Veri Madenciliği ve Endüstriyel Uygulamaları

SAKARYA ÜNİVERSİTESİ
FEN BİLİMLERİ ENSTİTÜSÜ
Endüstri Mühendisliği Bölümü
DERS TANIM VE UYGULAMA BİLGİLERİ
Dersin Adı
Kodu
VERİ MADENCİLİĞİ VE ENDÜSTRİYEL
UYGULAMALARI
Yarıyılı
T+U
Saat
Kredisi
AKTS
---
3+0
3
6
Ön Koşul Dersleri
Dersin Dili
Dersin Türü
Dersin Koordinatörü
Dersi Verenler
Dersin Yardımcıları
Dersin Amacı
Dersin Öğrenme
Çıktıları
Dersin İçeriği
Hafta
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Türkçe
Seçmeli
Yrd. Doç. Dr. Ayhan Demiriz
Yrd. Doç. Dr. Ayhan Demiriz
Arş.Gör. Beyazıt Ocaktan
1- Veri madenciliğini tanıtmak ve kullanımını yaygınlaştırmak
2- Geniş ölçekli veri tabanlarında analiz yeteneğinin kazandırılması
1) Sınıflandırma algoritmalarını kullanabilmek
2) Gruplama algoritmalarını kullanabilmek
3) Sepet analizini kullanabilmek
4) Veri madenciliği yazılımlarını kullanabilmek
Bu ders veri madenciliğinin istatiksel,makine oğrenimi ve veri tabanı
yönünden temellerini içermektedir.Ders üç kısımdan oluşmaktadır. Birinci
kısım veri madenciliği için istatistik ve makine oğrenimi yaklaşımının
temelleri hakkındadır.İkinci kısımda Online Analitik İşleme, ilişki kuralları ve
gruplama gibi işlemler için temel veri madenciliği ve algoritmalar
işleyeceğiz. Dersin son kısmı metin madenciliği, birliktelik filtresi, bağlantı
analizi ve biolojik alanlarda madencilik gibi alanlarda araştırmalar üzerine
odaklanmaktadır.
HAFTALIK KONULAR VE İLGİLİ ÖN HAZIRLIK SAYFALARI
Konular
Ön Hazırlık
Veri madenciliğinin genel tanımı ve veri
madenciliğine giriş
Temel bilgilerin gözden geçirilmesi
Veri madenciliğinin imalat ve servis
sistemlerindeki uygulamaları
İstatistiksel sınıflandırma ve Bayes Öğrenimi
Karar ağacı ve Sınıflandırma
Yapay Sinir Ağları
Optimizasyon Tekniklerinin Veri
Madenciliğinde kullanımı
Optimizasyon Tekniklerinin Veri
Madenciliğinde kullanımı - Devam
Veri Tabanı sistemlerinde veri madenciliği
Veri Tabanı sistemlerinde veri madenciliği
(Devam)
Online analitik işleme (OLAP)
Gruplama
İlişkilendirme madenciliği
Biyoinformatik ve veri madenciliği
KAYNAKLAR
Ders Notu
Diğer
Kaynaklar
1. Principles of Data Mining. David J. Hand, Heikki Mannila, Padhraic Smyth
2. Introduction to Data Mining. Pang-Ning Tan, Michael Steinbach,
Vipin Kumar.