|
Hafta
|
Konular
|
Ön Hazırlık
|
|
1
|
Dersin tanıtımı ve CBS`deki farklı veri türleri
|
İlgili makale ve ders notlarının okunması
|
|
2
|
CBS verisi üzerindeki belirsizlik ve hata kaynakları
|
İlgili makale ve ders notlarının okunması
|
|
3
|
Veri madenciliğine genel bakış (Sınıflandırma/Kümeleme/Regresyon)
|
İlgili makale ve ders notlarının okunması
|
|
4
|
Denetimli öğrenme / Denetimsiz öğrenme
|
İlgili makale ve ders notlarının okunması
|
|
5
|
Boyut indirgeme / Temel bileşenler analizi
|
İlgili makale ve ders notlarının okunması
|
|
6
|
Maksimum olabilirlik
|
İlgili makale ve ders notlarının okunması
|
|
7
|
k-En yakın komşuluk
|
İlgili makale ve ders notlarının okunması
|
|
8
|
Yapay sinir ağları
|
İlgili makale ve ders notlarının okunması
|
|
9
|
Karar ağaçları
|
İlgili makale ve ders notlarının okunması
|
|
10
|
Karar ağaçları
|
İlgili makale ve ders notlarının okunması
|
|
11
|
Destek vektör makineleri
|
İlgili makale ve ders notlarının okunması
|
|
12
|
Parametrik olmayan regresyon eğrileri
|
İlgili makale ve ders notlarının okunması
|
|
13
|
Parametrik olmayan regresyon eğrileri
|
İlgili makale ve ders notlarının okunması
|
|
14
|
Model değerlendirme
|
İlgili makale ve ders notlarının okunması
|
|
Ön Koşul
|
Giriş düzeyinde bir CBS ve istatistik dersini başarı ile tamamlamış olmak
|
|
Ders Dili
|
Türkçe
|
|
Dersin Sorumlusu
|
Yrd. Doç. Dr. Semih KUTER
|
|
Dersi Verenler
|
-
|
|
Ders Yardımcıları
|
-
|
|
Kaynaklar
|
1. Wing, M. G., & Bettinger, P. (2008). Geographic Information Systems: Applications in Natural Resource Management (2nd ed.): Oxford University Press.
2. Liu, J. G., & Mason, P. (2009). Essential image processing and GIS for remote sensing: John Wiley & Sons.
3. Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). NY, USA: Springer.
|
|
Yardımcı Kitap
|
-
|
|
Dersin Amacı
|
Veri madenciliği temel anlamda bir veri seti içerisinden enformasyon çıkartılarak bunun daha sonraki analizlerde kullanılmak üzere anlaşılabilir bir yapıya dönüştürülmesi işlemidir. Bu dersin amacı, farklı türdeki CBS verileri üzerinde temel veri ön-işleme, veri madenciliği ve istatistiksel öğrenme yöntemlerinin öğrencilere tanıtılmasıdır.
|
|
Dersin İçeriği
|
-
|
|
Program Yeterlilik Çıktıları |
Katkı Düzeyi |
|
1
|
Temel bilimler ve mühendislik bilgilerini uzmanlık düzeyinde geliştirebilme ve yeni bilgiler edinebilme yöntemini öğrenmiş olmalı
|
4
|
|
2
|
Edindiği bilgilerle ileri düzeyde ormancılık problemlerine uygun deneyler veya yöntemler tasarlayabilmeli, uygulayabilmeli ve sonuçlarını analiz edip yorumlayabilmeli
|
4
|
|
3
|
Ülkenin ormancılık ve çevre sorunlarına, küresel, toplumsal ve ekosistem koşullarını da dikkate alarak çözüm üretebilmeli
|
-
|
|
4
|
Ormancılık problemlerinin çözümüne yönelik olarak ileri düzeyde disiplinler arası bir yaklaşımla çözüme gidebilmeli
|
4
|
|
5
|
Karşılaşılan ormancılık problemlerinin tespiti ve çözümü aşamasında, ileri düzeyde mesleki etik ve sorumluluk bilinci içerisinde hareket edebilmeli
|
-
|
|
6
|
Tek ya da çok disiplinli çalışma gruplarında görev yapabilmeli ve etkin iletişim sağlayabilmeli
|
4
|
|
7
|
Bilgi teknolojilerini ve bir yabancı dili ileri düzeyde etkin kullanma becerisine sahip olmalı
|
4
|
|
8
|
Çağın getirdiği güncel ormancılık ve diğer ilgili alanlarındaki problemleri ileri düzeyde tanımlayabilmeli, kurgulayabilmeli ve çözebilmeli
|
3
|
|
9
|
Ormancılık uygulamaları için gerekli teknikleri ve araçları ileri derecede kullanabilmeli
|
4
|
|
10
|
Ormancılık faaliyetlerini ileri düzeyde üç boyutlu düşünmeli, yorumlayabilmeli, analiz ve sentez yapabilmeli
|
3
|
|
11
|
Her türlü doğal kaynağı ve doğal olayları ileri düzeyde araştırıp etüt yapabilmeli ve rapor yazabilmeli
|
3
|
|
12
|
Yaşam boyu öğrenmenin gerekliliğini ileri derecede kavrayabilmeli ve bilgilerinin güncelliğini sağlayacak yöntemleri kullanabilmeli
|
3
|