Anasayfa  »  Fen Bilimleri Enstitüsü »  Bilgisayar Mühendisliği Tezsiz Yüksek Lisans Programı

DERS ADIDERS KODUYARIYILTEORİ1 + UYGULAMA (Saat)AKTS
BİLGİ SÜZGEÇLEME BİL562 Program Ders Listesi-Program Ders Listesi-Program Ders Listesi-Program Ders Listesi---- 3 + 0 10

DERSİN TÜRÜSeçmeli
DERSİN DÜZEYİTezsiz Yüksek Lisans
DERSİN YILI-
YARIYILProgram Ders Listesi-Program Ders Listesi-Program Ders Listesi-Program Ders Listesi----
AKTS10
ÖĞRETİM ELEMAN(LAR)IProfesör Doktor Ahmet Ziya Aktaş
DERSİN ÖĞRENME KAZANIMLARI Bu dersin sonunda öğrenciler;
1) Veri madenciliği teknikleri ve bilgi süzgeçleme sistemlerinin temel kavramları ve işlemlerini açıklar.
2) Bilgi süzgeçleme için genel algoritma ve teknikleri açıklar.
3) IR sistemleri ve veri madenciliği teknikleri için sayısal değerlendirme metodlarını açıklar.
4) Popüler olasılıksal süzgeçleme metodları ve sıralama ilkelerini açıklar.
5) Arama motorları ve amazon kitap/Last.fm önerici sistemlerinde olan pratik süzgeçleme ve veri madenciliği sistemlerindeki teknikleri ve algoritmalarını bilir.
6) MapReduce konuları, portfolyo süzgeçleme ve online reklamcılık için varolan teknikleri açıklar.
DERSİN VERİLİŞ BİÇİMİYüz Yüze
DERSİN ÖNKOŞULLARIYok
ÖNERİLEN DERSLERYok
DERS İÇERİĞİ
HAFTAKONULAR
1. Hafta Veri madenciliği ve bilgi süzgeçleme kavramları;
2. Hafta Veri madenciliği ve bilgi süzgeçleme kavramları;
3. Hafta Yazımsal bilgi öğeleri için indexleme teknikleri;
4. Hafta Yazımsal bilgi öğeleri için indexleme teknikleri;
5. Hafta Süzgeçleme Metodları;
6. Hafta Süzgeçleme Metodları;
7. Hafta Süzgeçleme performansı ölçümü;
8. Hafta Ara-sınav
9. Hafta Önerici sistemler ve ortaklaşa süzgeçleme için teknikler;
10. Hafta Önerici sistemler ve ortaklaşa süzgeçleme için teknikler;
11. Hafta Veri madenciliği ve çözümleyici sistemlerin teknik ve algoritmaları;
12. Hafta Veri madenciliği ve çözümleyici sistemlerin teknik ve algoritmaları;
13. Hafta Eşler arası bilgi süzgeçleme ve MapReduce
14. Hafta Eşler arası bilgi süzgeçleme ve MapReduce
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR1. Introduction to Information Retrieval, Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Cambridge University Press. 2008.
2. Introduction to Data Mining, Pang-Ning Tan, Michael Steinbach and Vipin Kumar, Addison-Wesley, 2006
3. Gigabytes (2nd Ed.) Ian H. Witten, Alistair Moffat and Timothy C. Bell. (1999), Morgan Kaufmann, San Francisco, California.
4. Pattern Recognition and Machine Learning, Christopher M. Bishop, Springer (2006).
ÖĞRETİM YÖNTEM VE TEKNİKLERİAnlatım,Soru-Cevap,Sunum,Eğitim-Uygulama,Proje,Rapor Hazırlama,Sorun/Problem Çözme
DEĞERLENDİRME YÖNTEMİ VE GEÇME KRİTERLERİ
 SayısıToplam Katkısı(%)
Ara Sınav130
Ödev110
Proje120
Toplam(%)60
Yıl İçinin Başarıya Oranı(%)60
Finalin Başarıya Oranı(%)40
Toplam(%)100
DİLTürkçe
STAJ / UYGULAMAYok
  

PROGRAM YETERLİLİKLERİ (P) / DERSİN ÖĞRENME KAZANIMLARI (Ö) MATRİSİ
Ö1Ö2Ö3Ö4Ö5Ö6
P1  X   X   X   X   X   X
P2    X   X      
P3    X         X
P4    X       X  
P5  X   X   X       X
P6          X   X
P7          X   X
P8  X   X   X   X    
P9           
P10    X   X      
P11          X   X
P12  X   X   X   X   X   X