Bilgisayar Mühendisliği
Dersin Ayrıntıları
KTO KARATAY ÜNİVERSİTESİ
Mühendislik ve Doğa Bilimleri Fakültesi
Bilgisayar Mühendisliği Programı
Ders Bolognaları
Mühendislik ve Doğa Bilimleri Fakültesi
Bilgisayar Mühendisliği Programı
Ders Bolognaları
| Ders Kodu | Ders Adı | Yıl | Dönem | Yarıyıl | T+U+L | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| 05071370 | Veri Madenciliğine Giriş | 4 | Güz | 7 | 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 Ali Osman ÇIBIKDİKEN |
| Yardımcı(lar) | - |
Dersin Öğretim Eleman(lar)ı
| Adı Soyadı | Oda No. | E-Posta Adresi | Dahili | Görüşme Saatleri |
|---|---|---|---|---|
| Dr. Öğr. Üyesi Ali Osman ÇIBIKDİKEN | A-124 | [email protected] | 7585 | Pazartesi 14.00-15.00 |
Dersin İçeriği
Data warehouse architectures and design issues, basic data mining strategies of supervised learning, unsupervised clustering and association rules. K-nearest neighbor, K-means, decision trees and production rules, neural networks, genetic learning, regression, statistical evaluation techniques.
Dersin Amacı
Basic data mining concepts, applications and techniques will be shown to students. Also the students will be prepared for doing research alone.
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 |
|---|---|---|
| P1 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi | 5 |
| P2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi | 5 |
Dersin Öğrenim Kazanımları
| Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir: | |||
|---|---|---|---|
| No | Öğrenme Çıktıları | Prog. Yet. İlişkisi | Ölçme Yöntemi ** |
| Ö1 | Sinir ağları, genetik öğrenme, regresyon | P.1.16 | 1 |
| Ö2 | İstatistiksel değerlendirme teknikleri | P.2.24 | 1,7 |
| ** 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 Madenciliğine Giriş |
| 2 | Veri Madenciliği Kavramları |
| 3 | Veri Hazırlama Teknikleri |
| 4 | Veri İndirgeme |
| 5 | Sınıflamada İstatistiksel Metodlar (Naive Bayes) |
| 6 | Karar Ağaçları ve Kuralları |
| 7 | Kümeleme ve Benzerlik Ölçüsü |
| 8 | Ara sınav |
| 9 | Kümeleme Metodları(Hiyerarşik Kümeleme) |
| 10 | Sınıflama Yöntemlerinin değerlendirilmesi |
| 11 | Birliktelik Kuralları |
| 12 | Sınaıflamada Yapay Sinir Ağlarının kullanılması |
| 13 | Konu Tekrarı ve Uygulamaları |
| 14 | Final |
Ders Kitabı veya Malzemesi
| Kaynaklar | Data Mining , J. Han – M. Kamber, Morgan-Kaufman, Academic Press, 2001, ISBN: 1-55860-901-6 |
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 | 4 | 56 |
| Ara Sınav | 1 | 3 | 3 |
| 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 | 3 | 3 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü: | 104 | ||
| Toplam Yük / 30 | 3,47 | ||
| Dersin AKTS Kredisi: | 3 | ||
Ders - Öğrenme Çıktıları İlişkisi
| İlişki Düzeyleri | ||||
| En Düşük | Düşük | Orta | Yüksek | En Yüksek |
| 1 | 2 | 3 | 4 | 5 |
| # | Öğrenme Çıktıları | P1 | P2 |
|---|---|---|---|
| Ö1 | Sinir ağları, genetik öğrenme, regresyon | 3 | - |
| Ö2 | İstatistiksel değerlendirme teknikleri | - | 5 |