Ders Kodu Yarıyıl T+U+L Saat Haftalık Ders Saati AKTS
İleri Veri MadenciliğiCSE 6212016 - 2017T : 3+U : 037.5

T : Teori, U : Uygulama, L : Laboratuvar, AKTS : Avrupa Kredi Transfer Sistemi

Ön Koşul DersleriÖn koşul dersi yoktur.
Dersin Diliİngilizce
Dersin SeviyesiLisansüstü
Dersin TürüTeknik Seçmeli
Dersin KoordinatörüDoç. Dr. Fatih KOÇAN
Dersi VerenlerDoç. Dr. Fatih KOÇAN
Dersin Yardımcıları
Dersin Amacı temel veri madenciliği tekniklerini öğrenmek ve İleri veri madenciliği teknikleriyle ilgili öğrencilere makale okutmak.
Dersin İçeriğiİlişki analizi: temel kavramlar ve algoritmalar; İlişki analizi: ileri konular; sınıflandırma: temel kavramlar, karar ağaçları, ve model değerlendirme; Sınıflandırma alternatif teknikler; Demetleme analizi: temel kavramlar ve algoritmalar; Demetleme analizi: İlave konular ve algoritmalar; Anormallik yakalama
Sıra No Dersin Öğrenme Çıktıları Öğretim Yöntemleri Ölçme Yöntemleri
ÖÇ1Temel veri madenciliği konuları ve yöntemlerini öğrenmek; ileri veri madenciliği konularına giriş yapmak 1, 3, 4, 15C, F
ÖÇ2Veri kümesinde sıklıkla geçen ilişkileri bulma 1, 3, 4, 15B, F
ÖÇ3Sınıflandırma algoritmaları ve sınıflandırma algoritmalarının değerlendirilmesi 1, 3, 4, 15B, F
ÖÇ4Demetleme algoritmaları ve demetelemenin geçerliliğini test etme 1, 4F
ÖÇ5Anormal verilerin bulunması algoritmaları 1, 4F
Öğretim Yöntemleri:1:Anlatım, 3:Tartışma, 4:Alıştırma ve Uygulama, 15:Problem Çözme
Ölçme Yöntemleri:B:Sözlü Sınav, C:Ödev, F:Performans Görevi (Uygulama / Laboratuvar / Atölye / Arazi Çalışması / Seminer / Sunum / Bitirme Çalışması / Tez)
Sıra No Konular Ön Hazırlık
1. HaftaFrequent Itemset generation (Apriori algorithm) and rule generationKonu 6
2. HaftaFP-Growth itemset generation algorithm and Pattern evaluation methodsKonu 6
3. HaftaHandling Categorical, Continuous attributes and concept hierarchy ; sequential patternsKonu 7
4. HaftaSubgraph patterns and Infrequent PatternsKonu 7
5. HaftaDecision Tree Induction, Model OverfittingKonu 4
6. HaftaEvaluating the performance of a classifier; methods for comparing classifiersKonu 4
7. HaftaRule-based classifier, Nearest-neighbor classifier, Bayesian ClassifierKonu 4
8. HaftaAra SınavAra Sınav
9. HaftaArtificial Neural Networks, Support Vector Machine, Ensemble Methods, Class Imbalance ProblemKonu 4
10. HaftaData, Clusters and Clustering AlgorithmsKonu 8
11. HaftaPrototype-based clustering; Density-based clusteringKonu 9
12. HaftaGraph-based Clustering ; Scalable Clustering Algorithms; Which clustering algorithm ?Konu 9
13. HaftaAnomaly detection preliminaries, Statistical approachesKonu 10
14. HaftaProximity-based outlier detection, density-based outlier detection, clustering-based techniquesKonu 10
15. HaftaPresentationsSunumlar
16. HaftaFinal SınavıFinal Sınavı
Kaynaklar
Ders NotuIntroduction to Data Mining, Pang-Ming Tan, M. Steinbach, V. Kumar
Diğer KaynaklarData Mining : Introductory and Advanced Topics, M. H. Dunham
Sıra No Program Öğrenme Çıktıları Katkı Düzeyi
1 2 3 4 5
PÇ1Bilgisayar mühendisliği bilgilerini yeni bilgi üretmede kullanabilme ve araştırmalarda uygulayabilme becerileriX
PÇ2Alanı ile ilgili bilime ve teknolojiye ileri düzeyde katkıda bulunabilme ve yayınlama becerisiX
PÇ3 Yeni araştırma deneyleri tasarlayıp gerçekleme ve bunların sonuçlarını inceleyebilme ve yorumlayabilme becerisi X
PÇ4Çok disiplinli ve disiplinler arası doktora düzeyinde araştırma yapabilme becerisiX
PÇ5Yeni yöntemler geliştirebilme ve mühendislik problemlerini çözebilme becerileri X
PÇ6Bilgisayar ve mühendislik bilimleri araştırmalarında doktora düzeyinde bilgi sahibi olmak X

Katkı Düzeyi: 1. Çok Düşük 2. Düşük 3. Orta 4. Yüksek 5. Çok Yüksek

Sıra No Yarıyıl İçi Çalışmaları Katkı Yüzdesi
1Ara Sınav 140
2Final60
Toplam100
Sıra No Etkinlik Sayısı Süresi (Saat) Toplam İş Yükü (Saat)
1Ders Süresi (Sınav Haftası Dahildir)16.003.0048.0000
2Sınıf Dışı ders Çalışma Süresi16.008.30132.8000
3Ara Sınav0.000.000.0000
4Kısa Sınav0.000.000.0000
5Ödev0.000.000.0000
6Uygulama3.002.006.0000
7Final1.003.003.0000
Toplam İş Yükü189.8
Toplam İş Yükü / 25 (s)189.8 / 25
Dersin AKTS Kredisi8

"Kent İçinde Bir Kampüs Üniversitesi"