Bilgi Paketi & Ders Kataloğu
| 1 | Dersin Adı: | VERİ ANALİTİĞİ |
| 2 | Dersin Kodu: | END5505 |
| 3 | Dersin Türü: | Seçmeli |
| 4 | Dersin Seviyesi: | Yüksek Lisans |
| 5 | Dersin Verildiği Yıl: | 1 |
| 6 | Dersin Verildiği Yarıyıl: | 1 |
| 7 | Dersin AKTS Kredisi: | 7,5 |
| 8 | Teorik Ders Saati (saat/hafta): | 3 |
| 9 | Uygulama Ders Saati (saat/hafta): | 0 |
| 10 | Laboratuar Ders Saati (saat/hafta): | 0 |
| 11 | Dersin Önkoşulu | Yok |
| 12 | Ders İçin Önerilen Diğer Hususlar | Yok |
| 13 | Dersin Dili: | Türkçe |
| 14 | Dersin Veriliş Şekli | Yüz yüze |
| 15 | Dersin Koordinatörü: | Prof. Dr. TÜLİN İNKAYA |
| 16 | Dersi Veren Diğer Öğretim Elemanları: | |
| 17 | Ders Koordinatörünün İletişim Bilgileri: |
Prof. Dr. Tülin İnkaya E-posta: tinkaya@uludag.edu.tr Tel: +90 224 294 2605 Adres: Bursa Uludağ Üniversitesi, Endüstri Mühendisliği Bölümü, Görükle Bursa16059 Nilüfer / BURSA |
| 18 | Dersin Web Adresi: | ukey.uludag.edu.tr |
| 19 | Dersin Amacı | Gelişen teknoloji ile üretim ve hizmet sistemlerinde büyük miktarda veri depolanmaktadır. Veri bilimi, bu verilerin analiz edilerek anlamlı ve faydalı bilgiler çıkarılması ile karar verme süreçlerine katkı sağlamayı hedeflemektedir. Bu ders temel veri bilimi kavramlarını tanıtmayı; bu alandaki algoritmaları çeşitli veri tabanlarına uygulayabilme ve sonuçları yorumlayabilme becerilerini kazandırmayı amaçlamaktadır. |
| 20 | Dersin Mesleki Gelişime Katkısı: | Bu ders öğrencilere veri bilimi ile ilgili temel kavramları ve bilgileri tanıtması, iş dünyası ve bilim dünyasında veri bilimi uygulamalarını kapsaması ve öğrendikleri bilgileri uygulama becerisini kazandırması nedeniyle mesleki gelişimlerine katkı sağlamaktadır. |
| 21 | Ders Öğrenme Kazanımları |
|
| 22 | Dersin İçeriği |
| Hafta | Teori | Uygulama |
| 1 | Veri bilimi ve veri analitiği ile ilgili temel kavramlar | |
| 2 | Veri çeşitleri, benzerlik ve uzaklık ölçütleri ve veri görselleştirme; Weka ile uygulamalar | |
| 3 | Veri ön işleme ve öznitelik seçimi | |
| 4 | Sınıflandırma – Karar ağaçları ve sınıflandırma sonucunun değerlendirilmesi | |
| 5 | Sınıflandırma – Bayesçi sınıflandırma ve k-en yakın komşuluk | |
| 6 | Sınıflandırma – Destek vektör motorları ve lojistik regresyon | |
| 7 | Sınıflandırma – Yapay sinir ağları ve topluluk yöntemleri, Weka ile uygulamalar | |
| 8 | Birliktelik analizi – Kural çıkarma | |
| 9 | Kümeleme – k-ortalamalar ve varyasyonları, hiyerarşik kümeleme | |
| 10 | Kümeleme – Yoğunluk temelli kümeleme, olasılık temelli yaklaşımlar | |
| 11 | Kümeleme sonucunun doğrulanması ve değerlendirilmesi; Weka ile uygulamalar | |
| 12 | Aykırı veri analizi | |
| 13 | Veri madenciliği uygulamaları – Metin madenciliği, öneri sistemleri, zaman-uzamsal veri madenciliği | |
| 14 | Proje sunumları |
| 23 | Ders Kitabı, Referanslar ve/veya Diğer Kaynaklar: |
•G. Shmueli, N. R. Patel, P. C. Bruce, Data Mining for Business Intelligence: Concepts, Techniques and Applications in Microsoft Office Excel with XLMiner, 2. Basım, John Wiley and Sons, 2010. •P.-N. Tan, M. Steinbach, V. Kumar, Introduction to Data Mining, Pearson Addison Wesley, 2006. |
| 24 | Değerlendirme |
| YARIYIL İÇİ ÇALIŞMALARI | SAYISI | KATKI YÜZDESİ |
| Ara Sınav | 0 | 0 |
| Kısa Sınav | 0 | 0 |
| Ödev | 1 | 60 |
| Yıl sonu Sınavı | 1 | 40 |
| Toplam | 2 | 100 |
| Yıl içi çalışmalarının Başarıya Oranı | 60 | |
| Finalin BAşarıya Oranı | 40 | |
| Toplam | 100 | |
| Derste Kullanılan Ölçme ve Değerlendirme Yaklaşımları | Üç aşamalı bir proje ve final sınavı | |
| Açıklama | ||
| 25 | AKTS / İŞ YÜKÜ TABLOSU |
| Etkinlik | SAYISI | Süresi [Saat] | Toplam İş Yükü [Saat] |
| Teorik Dersler | 14 | 3 | 42 |
| Uygulamalı Dersler | 0 | 0 | 0 |
| Sınıf Dışı Ders Çalışma Süresi (Ön çalışma, pekiştirme) | 14 | 8 | 112 |
| Ödevler | 1 | 0 | 0 |
| Projeler | 1 | 60 | 60 |
| Arazi Çalışmaları | 0 | 0 | 0 |
| Arasınavlar | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavları | 1 | 11 | 11 |
| Toplam İş Yükü | 225 | ||
| Toplam İş Yükü / 30 saat | 7,5 | ||
| Dersin AKTS Kredisi | 7,5 |
| 26 | PROGRAM YETERLİLİKLERİ İLE DERS ÖĞRENİN KAZANIMLARI İLİŞKİSİ TABLOSU | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| ÖK: Öğrenme Kazanımları | PY: Program yeterlilikleri |
| Katkı Düzeyi: | 1 Çok Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 Çok Yüksek |