AKTS - Veri Madenciliği ve Bilgi Keşfi
Veri Madenciliği ve Bilgi Keşfi (MAN332) Ders Detayları
| Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| Veri Madenciliği ve Bilgi Keşfi | MAN332 | Alan Seçmeli | 2 | 1 | 0 | 2.5 | 5 |
| Ön Koşul Ders(ler)i |
|---|
| N/A |
| Dersin Dili | İngilizce |
|---|---|
| Dersin Türü | Seçmeli Dersler |
| Dersin Seviyesi | Lisans |
| Ders Verilme Şekli | Yüz Yüze |
| Dersin Öğrenme ve Öğretme Teknikleri | Anlatım, Gösteri, Tartışma, Uygulama-Alıştırma. |
| Dersin Öğretmen(ler)i |
|
| Dersin Amacı | Bu ders, işletmelerde karşılaşılan karmaşık problemlerin çözümüne yönelik olarak, veri madenciliği ve bilgi keşfi alanındaki temel tekniklerin ve kavramların öğretimini amaçlamaktadır. Öğrenciler, bu teknikleri kullanarak büyük veri setlerinden anlamlı bilgiler çıkarmayı ve bu bilgileri stratejik karar alma süreçlerinde nasıl uygulayacaklarını öğrenirler. Ders, veri odaklı iş analitiği becerilerini geliştirmeyi hedeflemektedir. |
| Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Dersin İçeriği | Bu ders, veri madenciliği ve bilgi keşfi alanında temel kavramları ve teknikleri işletme odaklı bir çerçevede tanıtmaktadır. Öğrenciler, veri toplama, ön işleme, keşifsel veri analizi, sınıflandırma, kümeleme ve ilişki kuralları madenciliği gibi konularla tanışacak; bu tekniklerin işletme problemlerine nasıl uygulanabileceğini öğreneceklerdir. |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Veri Madenciliğine Giriş - Temel kavramları, veri madenciliği süreç modeli (CRISP-DM) ve aşamaları, Veri türleri, veri kaynakları, işletme dünyasında veri madenciliği örnekleri | Veri madenciliği ve temel kavramları hakkında genel bilgi edinilmeli. |
| 2 | Veri Toplama ve Temel Veri Ön İşleme - Veri toplama yöntemleri ve veri kalitesi, veri temizleme, normalizasyon ve dönüştürme ve uygulama | Veri madenciliği kavramlarına yönelik akademik makale ve projeler incelenmeli. |
| 3 | Keşifsel Veri Analizi (EDA) - Veri görselleştirme araçları, temel istatistiksel analizler, veri özetleme ve uygulama | Veri görselleştirme araçları ve temel istatistiksel analizlerle ilgili kaynaklar incelenmeli |
| 4 | Sınıflandırma Tekniklerine Giriş - Temel sınıflandırma algoritmaları (Karar ağaçları, k-NN), Sınıflandırma performans ölçütleri ve uygulama | Karar ağaçları ve k-NN algoritmalarının temel prensipleri hakkında bilgi edinilmeli. |
| 5 | Kümeleme Tekniklerine Giriş - K-means algoritması, Kümeleme sonuçlarının değerlendirilmesi: Silhouette skoru, müşteri segmentasyonu için kümeleme örnekleri ve uygulama | K-means algoritması ve Silhouette skoru üzerine temel literatürü incelenmeli |
| 6 | İlişki Kuralları Madenciliği - Apriori algoritması, pazar sepeti analizi ve uygulama | Apriori algoritması ve pazar sepeti analizine dair temel kavramlar incelenmeli |
| 7 | Karar Destek Sistemleri ve Veri Madenciliği - Veri madenciliğinin karar destek sistemleriyle entegrasyonu ve işletme stratejileri için veri madenciliği sonuçlarının kullanımı ve uygulama | Karar destek sistemleri ve veri madenciliğinin entegrasyonu ile ilgili makaleleri incelenmeli |
| 8 | Vize Sınavı | İlk 7 haftanın konularına ilişkin sınava hazırlanılmalı |
| 9 | Büyük Veri ve İşletmeler - Büyük veri kavramına giriş: İşletmelerdeki rolü ve önemi, büyük veri teknolojileri hakkında genel bilgi (Hadoop, Spark) ve uygulama | Büyük veri kavramı ve Hadoop, Spark teknolojileri hakkında bilgi edinilmeli |
| 10 | Basit Makine Öğrenimi Teknikleri - Makine öğrenimine giriş: Denetimli ve denetimsiz öğrenme, Basit regresyon ve sınıflandırma modelleri ve uygulama | Denetimli ve denetimsiz öğrenme kavramlarıyla ilgili temel bilgiler incelenmeli |
| 11 | Veri Madenciliği ve Etik - Veri madenciliğinde etik ve veri gizliliği, Veri koruma yasaları hakkında bilgi ve etik veri madenciliği uygulamaları | Veri madenciliğinde etik ve veri gizliliği konuları üzerine okuma yapılmalı |
| 12 | Veri Madenciliği Projesi Başlatma - Veri madenciliği projelerinde planlama ve yönetim, Proje döngüsü, kaynak yönetimi ve risk analizi ve proje konusu seçimi | Veri madenciliği projelerinde planlama ve yönetim hakkında inceleme yapılmalı |
