|
Hafta
|
Konular
|
Ön Hazırlık
|
|
1
|
Çok değişkenli istatistiksel analizler tekrar
|
K1: 1-13
|
|
2
|
Veri madenciliğine giriş ve veri madenciliği süreci
|
K1:13-20
|
|
3
|
Veri Madenciliğine Örnek
|
K1:17-19
|
|
4
|
Veri madenciliği fonksiyonları
|
K1: 35-39
|
|
5
|
Karar ağaçları
|
K1: 47-49
|
|
6
|
Bayes, Regresyon
|
K1: 49-52
|
|
7
|
Kümeleme (Benzerlik ölçüsü, kümeleme yöntemleri)
|
K1: 58-64
|
|
8
|
R programına giriş
|
K2: Bölüm 1, 1-12
|
|
9
|
R paketlerini kullanma
|
K2: 21
|
|
10
|
R programında grafik oluşturma
|
K2: Bölüm 4
|
|
11
|
R ile Veri Madenciliği Uygulamaları I
|
K2: Bölüm 4
|
|
12
|
R ile Veri Madenciliği Uygulamaları II
|
K2: Bölüm 4
|
|
13
|
WEKA ile Veri madenciliği uygulamaları I
|
K3
|
|
14
|
WEKA ile Veri madenciliği uygulamaları II
|
K3
|
|
Ön Koşul
|
Yok
|
|
Ders Dili
|
Türkçe
|
|
Dersin Sorumlusu
|
Dr. Öğretim Üyesi Gülay KARAHAN
|
|
Dersi Verenler
|
-
|
|
Ders Yardımcıları
|
-
|
|
Kaynaklar
|
K1. Argüden, Y., Erşahin, B. (2008). Veri Madenciliği. ARGE Danışmanlık Yayınları. ISBN:978-975-93641-9-9. K2. Mailund, T. (2017). Beginning Data Science in R: Data Analysis, Visualization, and Modelling for the Data Scientist. Library of Congress Control Number: 2017934529. ISBN-13 (pbk): 978-1-4842-2670-4. K3. Şeker, S.E. (2014). Weka ile veri madenciliği. Bilgisayar kavramları yayınları
|
|
Yardımcı Kitap
|
YK1. Nong, Y.( 2003). Handbook of Data Mining, Lawrence Erlbaum Associates Publishers
|
|
Dersin Amacı
|
Öğrencilerin; veri madenciliği temelleri, veri tabanlarında bilgi keşfi, geleneksel istatistik yöntemleri, yapay sinir ağları, karar ağaçları, Bayes teoremi, uygulamaları ve ileri teknikleri tanıma ve anlama konularında yeterlilik kazanmasıdır.
|
|
Dersin İçeriği
|
Veri madenciliği fonksiyonları, karar ağaçları, bayes, regresyon, kümeleme, R paketlerini kullanma, grafik oluşturma, R ve WEKA ile veri madenciliği uygulamaları ile ilgili konuları içermektedir.
|