Yazılım Mühendisliği / seçmeli havuz
YZM387 · Veri Madenciliği ve Bilgi Keşfi
T+U+Li 3+0+0 · Kredi 3 · AKTSi 6 (müfredatta 6) · Seçmeli · kategori: regular · sitede son güncelleme 08.06.2026
Kaynak: https://obs.samsun.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=376621&lang=tr · toplandı 12.11.2026 22:32
Bölüm durumu
Tüm dersler →Kural denetimii
geçti: 38kaldı: 3muaf: 0değerlendirilemedi: 1
İçerik uyumu (YZ)i
Henüz çalıştırılmadı.
Öğrenme çıktıları (YZ)i
Henüz çalıştırılmadı.
Kaynak ve ÖP uyumu (YZ)i
Henüz çalıştırılmadı.
Kural denetimi: geçmeyen kontroller (3)
| Kural | Alan | Önem | Gerekçe | Mevcut | Beklenen | Öneri |
|---|---|---|---|---|---|---|
| R2 Haftalık plan duplicate_topics · tr | weekly_topics | düşük | Aynı konu metni birden fazla haftada birebir tekrarlanıyor. | 1 tekrar: 'python ile model geliştirme ve test etme' x2 | en çok 0 tekrar | Tekrarlanan haftaların konusunu ayrıştırın ya da alt başlık ekleyin. |
| R7 Kaynaklar year_present · tr | references | düşük | Kaynakların çoğunda yayın yılı yazılmamış. | 0/2 kaynakta yayın yılı var | en az %50 | Kaynaklara yayın yılı (ve baskı bilgisi) ekleyin. |
| R7 Kaynaklar bibliographic_form · tr | references | düşük | Bazı kaynak satırları künye olamayacak kadar kısa (yazar, eser adı, yıl eksik). | 1 yetersiz künye: ['Ders Notları'] | 0 yetersiz künye | Kaynakları yazar, eser adı, yayınevi ve yıl içerecek şekilde yazın. |
Kaynak güncelliği (Modül D)i
Yalnızca sayfadaki yayın yıllarından hesaplanır. İçeriğin alanın güncel kapsamıyla karşılaştırılması güvenilir referans doküman gerektirdiği için değerlendirilemedi; model bilgisine dayalı güncellik iddiası üretilmez.
2 kaynak · 0 tanesinde yıl var · en yeni — · 10 yıldan eski 0
| — | Uygulamalı Veri Madenciliği - Didem Gürleyik | kaynaklar |
| — | Ders Notları | ders notları |
- Ad
- Veri Madenciliği ve Bilgi Keşfi
- Amaç
- Bu dersin amacı, büyük ve karmaşık veri kümeleri üzerinde anlamlı desenler, ilişkiler ve tahmin modelleri çıkarabilmek için kullanılan veri madenciliği yöntemlerini öğretmektir. Öğrencilerin, veri ön işleme, kümeleme, sınıflandırma, regresyon, ilişki kuralları madenciliği, metin madenciliği ve performans değerlendirme tekniklerini uygulayarak veriye dayalı karar destek sistemleri geliştirme yetkinliği kazanmaları amaçlanmaktadır.
- İçerik
- Veri madenciliği, kümeleme, sınıflandırma, tahmin,desen çıkarma, güncel veri madenciliği toolları, metin madenciliği, duygu analizi, python programlama.
- Yöntem ve teknikler
- Anlatılan teorik bilgiler, Python tabanlı uygulamalar ve örnek veri setleri üzerinde gerçekleştirilen laboratuvar çalışmaları ile desteklenmektedir. Öğrenciler, bireysel ve grup çalışmaları, ödevler, mini projeler ve dönem projesi kapsamında aşağıdaki becerileri kazanır
- Ön koşul
- Yok
- Öğretim dili
- Türkçe
Öğrenme çıktıları
- Veri madenciliği temel kavramlarını, süreçlerini ve veri ön işleme tekniklerini açıklayabilme ve uygulayabilme becerisi
- Python programlama dili ile kümeleme, sınıflandırma ve regresyon gibi temel veri madenciliği algoritmalarını uygulayarak analiz yapabilme becerisi
- Performans metriklerini kullanarak geliştirilen modellerin başarısını değerlendirebilme ve karşılaştırabilme yetkinliği
- İlişki kuralları madenciliği ve Apriori algoritması kullanarak veri kümeleri üzerinde sık desen ve ilişkileri keşfetme becerisi
- Güncel araçlar ve Python kütüphaneleri kullanarak metin madenciliği ve duygu analizi gibi ileri düzey veri analizi uygulamaları gerçekleştirme yetkinliği
Değerlendirme
| Ara Sınav | 1 | %40 |
| Yarıyıl Sonu Sınavı | 1 | %60 |
AKTS iş yükü (180 saat → tabloda 6 AKTS)
| Ders Süresi | 14 × 3 | 42 saat |
| Sınıf Dışı Ç. Süresi | 14 × 3 | 42 saat |
| Ödevler | 10 × 4 | 40 saat |
| Ara Sınavlar | 1 × 2 | 2 saat |
| Laboratuvar | 15 × 2 | 30 saat |
| Proje | 1 × 20 | 20 saat |
| Yarıyıl Sonu Sınavı | 1 × 4 | 4 saat |
Haftalık konular
| 1 | Veri Madenciliğine Giriş |
| 2 | Veri Tipleri, Ön işleme |
| 3 | Kümeleme |
| 4 | Sınıflandırma |
| 5 | Performans metrikleri |
| 6 | Python ile model geliştirme ve test etme |
| 7 | Python ile model geliştirme ve test etme |
| 8 | Arasınav |
| 9 | Regresyon |
| 10 | İlişki Kuralı ve Desen Çıkarma |
| 11 | Veri Madenciliğinde Güncel Teknolojiler |
| 12 | Metin Madenciliği ve Duygu Analizi |
| 13 | Proje Sunumları |
| 14 | Final Sınavı |