ÇANKIRI KARATEKİN ÜNİVERSİTESİ - Bologna Bilgi Sistemi


  • Ders Tanımı
  • Ders Adı Kodu Yarıyıl Teori+Uygulama (Saat) Havuz Statü AKTS
    Veri Madenciliği BBY412 GÜZ-BAHAR 2+0 S 5
    Öğrenme Çıktıları
    1-Verin madenciliği teknikleri ile veri işleme, sınıflama, kümeleme ve analizini yapar
    2-Veri ambarlarını değerlendirir
    3-Veri ve metin madenciliğini karşılaştırır.
  • AKTS / İŞ YÜKÜ TABLOSU
  • EtkinlikKatkı Yüzdesi

    (100)

    SayısıSüresi (Saat)Toplam İş Yükü (Saat)
    Ders Süresi (Hafta x Ders Saati)14228
    Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme)000
    Ödevler1012424
    Kısa Süreli Sınavlar (sınav + hazırlık) 0000
    Ara Sınavlar (sınav + hazırlık)4013030
    Proje0000
    Laboratuar 0000
    Yarıyıl Sonu Sınavı (sınav + hazırlık) 5016060
    Diğer 0000
    Toplam İş Yükü(Saat)   142
    Toplam İş Yükü(Saat)/ 30 (s)     4,73 ---- (5)
    Dersin AKTS Kredisi   5
  • Ders Akışı
  • Hafta Konular Ön Hazırlık
    1 Veri madenciliğine Giriş YK-3
    2 Veri Madenciliği Süreci K1- BÖLÜM 3
    3 Veri anlama K1- BÖLÜM 3
    4 Veri hazırlama K1-BÖLÜM 4
    5 Veri temizleme K1-BÖLÜM 4
    6 Eksik verilerin giderilmesi K1-BÖLÜM 4
    7 Veri Dönüştürme - İndirgeme K1-BÖLÜM 4
    8 Faktör Analizi K1-BÖLÜM 4
    9 Uzaklık ve Benzerlik Ölçütleri K1-BÖLÜM 5
    10 Sınıflandırma K1-BÖLÜM 6
    11 Kümeleme K1-BÖLÜM 7
    12 Metin Madenciliği YK1-BÖLÜM 1
    13 Metin Madenciliği YK1-BÖLÜM 1
    14 Veri ve metin madencilği uygulamaları
    Ön Koşul -
    Ders Dili Türkçe
    Dersin Sorumlusu Doç. Dr. Kasım BİNİCİ
    Dersi Verenler -
    Ders Yardımcıları -
    Kaynaklar K1-Akpınar, H. (2014). Data: Veri Madenciliği Veri Analizi. Papatya.
    Yardımcı Kitap YK1. Binici, K. (2018). Kütüphane ve Bilgi Biliminde Tema ve Yönelim. İstanbul: Hiperyayın.
    YK2. Chapman, P., Clinton, J., Kerber, R., Khabaza, T., Reinartz, T., Shearer, C. ve Wirth, R. (2000). CRISP-DM 1.0 Step-by-step data mining guide. SPSS. https://the-modeling-agency.com/crisp-dm.pdf adresinden erişildi.
    YK3. Gürsakal, N. (2014). Büyük Veri. Bursa: Dora.
    YK4. Miner, G., Delen, D., Elder, J., Fast, A., Hill, T. ve Nisbet, R. A. (2012). Practical text mining and statistical analysis for non-structured text data applications. Waltham, MA: Academic Press.
    YK5. North, M. (2012). Data mining for the masses. http://rapidminer.com/wp-content/uploads/2013/10/DataMiningForTheMasses.pdf adresinden erişildi.
    YK6. Pektaş, A. O. (2013). SPSS ile Veri Madenciliği. Dikeyeksen.
    YK7. Şeker, Ş. E. (2013). İş Zekası ve Veri Madenciliği. Cinius.
    Dersin Amacı Veri madenciliği tekniklerini tanıtmak ve veri yapıları üzerinde yürütülen işlemlerin uygulamalarına dair bilgi vermek.
    Dersin İçeriği Bu ders kapsamında veri madenciliği süreci, veri madenciliğinde uygun yazılımlar, veri madenciliği modelleri, örnek araştırma modelleri ve uygulamaları işlenecektir.
  • Program Yeterlilik Çıktıları
  • Program Yeterlilik Çıktıları Katkı Düzeyi
    1 Bilgi-belge yönetimine ilişkin terim ve kavramları (yabancı-Türkçe) kullanır -
    2 Toplumsal, ekonomik ve kültürel değişimlere duyarlı olmayı sağlayarak sorunları doğru analiz eder ve bu doğrultuda mesleki perspektif geliştirir 1
    3 Disipline ilişkin sorunları görür, eleştirel bakış açısıyla değerlendirir ve çözüm üretir -
    4 Sistematik düşünme yetenek ve kapasitesini geliştirir 4
    5 Disiplinler arası bakış açısı ve değerlendirme yapar 3
    6 Bilgiye gereksinim duyan, gereksindiği bilgiyi tanımlayabilen, bilgiyi arama, bulma ve değerlendirme becerisine sahip olan bilgi toplumu bireylerini kazanmada gerekli olan programları oluşturur -
    7 Bilgiye seçici biçimde erişim için gerekli olan alt yapıyı oluşturur ve ilgili yöntem ve teknikleri kavrar -
    8 Ulusal ve evrensel düzeyde bilgi erişim sistemlerindeki bilgi erişim süreçlerini değerlendirir, -
    9 Her alana ilişkin genel ve özel konulu bilgi kaynaklarını tür ve içerik olarak tanır, -
    10 Osmanlıca kaynakları ve metinleri okur ve değerlendirir, -
    11 Mevcut ve potansiyel kullanıcılarla iletişim kurar, -
    12 Bilgi merkezi türlerine göre kullanıcı gruplarına yönelik hizmetler konusunda kuramsal bilgi alt yapısını oluşturur, -
    13 Bilginin düzenlemesi için gerekli bilgi ve teknikleri kullanır -
    14 İletişim ve bilgi teknolojilerine yönelik ürün, sistem ve modellerini tanıyarak, doğru ve yerinde kullanır, 4
    15 Farklı disiplinlerde üretilen bilginin sayısal niteliğini ölçebilir ve bilgi hizmetlerini değerlendirir. 4
    Çankırı Karatekin Üniversitesi  Bilgi İşlem Daire Başkanlığı  @   2017 - Webmaster