| School/Faculty/Institute |
Graduate School |
| Course Code |
CSE 604 |
| Course Title in English |
Advanced Data Mining Principles |
| Course Title in Turkish |
İleri Veri Madenciliği İlkeleri |
| Language of Instruction |
EN |
| Type of Course |
Flipped Classroom |
| Level of Course |
Advanced |
| Semester |
Spring |
| Contact Hours per Week |
| Lecture: 3 |
Recitation: 0 |
Lab: 0 |
Other: 0 |
|
| Estimated Student Workload |
188 hours per semester |
| Number of Credits |
7.5 ECTS |
| Grading Mode |
Standard Letter Grade
|
| Pre-requisites |
None |
| Expected Prior Knowledge |
None |
| Co-requisites |
None |
| Registration Restrictions |
Only Doctorate Students |
| Overall Educational Objective |
To learn advanced data mining processing methods and how to design and implement intelligent systems to predict and model the big data sets. |
| Course Description |
This course introduces data mining concepts. Basic concepts in data mining: frequent item set detection, association rules, clustering and classification and regression decision trees, logistic models, and neural network models are covered in depth. In addition, students will learn how to compare analytical results and give recommendations during the data mining process. |
| Course Description in Turkish |
Bu ders veri madenciliği kavramlarına girişi sağlar. Veri madenciliğinde temel kavramlar: sık madde kümesi tespiti, ilişkilendirme kuralları, kümeleme ve sınıflandırma ve regresyon karar ağaçları, lojistik modeller ve sinir ağı modelleri derinlemesine ele alınmıştır. Ayrıca, öğrenciler analitik sonuçların nasıl karşılaştırılacağını öğrenecek ve veri madenciliği sürecinde tavsiyelerde bulunacaklar. |
Course Learning Outcomes and Competences
Upon successful completion of the course, the learner is expected to be able to:
1) Veri kümesindeki kalıpları araştırmak için büyük veri işleme metodolojilerini uygulamak
2) Gelecekteki eğilimi tahmin etmek için gelişmiş sınıflandırmak ve kümeleme yöntemlerini uygulamak
3) Veri madenciliği yöntemlerinin performansını değerlendirmek
4) Bir iş veri seti için hibrit veri madenciliği yöntemleri tasarlamak ve oluşturmak
5) Raporlar ve sunumlar aracılığıyla etkili iletişim kurmak
6) Verileri analiz etmek ve yorumlamak ve sonuç çıkarmak için analitik düşünceyi kullanmak
7) Gerektiğinde yeni bilgiler edinmek ve uygulamak
|
| Program Learning Outcomes/Course Learning Outcomes |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
Relation to Program Outcomes and Competences
| N None |
S Supportive |
H Highly Related |
| |
|
|
| |
Program Outcomes and Competences |
Level |
Assessed by |
| Prepared by and Date |
, |
| Course Coordinator |
İLKER BEKMEZCİ |
| Semester |
Spring |
| Name of Instructor |
Prof. Dr. İLKER BEKMEZCİ |
Course Contents
| Hafta |
Konu |
| 1) |
Ölçüm ve Veri
|
| 2) |
Veri Madenciliği için Veri Ambarı ve OLAP Teknolojisi
|
| 3) |
Veri işleme
|
| 4) |
Veri Madenciliği İlkeleri ve Dilleri
|
| 5) |
Konsept Açıklaması: Karakterizasyon ve Karşılaştırma
|
| 6) |
Büyük Veritabanlarında Madencilik Birliği Kuralları
|
| 7) |
İlişkilendirme Madenciliğinden Korelasyon Analizine
|
| 8) |
Sınıflandırma ve Tahmin
|
| 9) |
Küme analizi
|
| 10) |
Madencilik Karmaşık Veri Türü
|
| 11) |
Madencilik Mekansal Veritabanları
|
| 12) |
Madencilik Multimedya Veritabanları
|
| 13) |
Yarı Yapılandırılmış Madencilik Verileri
|
| 14) |
Yapılandırılmamış Veri Madenciliği
|
| 15) |
Proje/Sunum Dönemi |
| 16) |
Proje/Sunum Dönemi |
| Required/Recommended Readings | Han, J., Kamber M.;Data Mining: Concepts and Techniques
Pyle, D.J; Data Preparation for Data Mining
David Hand, Heikki Mannila and Padhraic Smyth, Principles of Data Mining, MIT Press, 2001
|
| Teaching Methods | Flipped learning is used as an instructional strategy. Students work individually for applied assignments.
|
| Homework and Projects | Assignments |
| Laboratory Work | None |
| Computer Use | Required |
| Other Activities | None |
| Assessment Methods |
| Assessment Tools |
Count |
Weight |
| Ödev |
1 |
% 25 |
| Projeler |
1 |
% 25 |
| Ara Sınavlar |
1 |
% 50 |
| TOTAL |
% 100 |
|
| Course Administration |
karahocaa@mef.edu.tr
02123953600
Academic dishonesty and plagiarism will be subject to Law on Higher Education Article 54. |