| 13 | Uygulamalı Proje Çalışması için Öğrencilerin seçtiği projeler üzerinde çalışma ve rehberlik, Veri toplama, ön işleme ve analiz adımlarının değerlendirilmesi | Öğrencilerin dönem boyunca hazırladıkları veri madenciliği projelerinin süreçlerinin tamamlanması |
| 14 | Proje Sunumları | Öğrencilerin hazırladıkları veri madenciliği projelerinin sunumu. |
| 15 | Proje Sunumları | Öğrencilerin hazırladıkları veri madenciliği projelerinin sunumu. |
| 16 | Final Sınavı | Ders konularını gözden geçirip final sınavı için hazırlık yapılmalı. |
Kaynaklar
| Ders Kitabı | 1. Galit Shmueli, Peter C. Bruce, Peter Gedeck, Nitin R. Patel , Data Mining for Business Analytics: Concepts, Techniques and Applications in Python, 2019 |
|---|---|
| Diğer Kaynaklar | 2. Andres Fortino, Data Mining and Predictive Analytics for Business Decisions: A Case Study Approach, Mercury Learning and Information, 2023. |
Değerlendirme System
| Çalışmalar | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | 15 | 1 |
| Laboratuar | - | - |
| Uygulama | 8 | 24 |
| Alan Çalışması | - | - |
| Derse Özgü Staj | - | - |
| Küçük Sınavlar/Stüdyo Kritiği | - | - |
| Ödevler | - | - |
| Sunum | 1 | 5 |
| Projeler | 1 | 10 |
| Rapor | - | - |
| Seminer | - | - |
| Ara Sınavlar/Ara Juri | 1 | 20 |
| Genel Sınav/Final Juri | 1 | 25 |
| Toplam | 27 | 85 |
| Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 75 |
|---|---|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 25 |
| Toplam | 100 |
Kurs Kategorisi
| Temel Meslek Dersleri | |
|---|---|
| Uzmanlık/Alan Dersleri | X |
| Destek Dersleri | |
| 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 | İşletmenin tüm temel fonksiyonları hakkında kavramsal ve uygulamalı bilgiye sahip olarak, bilgiyi kullanma becerisi kazanabilmek | |||||
| 2 | İşletme alanı ile ilgili problemleri tanılayabilme, problemlerin çözümünde ve karar verme süreçlerinde bilimsel yaklaşımları etkin kullanabilmek | X | ||||
| 3 | İşletme temel fonksiyonları ile ilgili uygulamaların çevresel, toplumsal, küresel etkileri ile hukuki sonuçlarını ortaya koyabilme ve analiz edebilmek | |||||
| 4 | işletmeleri ulusal, bölgesel, küresel düzeyde ilgilendiren bilgi ve raporları analiz edebilme, elde ettiği sonuçlara göre stratejik hedefler belirleyebilmek | |||||
| 5 | İşletme yönetiminin gerektirdiği İşletme Bilgi Sistemleri ve alt modüllerini kullanabilme, raporlayabilme ve yorumlayabilme becerisi kazanabilmek | X | ||||
| 6 | Yenilikçi ve yaratıcı düşünce ile yeni bir iş kurma ve işin sürdürülebilirliği için risk alma, kaynak bulma, pazar analizi yapma, iş planı hazırlama gibi gerekli faaliyetleri planlama, öğrenilen bilgileri bu doğrultuda kullanabilmek | |||||
| 7 | Araştırma ve öğrenme sürecinin hayat boyu devam ettiği bilincine sahip olarak, işletme ile ilgili bilimsel ve teknolojik gelişmeleri takip edebilme, kendini ve örgütünü yenilik ve sürekli gelişim konusunda destekleyebilmek | |||||
| 8 | İşletme amaçlarını etkin ve verimli bir biçimde gerçekleştirmek için gerekli liderlik ve yönetsel becerilere sahip olabilmek | |||||
| 9 | İşletme alanında bilimsel araştırma yapabilmek ve araştırma sonuçlarını yönetimsel karar verme süreçlerinde kullanılmak üzere raporlaştırabilmek | X | ||||
| 10 | Etkin sözlü, yazılı ve görsel iletişim yöntemlerini kullanarak işletme alanı ile ilgili bilgi aktarımını öğrenim dilinde ve mesleki İngilizce ile yapabilmek. | |||||
| 11 | Mesleki etik, çevre duyarlılığı, sürdürülebilirlik, sosyal sorumluluk, kültürel, toplumsal ve evrensel değerler konularında farkındalık sahibi olabilmek | |||||
| 12 | Farklı disiplinlerle veya çok kültürlü takımlarla etkin çalışma, sorumluluk alma, risk analizi yapma, değişime ayak uydurabilme, eleştirel düşünme ve sorun çözmede insiyatif kullanabilmek | |||||
| 13 | . | |||||
ECTS/İş Yükü Tablosu
| Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) | 16 | 3 | 48 |
| Laboratuar | |||
| Uygulama | 8 | 1 | 8 |
| Derse Özgü Staj | |||
| Alan Çalışması | |||
| Sınıf Dışı Ders Çalışma Süresi | 14 | 1 | 14 |
| Sunum/Seminer Hazırlama | 1 | 2 | 2 |
| Projeler | 1 | 8 | 8 |
| Raporlar | |||
| Ödevler | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 1 | 20 | 20 |
| Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 25 | 25 |
| Toplam İş Yükü | 125 | ||