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=en · 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
- Data Mining and Knowledge Discovery
- Amaç
- The aim of this course is to teach data mining methods used to extract meaningful patterns, relationships and predictive models on large and complex data sets. It is aimed for students to gain competence in developing data-based decision support systems by applying data preprocessing, clustering, classification, regression, relationship rule mining, text mining and performance evaluation techniques.
- İçerik
- Data mining, clustering, classification, prediction, pattern extraction, current data mining tools, text mining, sentiment analysis, python programming.
- Yöntem ve teknikler
- The theoretical information provided is supported by Python-based applications and laboratory studies on sample data sets. Students gain the following skills through individual and group studies, assignments, mini projects and a term project
- Ön koşul
- None
- Öğretim dili
- Turkish
Öğrenme çıktıları
- Ability to explain and apply basic data mining concepts, processes and data preprocessing techniques
- Ability to perform analysis by applying basic data mining algorithms such as clustering, classification and regression with the Python programming language.
- Ability to evaluate and compare the success of developed models using performance metrics
- Ability to discover frequent patterns and relationships on datasets using association rule mining and Apriori algorithm
- Ability to perform advanced data analysis applications such as text mining and sentiment analysis using up-to-date tools and Python libraries
Değerlendirme
| Mid-terms | 1 | %40 |
| Final examination | 1 | %60 |
AKTS iş yükü (180 saat → tabloda 6 AKTS)
| Course Duration | 14 × 3 | 42 saat |
| Hours for off-the-c.r.stud | 14 × 3 | 42 saat |
| Assignments | 10 × 4 | 40 saat |
| Mid-terms | 1 × 2 | 2 saat |
| Laboratory | 15 × 2 | 30 saat |
| Project | 1 × 20 | 20 saat |
| Final examination | 1 × 4 | 4 saat |
Haftalık konular
| 1 | Introduction to Data Mining |
| 2 | Data Types, Preprocessing |
| 3 | Clustering |
| 4 | Classification |
| 5 | Performance metrics |
| 6 | Developing and testing models with Python |
| 7 | Developing and testing models with Python |
| 8 | Midterm Exam |
| 9 | Regression |
| 10 | Association Rule and Pattern Extraction |
| 11 | Current Technologies in Data Mining |
| 12 | Text Mining and Sentiment Analysis |
| 13 | Project Presentations |
| 14 | Final Exam |