|
Dersin Dili
|
Türkçe
|
|
Dersin Düzeyi
|
Doktora
|
|
Bölümü / Programı
|
Yönetim Bilişim Sistemleri Doktora
|
|
Öğrenim Türü
|
Örgün Öğretim
|
|
Dersin Türü
|
Seçmeli
|
|
Dersin Öğretim Şekli
|
Yüz Yüze
|
|
Dersin Amacı
|
Veri madenciliğinde ileri araştırma konuları tartışılacaktır. Veri madenciliği literatüründe iyi bilinen ancak sürekli gelişen kümeleme ve birliktelik analizi ve diğer popüler algoritmalar incelenecek ve bu algoritmaların optimizasyonu beklenecektir. Araştırma ağırlıklı dersin içeriği, doktora öğrencilerini veri madenciliği konusunda araştırma yapmaya teşvik etmektir.
|
|
Dersin İçeriği
|
Veri madenciliğinin tanımı, veri madenciliğine genel bakış, veri madenciliği aşamaları, veri kümesi oluşturma, veri ayıklama ve önişleme, veri azaltma, veri dönüşümü, veri madenciliğinde model gösterimi, değerlendirme ve arama yöntemleri, sınıflandırma ve kümeleme, karar ağaçları, yapay sinir ağı uygulamaları, bağıntı kurma.
|
|
Dersin Yöntem ve Teknikleri
|
|
|
Ön Koşulları
|
Yok
|
|
Dersin Koordinatörü
|
Yok
|
|
Dersi Verenler
|
Dr. Öğr. Üyesi Emin Sertaç ARI
|
|
Dersin Yardımcıları
|
Yok
|
|
Dersin Staj Durumu
|
Yok
|
Ders Kaynakları
|
Kaynaklar
|
Han, Jiawei, Jian Pei, and Micheline Kamber. Data mining: concepts and techniques. Elsevier, 2011.
Dunham, M. H. (2003). Data Mining Inductory and Advanced Topics, New Jersey: Prentice Hall/Pearson Education.
Akpınar, H. (2014). Data Veri Madenciliği Analizi, İstanbul: Papatya Yayıncılık Eğitim.
Tan, P.-N., Steinbach, M., Kumar, V. (2005). Introduction to Data Mining: Pearson International Edition, Addison Wesley.
|
|
Ders Notları
|
Akküçük, U. (2011). Veri Madenciliği Kümeleme Ve Sınıflama Algoritmaları, İstanbul: Yalın Yayıncılık.
|
|