AKTS - İleri Veri Madenciliği

İleri Veri Madenciliği (CMPE566) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
İleri Veri Madenciliği CMPE566 Alan Seçmeli 3 0 0 3 5
Ön Koşul Ders(ler)i
N/A
Dersin Dili İngilizce
Dersin Türü Bilgisayar Mühendisliği Seçmeli Dersleri
Dersin Seviyesi Doktora
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Dersin Asistan(lar)ı
Dersin Amacı Öğrencilere veri madenciliği ile ilgili temel uygulamaları,güçlü ve zayıf yanlarını, temel kavramları ve teknikleri tanıtmak.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Veri madenciliğinin temel kavram ve tekniklerini anlar
  • Veri ambarındaki veriden, temiz ve tutarlı bir veri deposu oluşturabilir.
  • Veri madenciliği alanındaki projeleri active olarak yönetir .
  • Veri madenciliği ile ilgili yazılımları kullanarak problemlere pratik çözümler geliştirir.
Dersin İçeriği Veri madenciliğine giriş, girdi elemanları, veri işleme (temizleme, ekleme, boyut azaltma), veri madenciliği ve OLAP, veri madenciliği algoritmaları, güvenirlik, basit sınıflandırma algoritmaları (karar ağaçları) ve ileri örüntü madenciliği, ileri sınıflandırma konuları, veri madenciliği uygulamaları.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 Veri Madenciliği Giriş Ders Notu Bölüm 1 (Ders Kitabı 1)
2 Girdi: Concepts, Attributes and Instance Ders Notu Bölüm 2 (Ders Kitabı 2)
3 Veri İşleme (Cleaning, Integration and Reduction) Ders Notu Bölüm 3 (Ders Kitabı 1)
4 Veri Ambarları and Çevrimiçi Analitik İşleme (OLAP) Ders Notu Bölüm 4 (Ders Kitabı 1)
5 Veri Madenciliği Algoritmaları: Basit Metodlar Ders Notu Bölüm 4 (Ders Kitabı 2)
6 Güvenirlik: Öğrenilenleri Değerlendirme Ders Notu Bölüm 5 (Ders Kitabı 2)
7 Güvenirlik: Öğrenilenleri Değerlendirme Ders Notu Bölüm 5 (Ders Kitabı 2)
8 İleri Patern Madenciliği Ders Notu Bölüm 7 (Ders Kitabı 1)
9 İleri Patern Madenciliği Ders Notu Bölüm 7 (Ders Kitabı 1)
10 Sınıflandırma:Temel Kavramlar Ders Notu Bölüm 8 (Ders Kitabı 1)
11 Sınıflandırma:Temel Kavramlar Ders Notu Bölüm 8 (Ders Kitabı 1)
12 Dönüştürme: Girdi ve Çıktı Mühendisliği Ders Notu Bölüm 7 (Ders Kitabı 2)
13 Dönüştürme: Girdi ve Çıktı Mühendisliği Ders Notu Bölüm 7 (Ders Kitabı 2)
14 İleri Teknikler, Veri Madenciliği ugulamaları ve yazılımları Ders Notu Bölüm 12 (Ders Kitabı 2)
15 Gözden geçirme
16 Gözden geçirme

Kaynaklar

Ders Kitabı 1. Jiawei Han and Micheline Kamber. Data Mining: Concepts and Techniques. Morgan Kaufmann Publishers, 2006.
2. Ian H. Witten and Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques with Java Implementations. Morgan Kaufmann Publishers, 2005.
3. Pang-Ning Tan, Michael Steinbach and Vipin Kumar. Introduction to Data Mining. Addison Wesley, 2005.
Diğer Kaynaklar 4. Tom Mitchell. Machine Learning. McGraw Hill, 1997.
5. R. O. Duda et al., Pattern Classification. Wiley Interscience
6. Hastie, Tibshirani and Friedman. The Elements of Statistical Learning. Springer-Verlag, 2001.

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler - -
Sunum - -
Projeler 3 30
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 1 35
Genel Sınav/Final Juri 1 35
Toplam 5 100
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı 65
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 35
Toplam 100

Kurs Kategorisi

Temel Meslek Dersleri
Uzmanlık/Alan Dersleri
Destek Dersleri X
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi

# Program Yeterlilikleri / Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Yazılım mühendisliği araştırma alanında en gelişmiş teknoloji ve literatürü kavrama X
2 Yazılım mühendisliğinde dünya çapında araştırma yapma ve bu alanda en iyi konferans ve dergilerde bilimsel makale yayınlama becerisi
3 Yazılım mühendisliğinde sayısal ve niteliksel çalışmalar yürütebilme X
4 Yazılım mühendisliği alanında akademik çevre ve endüstri arasında köprü kurabilmek için gerekli becerileri edinme ve gerçek dünyada karşılaşılan problemleri çözmek için yazılım mühendisliği yaklaşımlarını geliştirme ve uygulama X
5 Bilim ve teknolojideki güncel gelişmeleri takip edebilmek için gereken bilgiye ulaşma ve bilimsel araştırma gerçekleştirme veya yazılım mühendisliği alanına proje geliştirme becerisi
6 Yazılım mühendisliği alanında mesleki, hukuksal, etik ve sosyal sorunlar hakkında farkındalık ve sorumluluk bilinci
7 Proje ve risk yönetim becerisi; girişimciliğin, yenilikçilik ve sürdürülebilir kalkınmanın önemi hakkında farkındalık; yazılım mühendisliği uygulamaları standartları ve yöntemleri için uluslararası mükemmellik standartlarının bilinmesi
8 Karar alırken, Yazılım mühendisliği uygulamalarının evrensel, çevresel, sosyal ve hukuksal sonuçları konusunda farkındalık X
9 Yazılım mühendisliği uygulamaları için mükemmellik standardını geliştirmek, benimsemek ve sürdürülebilir kullanımını desteklemek

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati)
Laboratuar
Uygulama
Derse Özgü Staj
Alan Çalışması
Sınıf Dışı Ders Çalışma Süresi 16 2 32
Sunum/Seminer Hazırlama
Projeler 3 5 15
Raporlar
Ödevler
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 1 10 10
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 20 20
Toplam İş Yükü 77