| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| Mekansal Veri Madenciliği | JJM618 | Seçmeli | Doktora | 1 | Bahar | 8 |
Öğretim Elemanı Adı
Doç. Dr. Taner ÜSTÜNTAŞ
Dersin Öğrenme Kazanımları
1) Python programlama dili sözdizimi yapısını öğrenir
2) Numpy kütüphanesi öğrenilir
3) Pandas kütüphanesi öğrenilir
4) Aykırı veri sorgulama ve yakalamayı öğrenir
5) Boş veriler ile yapılan işlemleri öğrenir
6) Model doğrulama ve başarı değerlendirme yöntemlerini öğrenir
7) Regresyon model, tahmin ve model ayarlama yöntemlerini öğrenir
8) PCR ve SVR yöntemlerini öğrenir
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | |||||
| 1 | 2 | 3 | 4 | ||
| Öğrenme Kazanımları | |||||
| 1 | Yüksek | Orta | Orta | Orta | |
| 2 | Orta | Orta | Orta | Orta | |
| 3 | |||||
| 4 | Yüksek | Orta | Düşük | Düşük | |
| 5 | Yüksek | Orta | Düşük | Düşük | |
| 6 | Yüksek | Orta | Orta | Orta | |
| 7 | Orta | Orta | Düşük | Düşük | |
| 8 | Yüksek | Yüksek | Düşük | Düşük | |
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
Yok
Önerilen Destekleyici Dersler
Programlamaya Giriş
Dersin İçeriği
Python kütüphaneleri olan NumPy ve Pandas ile veri önişleme yapılacak. Daha sonra, Makine Öğrenmesi algoritmalarından doğrusal ve doğrusal olmayan regresyon yöntemleri anlatılacak.
Haftalık Ders İzlencesi
1) Python kütüphanelerin kurulması2) Veri madenciliği için Python programa esasları
3) Numpy kütüphanesi ile veri biçimlendirme
4) Numpy kütüphanesi ile veri biçimlendirme
5) Pandas kütüphanesi ile eleman işlemleri (merge-join)
6) Pandas kütüphanesi ile eleman işlemleri Gruplama İşlemleri
7) Pandas kütüphanesi ile eleman işlemleri Aggregate, Transform, Filter, Apply
8) Ara sınav
9) Aykırı vei sorgulama ve yakalama
10) Eksik veri işlemleri, silme ve değer atama yöntemleri
11) Model doğrulama yöntemleri
12) Model başarı değerlendirme yöntemleri
13) Basit doğrusal ve çoklu doğrusal regresyon model, tahmin ve model ayarlama
14) Mekânsal Temel Bileşen Regresyonu (PCR) işlemleri örneği
15) Mekânsal Destek Vektör Regresyonu (SVR) işlemleri örneği
16) Yarıyıl sonu sınavı
Önerilen/İstenen Ders Kaynakları
1- Wei-Meng Lee (2019), Python Machine Learning, ISBN: 1119545633, Wiley
2- Mathur P. (2019), Machine Learning Applications Using Python, ISBN-10: 1484237862, Apress
3- Russell R. (2018), Machine Learning: Step-by-Step ... with Python, ISBN: 1719528403
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
1) Anlatım
2) Soru-Cevap
3) Soru-Cevap
4) Soru-Cevap
5) Soru-Cevap
6) Soru-Cevap
7) Soru-Cevap
8) Problem Çözme
9) Problem Çözme
10) Problem Çözme
11) Problem Çözme
12) Problem Çözme
13) Problem Çözme
14) Problem Çözme
15) Problem Çözme
16) Problem Çözme
Değerlendirme Yöntemi ve Ölçütleri
Ara Sınav Notunun Başarıya Oranı |
40% |
|---|---|
Yarıyıl Sonu Sınavının Başarıya Oranı |
60% |
Toplam |
100% |
Dersin Eğitim Dili
Türkçe
Mesleki Uygulama
İstenmemekte