Ondokuz Mayıs Üniversitesi Bilgi Paketi - Ders Kataloğu

Ders Öğretim Planı

Ders KoduDers AdıDers TürüYılYarıyılAKTS
BİS727 Veri Madenciliği 927001 1 2 6
Dersin Seviyesi
Doktora
Dersin Amacı
Derste veri madenciliğinin temel mantığı, uygulama alanları, kullandığı kendine özgü yöntemler anlatılacaktır. Veri madenciliğine özgü yöntemleri kullanarak gizli örüntüleri, ilişkileri ve birliktelikleri ortaya çıkarmaktır. Bu amaçla, Tanımlayıcı Veri Madenciliği Yöntemleri, Sınıflama/ Kestirim Yöntemleri ve Kümeleme Yöntemleri ayrıntılı olarak anlatılır. Öğrenciler R ve Orange gibi veri madenciliği programlarını kullanarak, bu yöntemleri sağlık alanında uygulama yeteneklerini pekiştirirler.
Dersin Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
  1. Veri madenciliği yazılımlarını kullanma
  2. Büyük veri setlerini kullanarak analizleri gerçekleştirme
  3. Veri madenciliği yöntemlerini kullanarak verideki gizli örüntü ve ilişkileri belirleme
Öğrenim Türü
Birinci Öğretim
Ön Koşul Dersleri
Yok
Önerilen Diğer Husular
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1. Mining: Concepts and Techniques, Jiawei Han and Micheline Kamber, Morgan Kaufmann Publishers, 2006
2. Discovering knowledge in data : an introduction to data mining, Daniel T. Larose, ohn Wiley & Sons, Inc, 2005
3. Advanced data mining technologies in bioinformatics, Hui-Hwang Hsu, editor., Idea Group Inc., 2006
4. Applied data mining : statistical methods for business and industry, Paolo Giudici, ohn Wiley & Sons Inc.,2003
5. Data Mining,A Knowledge Discovery Approach,K.J.Cios et. All, Springer Science+Business Media,LLC.,2007
Planlanan Öğrenme Aktiviteleri ve Metodları
Dersin Sunulduğu Dil
Türkçe
Staj Durumu
Yok
Dersin İçeriği
Veri Madenciliğine Giriş, Veri Hazırlama Teknikleri, Veri Küpleri ve OLAP Teknolojisine Giriş, Birliktelik Kuralları, Veri Madenciliğinde Sınıflama Tekniklerine Giriş, Yapay Sinir Ağları, Destek Vektör Makinaları, Karar Ağacı Algoritmaları, Random Forest, Veri Madenciliğinde Kümeleme Analizine Giriş, Biyolojik Veri Madenciliği, Görüntü Veri Madenciliği, Metin Madenciliği
Haftalık Ders İçeriği
Hafta Teorik Uygulama Laboratuar
1.Veri Madenciliğine Giriş
2.Veri Hazırlama Teknikleri
3.Veri Küpleri ve OLAP Teknolojisine Giriş
4.Birliktelik Kuralları
5.Veri Madenciliğinde Sınıflama Tekniklerine Giriş
6.Yapay Sinir Ağları
7.Destek Vektör Makinaları
8.Karar Ağacı Algoritmaları
9.Random Forest
10.Biyolojik Veri Madenciliği
11.Veri Madenciliğinde Kümeleme Analizine Giriş
12.Görüntü Veri Madenciliği
13.Metin Veri Madenciliği
14.Uygulama
Değerlendirme
Yarıyıl (Yıl) İçi EtkinlikleriAdetKatkı (%)
Ara Sınav130
Derse Katılım1430
Uygulama/Pratik1410
Tartışma610
Soru-Yanıt610
Ev Ödevi210
Toplam730
Yarıyıl (Yıl) Sonu EtkinlikleriAdetKatkı (%)
Final Sınavı1100
Toplam100
Yarıyıl (Yıl) İçi Etkinlikleri40
Yarıyıl (Yıl) Sonu Etkinlikleri60
Toplam100
İş Yükü Hesaplaması
EtkinliklerAdetSüresi(saat)Toplam İş Yükü(saat)
Ara Sınav133
Final Sınavı133
Derse Katılım14342
Uygulama/Pratik14342
Tartışma6530
Soru-Yanıt6424
Ev Ödevi236
Toplam150