İşleminiz Devam Ediyor.
Lütfen Bekleyiniz...
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Mühendislik ve Doğa Bilimleri Fakültesi
Bilgisayar Mühendisliği Programı
Ders Bolognaları
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) -
Dersin Alan Öğretimini Sağlamaya Yönelik Katkısı
Temel Meslek Dersleri
Uzmanlık / Alan Dersleri
Destek Dersleri X
Aktarılabilir Beceri Dersleri
Beşeri, İletişim ve Yönetim Becerileri Dersleri
Dersin Öğrenim Kazanımlarının Program Kazanımları ile Olan İlişkileri
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
Dersin Öğrenim Kazanımları
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
Dersin Haftalık İçeriği
Hafta Konu
1 Veri bilimi ve veri analitiği ile ilgili temel kavramlar
2 Veri çeşitleri, benzerlik ve uzaklık ölçütleri ve veri görselleştirme; Weka ile uygulamalar
3 Veri ön işleme ve öznitelik seçimi
4 Sınıflandırma – Karar ağaçları ve sınıflandırma sonucunun değerlendirilmesi
5 Sınıflandırma – Bayesçi sınıflandırma ve k-en yakın komşuluk
6 Sınıflandırma – Destek vektör motorları ve lojistik regresyon
7 Sınıflandırma – Yapay sinir ağları ve topluluk yöntemleri, Weka ile uygulamalar
8 Birliktelik analizi – Kural çıkarma
9 Kümeleme – k-ortalamalar ve varyasyonları, hiyerarşik kümeleme
10 Kümeleme – Yoğunluk temelli kümeleme, olasılık temelli yaklaşımlar
11 Kümeleme sonucunun doğrulanması ve değerlendirilmesi; Weka ile uygulamalar
12 Aykırı veri analizi
13 Veri madenciliği uygulamaları – Metin madenciliği, öneri sistemleri, zaman-uzamsal veri madenciliği
14 Proje sunumları
Ders Kitabı veya Malzemesi
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.
Değerlendirme Yöntemi ve Geçme Kriterleri
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 (%)
AKTS / Çalışma Yükü Tablosu
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
Ders - Öğrenme Çıktıları İlişkisi
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