Bilgisayar Mühendisliği

Ders Kodu	Ders Adı	Yıl	Dönem	Yarıyıl	T+U+L	Kredi	AKTS
05051108	Veri Analitiği	2025	Güz	5	3+0+0	3	5

Dersin Türü	Seçmeli
Dersin Düzeyi	Lisans (TYYÇ: 6. Düzey / QF-EHEA: 1. Düzey / EQF-LLL: 6. Düzey)
Dersin Dili	Türkçe
Yöntem ve Teknikler	-
Dersin Veriliş Şekli	Yüz Yüze
Ön Koşullar	-
Dersin Koordinatörü	-
Dersi Veren(ler)	Dr. Öğr. Üyesi Neşe ÖZKAN YILMAZ
Yardımcı(lar)	-

Adı Soyadı	Oda No.	E-Posta Adresi	Dahili	Görüşme Saatleri
Dr. Öğr. Üyesi Neşe ÖZKAN YILMAZ	A BLOK-130	[email protected]	7812

Temel Meslek Dersleri
Uzmanlık / Alan Dersleri
Destek Dersleri	X
Aktarılabilir Beceri Dersleri
Beşeri, İletişim ve Yönetim Becerileri Dersleri

İlişki Düzeyleri
En Düşük	Düşük	Orta	Yüksek	En Yüksek
1	2	3	4	5

#	Program Yeterlilikleri	Düzey
P6	Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi	1
P9	Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi	2
P10	Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi	3

Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
No	Öğrenme Çıktıları	Prog. Yet. İlişkisi	Ölçme Yöntemi **
Ö1	Basit bir YSA'nın eğitilmesi yöntemlerinin öğrenilmesi.	P.3.27	7
Ö2	Temel ölçme teorisi, algılayıcılar ve diğer ölçme bileşenleri hakkında teknolojik bilgisi olmalı	P.4.1	1
Ö3	Bağımsız çalışma ve sorumluluk üstlenme becerisi	P.6.1	3
** Yazılı Sınav: 1, Sözlü Sınav: 2, Ev Ödevi: 3, Lab./Sınav: 4, Seminer/Sunum: 5, Dönem Ödevi: 6, Uygulama: 7

Hafta	Konu
1	Fundamental concepts related to data science and data analytics.
2	Data types, similarity and distance metrics, and data visualization; applications with Weka
3	Data preprocessing and feature selection
4	Classification – Decision trees and evaluation of classification results
5	Classification – Bayesian classification and k-nearest neighbors
6	Classification – Support vector engines and logistic regression
7	Classification – Artificial neural networks and ensemble methods, applications with Weka
8	Association analysis – Rule derivation
9	Clustering – k-means and their variations, hierarchical clustering
10	Clustering – Density-based clustering, probability-based approaches
11	Verification and evaluation of clustering results; applications with Weka
12	Outlier data analysis
13	Data mining applications – Text mining, recommendation systems, spatio-temporal data mining
14	Project presentations

Kaynaklar

G. Shmueli, N. R. Patel, P. C. Bruce, Data Mining for Business Intelligence: Concepts, Techniques and Applications in Microsoft Office Excel with XLMiner, 2. Basım, John Wiley and Sons, 2010.

Yarıyıl Çalışmaları	Sayısı	Katkı (%)
Devam	-	-
Laboratuvar	-	-
Uygulama	-	-
Derse Özgü Staj (Varsa)	-	-
Ödev	-	-
Sunum	-	-
Projeler	-	-
Kısa sınav (Quiz)	-	-
Ara Sınavlar	1	40 (%)
Yarıyıl Sonu Sınavı	1	60 (%)
Toplam		100 (%)

Etkinlik	Sayı	Süre	Toplam İş Yükü (Saat)
Ders Hafta Sayısı ve Saati	14	3	42
Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, Kütüphane, Pekiştirme)	14	3	42
Ara Sınav	1	32	32
Kısa Sınav	0	0	0
Ödev	0	0	0
Uygulama	0	0	0
Laboratuvar	0	0	0
Proje	0	0	0
Atölye	0	0	0
Sunum/Seminer Hazırlama	0	0	0
Alan Çalışması	0	0	0
Dönem Sonu Sınavı	1	34	34
Diğer	0	0	0
Toplam İş Yükü:			150
Toplam Yük / 30			5
Dersin AKTS Kredisi:			5

İlişki Düzeyleri
En Düşük	Düşük	Orta	Yüksek	En Yüksek
1	2	3	4	5

#	Öğrenme Çıktıları	P3	P4	P6
Ö1	Basit bir YSA'nın eğitilmesi yöntemlerinin öğrenilmesi.	2	-	-
Ö2	Temel ölçme teorisi, algılayıcılar ve diğer ölçme bileşenleri hakkında teknolojik bilgisi olmalı	-	3	-
Ö3	Bağımsız çalışma ve sorumluluk üstlenme becerisi	-	-	3