ve uygular 4 11 Modeli tutarlı tahmin eder ve sonuçlarını analiz edip yorumlar 5 12 Bireysel olarak ve/veya ekip içinde sorumluluk alır, liderlik yapar ve etkin biçimde çalışır 3 13 İstatistik, yöneylem araştırması ve Matematik bilgilerini tanımlar 5 14 Yaşam boyu öğrenmenin gerekliliğinin bilincinde olarak alanıyla ilgili güncel gelişmeleri izler ve kendini sürekli yeniler 3 15 Güncel konuları takip eder, iktisadi ve sosyal olaylara ilişkin verileri yorumlar 3 16 İlgili kişilerin duygu, düşünce ve davranışlarını doğru bir şekilde anlar ve yorumlar; kendisini yazılı ve sözlü olarak doğru bir şekilde ifade eder 3 * Katkı düzeyleri 0 (yok) ve 5 (en yüksek) arasında ifade edilmiştir.   Öğrenci İş Yükü - AKTS Çalışmalar Sayısı Süresi (Saat) Toplam İş Yükü (Saat) Ders ile İlgili Çalışmalar     Ders (Sınav haftaları dahil değildir) 14 3 42     Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) 14 3 42 Değerlendirmeler ile İlgili Çalışmalar     Ödev, Proje, Diğer 10 6 60     Ara Sınavlar (Yazılı, Sözlü, vs.) 1 2 2     Yarıyıl/Yıl Sonu/Final Sınavı 1 2 2 Toplam İş Yükü: 148 Toplam İş Yükü / 25 (s): 5.92 Dersin AKTS Kredisi: 6