Dersin Amacı: |
Veri Madenciliği, bilgisayarların veritabanlarındaki örüntüleri ve düzenlilikleri bulmasına, tahmin ve öngörü gerçekleştirmesine ve genellikle verilerle etkileşim yoluyla performanslarını iyileştirmesine olanak tanıyan algoritmaları ve hesaplamalı paradigmaları inceler. Şu anda, ham verilerden faydalı bilgilerin çıkarılmasıyla ilgilenen Bilgi Keşfi adlı daha genel bir sürecin temel unsuru olarak kabul edilmektedir. Bilgi keşfi süreci, veri seçimini, temizlemeyi, kodlamayı, farklı istatistiksel ve makine öğrenimi tekniklerini kullanmayı ve oluşturulan yapıların görselleştirilmesini içerir. Kurs tüm bu konuları kapsayacak ve tüm süreci örneklerle açıklayacaktır. Gerçek bilgi keşif araçlarını sağladıkları için Makine Öğrenimi yöntemlerine özel önem verilecektir. Veri ambarı ve çevrimiçi analitik işleme (OLAP) gibi önemli ilgili teknolojiler de tartışılacaktır. Öğrenciler güncel Veri Madenciliği yazılımını kullanacaklardır.
|
Dersin İçeriği: |
Veri madenciliği üzerine olan bu kurs, veri ön işleme, keşifsel veri analizi, tahmine dayalı modelleme, kümeleme, metin madenciliği ve proje çalışması gibi konular aracılığıyla büyük veri kümelerinden değerli bilgiler çıkarmak için kullanılan temel kavramları, teknikleri ve araçları kapsar.
|
Hafta |
Konu |
Ön Hazırlık |
1) |
Derse Giriş |
YOK |
2) |
Verilerinizi Bilin |
YOK |
3) |
Veri Ön İşleme |
YOK |
4) |
Veri Ambarı ve Çevrimiçi Analitik İşleme |
YOK |
5) |
Veri Küpü Teknolojisi |
YOK |
6) |
Madencilik Sık Örüntüler, Dernekler ve Korelasyonlar: Temel Kavramlar ve Yöntemler |
YOK |
7) |
Gelişmiş Sık Kalıp Madenciliği
|
YOK |
8) |
Ara Sınav |
|
9) |
Gelişmiş Sık Model Madenciliği |
|
10) |
Sınıflandırma: Temel Kavramlar ve Gelişmiş Yöntemler |
YOK |
11) |
Küme Analizi: Temel Kavramlar ve Yöntemler |
YOK |
12) |
Küme Analizi: Gelişmiş Yöntemler |
YOK |
13) |
Aykırı Değer Tespiti |
YOK |
14) |
Veri Madenciliğinde Eğilimler ve Araştırma Sınırları |
YOK |
Ders Notları / Kitaplar: |
Textbook: Han, Jiawei, Jian Pei, and Hanghang Tong. Data mining: concepts and techniques. Morgan kaufmann, 2022.
|
Diğer Kaynaklar: |
1. P.-N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining, Addison Wesley, 2005.
2. Mohammed J. Zaki, Wagner Meira Jr., Data Mining and Analysis: Fundamental Concepts and Algorithms, Cambridge Press, 2014.
|
|
Dersin Program Kazanımlarına Etkisi |
Katkı Payı |
1) |
Matematik, fen bilimleri ve yazılım mühendisliğine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinin çözümünde kullanabilme becerisi. |
|
2) |
Karmaşık yazılım mühendisliği problemlerini tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. |
|
3) |
Karmaşık bir yazılım sistemini, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama, gerçekleştirme, sınama, doğrulama, ölçme ve bakımını yapma becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. |
|
4) |
Yazılım mühendisliği uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. |
|
5) |
Karmaşık mühendislik problemlerinin veya yazılım mühendisliği araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. |
|
6) |
Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. |
|
7) |
Sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. |
|
8) |
Yaşam boyu öğrenmenin gerekliliği konusunda farkındalık; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. |
|
9) |
Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk ve yazılım mühendisliği uygulamalarında kullanılan standartlar hakkında bilgi. |
|
10) |
Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. |
|
11) |
Yazılım mühendisliği uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın yazılım mühendisliği alanına yansıyan sorunları hakkında bilgi; yazılım mühendisliği çözümlerinin hukuksal sonuçları konusunda farkındalık. |
|