Ana içeriğe atla
EN

VERİ MADENCİLİĞİ İLKELERİ

Ders
DASC325 - VERİ MADENCİLİĞİ İLKELERİ
Bölüm
Veri Bilimi - İngilizce - Lisans
Ders Tipi
Ders
Durum
Zorunlu
Dil
İngilizce
Kredi
3
AKTS
7
T+P+L
3 + 0 + 0
Ders Koordinatörleri
-
Ön Koşul
-
Anahtar Sözcükler

Ders Açıklaması

Bu derste, bilgisayarların veri kümelerini örüntüler ve düzenlilikler için aramasını ve tahminler yapmasını sağlayan algoritmalar ve hesaplama paradigmalarının çalışması olan veri madenciliği ele alınmaktadır. Yapılandırılmamış verilerden anlamlı bilgilerin çıkarılmasıyla ilgilenen daha geniş bir süreç olan bilgi keşfi kapsamlı bir şekilde tanıtılır. Ders, tümü bilgi keşfinin adımları olan veri seçimi, temizleme, kodlama, çeşitli istatistiksel ve makine öğrenimi yaklaşımlarının uygulanması ve ortaya çıkan yapıların görselleştirilmesini araştırır. Bu dersi başarıyla tamamlayan öğrencilerin sınıflandırma, kural tabanlı öğrenme, karar ağaçları ve birliktelik kuralları gibi çeşitli veri madenciliği tekniklerini öğrenmeleri beklenir. Ek olarak, öğrencilerin verilerin seçilmesi ve temizlenmesi, verilerdeki "gizli" örüntüler hakkında "öğrenme" için makine öğrenimi yöntemleri ve elde edilen bilgilerin raporlanması ve görselleştirilmesi hakkında bilgi sahibi olmaları beklenmektedir.

VERİ MADENCİLİĞİ İLKELERİ

Değerlendirme Araçları (Aktif Dönem)

Değerlendirme öğesi tanımlanmamış.

Ders Müfredatı

Hafta Konu
Hafta 1 Introduction to Data Mining
Hafta 2 Data
Hafta 3 Data Collection Methods
Hafta 4 Data Collection Methods - Web Scrapping
Hafta 5 Ethical Concerns in Data Mining
Hafta 6 Data Preprocessing
Hafta 7 Bias Variance Tradeoff, Data Splitting and Validation
Hafta 8 Midterm Week
Hafta 9 Midterm Week
Hafta 10 Model Evaluation: Performance Metrics
Hafta 11 Classification Algorithms
Hafta 12 Supervised Learning
Hafta 13 Supervised Learning
Hafta 14 Unsupervised Learning
Hafta 15 Revision

Referans Kitaplar & Ders Materyalleri

  1. 01 Introduction to Data Mining, 2nd edition, Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Pearson, 2018

Ders Çıktıları

  1. L01 Veri madenciliğinde temel kavramları, terminolojiyi ve süreçleri tanımlayın ve büyük veri kümelerinden anlamlı kalıplar çıkarmadaki rolünü açıklayın. SOLO 2
  2. L01 Çeşitli veri türlerini, kaynaklarını ve formatlarını tanımlama, açıklama ve bunların farklı veri madenciliği görevleri için uygunluğunu değerlendirebilme SOLO 3
  3. L01 Analiz için gerçek dünya veri kümelerini toplamak ve hazırlamak amacıyla web kazıma tekniklerini uygulamak da dahil olmak üzere uygun veri toplama yöntemlerini uygulayabilme SOLO 4
  4. L04 Veri madenciliği uygulamalarıyla ilgili etik, yasal ve gizlilik endişelerini tartışır, değerlendirir ve veri kullanımı için stratejiler formüle eder SOLO 5
  5. L05 Veri kalitesini ve model performansını artırmak için temizleme, bütünleştirme, dönüştürme ve indirgeme gibi veri ön işleme işlemlerini gerçekleştirin. SOLO 4
  6. L06 Uygun metrikleri kullanarak sınıflandırma algoritmalarını (hem denetlenen hem de denetlenmeyen) uygulayın ve değerlendirin ve veri odaklı sonuçlara ulaşmak için model değerlendirme sonuçlarını yorumlayın. SOLO 5

Program Çıktıları

  1. P01 Kullanıcıların iş verilerine erişmesine izin vermek için çağdaş bir nesne yönelimli dilde bir kullanıcı arabirimi oluşturabilir
  2. P02 Kullanıcı ihtiyaçlarını tanımlayın ve analiz edin ve bilgi işlem tabanlı sistemlerin seçiminde, oluşturulmasında, entegrasyonunda, değerlendirilmesinde ve yönetiminde bunları dikkate alabilir
  3. P03 Ortak iş fonksiyonlarını analiz edebilir ve uygun bilgi teknolojisi çözümlerini belirleyebilir, tasarlayabilir ve geliştirebilir
  4. P04 Uygun problem çözme stratejilerini kullanarak çağdaş iş ortamları için yazılım çözümleri tasarlayabilir ve geliştirebilir
  5. P05 Çağdaş iş ortamlarını desteklemek için veritabanı sunucusunu yapılandırabilir ve yönetebilir
  6. P06 Küçük ila orta ölçekli bir şirket için ilişkisel bir veritabanını yönetebilir
  7. P07 BT tabanlı çözümleri kullanıcı ortamına etkin bir şekilde entegre edebilir
  8. P08 Profesyonel, etik, yasal, güvenlik ve sosyal konuları ve sorumlulukları anlayabilir
  9. P09 Profesyonel ortamla uyumlu etkili iletişim becerilerini uygulayabilir
  10. P10 Profesyonel ortamla uyumlu ekip çalışmasında etkili işbirliği becerilerini uygulayabilirler

Pç-Dç Matrisi

ÖÇ P01 P02 P03 P04 P05 P06 P07 P08 P09 P10 Ortalama
L01 - - - - - - - - - - -
L01 - - - - - - - - - - -
L01 - - - - - - - - - - -
L04 - - - - - - - - - - -
L05 - - - - - - - - - - -
L06 - - - - - - - - - - -