Dersin Ayrıntıları
YarıyılKoduAdıT+U+LKrediAKTSSon Güncelleme Tarihi
7END415Veri Madenciliği3+0+03428.11.2025

 
Dersin Detayları
Dersin Dili Türkçe
Dersin Düzeyi Lisans
Bölümü / Programı Endüstri Mühendisliği
Öğrenim Türü Örgün Öğretim
Dersin Türü Seçmeli
Dersin Öğretim Şekli Yüz Yüze
Dersin Amacı Dersin amacı, öğrencilere veri madenciliğinin temel yaklaşımları ile ilgili teorik bilgiler vermek ve farklı uygulamalar için uygun veri madenciliği teknikleri seçme ve uygulama yeteneği kazandırmaktır.
Dersin İçeriği Bu ders kapsamında veri madenciliği kavramını ve ilgili kavramlarla birlikte veri ön işleme; tahmin edici yaklaşımlar olan sınıflama ve regresyon ile tanımlayıcı yaklaşımlar olan kümeleme ve birliktelik kuralları işlenmektedir.
Dersin Yöntem ve Teknikleri
Ön Koşulları Yok
Dersin Koordinatörü Yok
Dersi Verenler Dr. Öğr. Üyesi Emin Sertaç Arı
Dersin Yardımcıları Yok
Dersin Staj Durumu Yok

Ders Kaynakları
Kaynaklar Teori ve Uygulamada VERİ MADENCİLİĞİ. Teori ve Uygulamada VERİ MADENCİLİĞİ. Yazar. Hidayet Takçı. Yayınevi. Nobel Akademik Yayıncılık.Silahtaroğlu, G. (2008). Veri madenciliği. Papatya Yayınları, İstanbul.

Ders Yapısı
Matematik ve Temel Bilimler %50
Sosyal Bilimler %50

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 14 5 70
Ara Sınavlar 1 3 3
Yarıyıl Sonu Sınavı 1 3 3
Toplam İş Yükü   AKTS Kredisi : 4 118

 
Dersin Öğrenme Çıktıları: Bu dersin başarılı bir şekilde tamamlanmasıyla öğrenciler şunları yapabileceklerdir:
Sıra NoAçıklama
1 Temel veri madenciliği kavramlarını tanımlayabilir
2 Veri yığınından faydalı bilgiyi bulup çıkarma becerisi kazandırır
3 Veri madenciliği analizleri gerçekleştirebilir
4 Birliktelik kurallarını çıkartma ve değerlendirme bilgi ve becerisi kazanır

 
Ders Konuları
HaftaKonuÖn HazırlıkDökümanlar
1 Veri Madenciliğine Giriş
2 Veri Madenciliği Kavramları ve Veri Ön işleme
3 Veri İndirgeme ve Seçme
4 Karar Ağaçları ve Sınıflandırma - ID 3 ve C4.5 Algoritması
5 Sınıflandırma - Twoing ve Gini Algoritması
6 Sınıflandırma - Diğer Algoritmalar
7 Sınıflandırma - K-En Yakın Komşu Algoritması
8 K-En Yakın Komşu Algoritması uygulaması
9 Kümeleme - Uzaklık Ölçümleri
10 Kümeleme - Hiyerarşik Kümeleme Yöntemleri
11 Kümeleme - Hiyerarşik Olmayan Kümeleme Yöntemleri
12 Birliktelik Kuralları - APriori Algoritması
13 İstatistiksel Sınıflandırma Modelleri - Bayes Ağları
14 Optimizasyona Dayalı Sınıflandırma - Destek Vektör Makineleri

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

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

  
  https://obs.osmaniye.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=287133&lang=tr