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 Öğretmen(ler)i |
|
| 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;
|
| 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 | ||