Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
2YON848VERİ MADENCİLİĞİ3+0+03628.11.2025

 
Dersin Detayları
Dersin Dili Türkçe
Dersin Düzeyi Yüksek Lisans
Bölümü / Programı Yönetim ve Organizasyon Tezli Yüksek Lisans
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Dersi alan öğrencilerin istatistiksel ve yapay zeka teknikleri hakkında bilgi sahibi yapmak ve bu tekniklerin işletmeler üzerine nasıl uygulandığını göstermektir.
Dersin İçeriği Yüz yüze ders işleme.
Dersin Yöntem ve Teknikleri Anlatım
Ön Koşulları Yok
Dersin Koordinatörü Yok
Dersi Verenler Doç. Emre Yakut
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Textbook
Ders Notları Han and M. Kamber, Data Mining - concepts and Techniques, 2nd Edition, Morgan Kaufmann, 2006.

Ders Yapısı
Matematik ve Temel Bilimler %10
Mühendislik Bilimleri %10
Alan Bilgisi %80

Planlanan Öğrenme Aktiviteleri ve Metodları
Etkinlikler ayrıntılı olarak "Değerlendirme" ve "İş Yükü Hesaplaması" bölümlerinde verilmiştir.

Değerlendirme Ölçütleri
Yarıyıl Çalışmaları Sayısı Katkı
Ara Sınav 1 % 40
Yarıyıl Sonu Sınavı 1 % 60
Toplam :
2
% 100

 
AKTS Hesaplama İçeriği
İş Yükü Sayısı Süre Toplam İş Yükü (Saat)
Ders Süresi 14 3 42
Sınıf Dışı Ç. Süresi 15 6 90
Ara Sınavlar 1 15 15
Yarıyıl Sonu Sınavı 1 30 30
Toplam İş Yükü   AKTS Kredisi : 6 177

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Veri madenciliğine bir süreç olarak yaklaşabilme yeteneğini elde etmek
2 Kümeleme, tahmin ve sınıflandırma algoritmalarını uygulamak.
3 Önde gelen veri madenciliği yazılımlarında uzmanlaşmak.
4 Veri madenciliğini kuramlarla anlamak

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Veri Madenciliği
2 Veri Önişleme
3 Gruplandırma Teknikleri (Hiyerarşik Gruplandırma)
4 Gruplandırma Teknikleri (K-ortalama ve diğer gruplandırma teknikleri)
5 Gruplandırma Uygulama Örnekleri
6 Gruplandırma Uygulamaları Örnekleri
7 Entropi Hesaplaması
8 Karar Ağaçları
9 Bayes Sınıflandırma Tekniği
10 Yapay Sinir Ağları
11 Yapay Sinir Ağları Uygulamaları
12 Destek Vektör Makinaları ve Uygulamaları
13 İleri Öngörü Teknikleri
14 Örnek Uygulamalar

 
Dersin Program Çıktılarına Katkısı
P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P14
Tüm 2 4 3 3 4 3 4 3 4 3 4 3 4 4 5
Ö1 2 5 2 3 2 3 4 2 5 2 2 1 5 3 5
Ö2 2 2 5 3 5 3 5 4 2 3 5 4 2 5 5
Ö3 2 3 2 2 2 3 4 3 5 3 3 5 4 5 5
Ö4 3 4 3 4 5 3 4 3 3 4 4 3 4 3 5

  Katkı Düzeyi: 1: Çok Düşük 2: Düşük 3: Orta 4: Yüksek 5: Çok Yüksek

  
  https://obs.osmaniye.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=236864&lang=tr