Akademik Dersler - Tanıtım

Ders Adı	Ders Kodu	Zorunlu/Seçmeli	Teori + Uygulama	AKTS
Veri Madenciliği	BİL524	II.YARIYIL	3+0	6.0

Ders Dili	Türkçe
Ders Türü	Seçmeli Dersler
Öğretim Elemanları	ARAŞ. GÖR. İSMAİL YENİLMEZ
Dersin Veriliş Biçimi	Uzaktan Eğitim
Dersin Önkoşulları	Bu dersin ön koşulu ya da eş koşulu bulunmamaktadır.
Önerilen Dersler	Bu ders öncesinde önerilen başka bir ders yoktur.
Okuma Listesi	Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques (3rd ed.). Morgan Kaufmann.Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2nd ed.). Springer.
Değerlendirme	Haftalara yayılmış olarak ödevler verilecektir. Ara sınav ve final sınavı yazılı olarak yapılacaktır. Ödevlerin toplam ağırlığı 0, ara sınavın ağırlığı 0 ve final sınavının ağırlığı @ olacaktır.
Staj & Uygulama	Bu derste staj yapılmamaktadır.
Katalog İçeriği	Veri Madenciliğine Giriş: Kavramlar ve uygulamalar, Süreç ve yöntemler, Etik hususlar; R ve Python Programlama Dilleri: Geliştirme ortamlarına genel bakış, Veri ön işleme ve modelleme yetenekleri, temel özellikleri ve işlevleri, Güçlü ve zayıf yönleri, Kullanım örn. ve uygulamalar; Birliktelik Kuralları Madenciliği: Apriori algoritması ve varyasyonları, Değerlendirme metrikleri; Kümeleme Analizi: Gereklilikler, Kümeleme yöntemleri ve algoritmaları; Kümeleme için değerlendirme ölçütleri; Sınıflandırma: Sınıflandırma algoritmaları, Sınıflandırma performansı için değerlendirme ölçütleri; Sinir Ağları ve Derin Öğrenme: Yapay sinir ağları, Derin öğrenme mimarileri.