DATA MINING PROGRAMME COURSE DESCRIPTION

Code	Name of the Course Unit	Semester	In-Class Hours (T+P)	Credit	ECTS Credit
YEM406	DATA MINING	8	3	3	8

GENERAL INFORMATION
Language of Instruction :	Türkçe
Level of the Course Unit :	, TYY: + , EQF-LLL: , QF-EHEA:
Type of the Course :	Zorunlu
Mode of Delivery of the Course Unit	-
Coordinator of the Course Unit
Instructor(s) of the Course Unit	Dr.Öğr.Üyesi ENGİNCAN YILDIZ
Course Prerequisite	No

OBJECTIVES AND CONTENTS
Objectives of the Course Unit:	Dersin amacı; çağdaş veri madenciliği altında bulunan belirli algoritmaları ve bu algoritmaların nasıl kullanıldıklarını öğrenmek, veri madenciliği uygulamaları geliştirmek, veri biliminin geleceğini tartışmaktır.
Contents of the Course Unit:	Dersin içeriği; önemli bir bilimsel çalışma olarak makine öğrenmesinin veya genelleştirilmiş adı ile veri madenciliğinin temel konusu olan öngörü(prediction) veya tahmin, istatistik teknikler ve makine öğrenmesi, metin madenciliği konuları ve iş akışları sistematiğine bağlı kalarak işletme ve farklı sektörlerin uygulamaları ve uygulama aracı olarak R Programlama Dili konularını kapsamaktadır.

KEY LEARNING OUTCOMES OF THE COURSE UNIT (On successful completion of this course unit, students/learners will or will be able to)
Veri madenciliği şemsiyesi altında danışmanlı (supervised) ve danışmansız (unsupervised) makine öğrenmesi algoritmalarını tanıyabilme
Veri madenciliği dersi kapsamındaki metin madenciliği konuları ve iş akışları sistematiğine bağlı kalarak işletme ve farklı sektörlerin uygulamalarını kavrayabilme
Günümüzün dijital çağında enformasyon ve bilgi elde etmek için istatistik teknikler ve makine öğrenmesini kullanabilme
R Programlama Dili’ni uygulayabilme

WEEKLY COURSE CONTENTS AND STUDY MATERIALS FOR PRELIMINARY & FURTHER STUDY
Week	Preparatory	Topics(Subjects)	Method
1	Bölüm 1	Açılış Dersi, Yapay Zekâ, Makine Öğrenmesi ve Veri Madenciliğine Giriş	Anlatım, Tartışma, Uygulama
2	Bölüm 1	Veriye Dayalı Öğrenme Stratejileri, Danışmanlı ve Danışmansız Öğrenme Algoritmaları	Anlatım, Tartışma, Uygulama
3	UCI Machine Learning Repository	Veri Madenciliği Uygulama Alanları ve Örnekler	Anlatım, Tartışma, Uygulama
4	Bölüm 3	Veri Madenciliği Yazılımları ve R Diline Giriş	Anlatım, Tartışma, Uygulama
5	Bölüm 3	R Dilinde Temel Komutlar ve Örnekler	Anlatım, Tartışma, Uygulama
6	Bölüm 1.6	Veri Ön İşleme ve Uygulamaları, Öğrenme ve Test Veri Setleri, Performans Değerlendirme ve Ölçme	Anlatım, Tartışma, Uygulama
7	Bölüm 2.2, Bölüm 4.1	Sınıflandırma: k-En Yakın Komşu Algoritması ile Model Kurma, Performans Değerlendirme ve R Dili ile Uygulama	Anlatım, Tartışma, Uygulama
8	-	ARA SINAV	-
9	Bölüm 2.3, Bölüm 4.2	Sınıflandırma: Naïve Bayes Algoritması ve R Dili ile Uygulama	Anlatım, Tartışma, Uygulama
10	Bölüm 2.5, Bölüm 4.4	Sınıflandırma: Karar Ağacı Algoritması ve R Dili ile Uygulama	Anlatım, Tartışma, Uygulama
11	Bölüm 2.6, Bölüm 4.5	Kümeleme: k-Ortalamalar Algoritması ve R Dili ile Uygulama	Anlatım, Tartışma, Uygulama
12	-	Birliktelik Analizi: Apriori Algoritması ve R Dili ile Uygulama	Anlatım, Tartışma, Uygulama
13	-	Metin Madenciliği: Sentiment Analizi ve R Dili ile Uygulama-1	Anlatım, Tartışma, Uygulama
14	-	Metin Madenciliği: Sentiment Analizi ve R Dili ile Uygulama-2	Anlatım, Tartışma, Uygulama
15	-	Proje Ekip Sunumları	Sunum
16	-	FİNAL	-
17	-	FİNAL	-

SOURCE MATERIALS & RECOMMENDED READING
BALABAN, M. E., & Kartal, E. (2018). Veri Madenciliği Ve Makine Öğrenmesi. Çağlayan Kitabevi.
Özkan, Y. (2016). Veri madenciliği yöntemleri. Papatya Yayıncılık Eğitim.
Oğuzlar, A. (2011). Temel metin madenciliği. Dora Yayıncılık.

ASSESSMENT
Assessment & Grading of In-Term Activities	Number of Activities	Degree of Contribution (%)	Description

Level of Contribution
0	1	2	3	4	5

KNOWLEDGE
Theoretical
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	List the history of communication, mass media, communication theories and leading theorists.	0
2	List the historical, social and cultural types of communication and explain the related concepts.		1
3	Define the important points of the history and theories of communication through daily life practices and social life.		1

KNOWLEDGE
Factual
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Compare the traditional media and new media economic policies.		1
2	Interpret digital culture with constantly updated and self-renewing topics.				3
3	Interpret the technical, socio-political and legal aspects of cyber security issues in the field of new media.				3

SKILLS
Cognitive
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Define the basic concepts of communication history, communication theories, traditional and new media channels.		1

SKILLS
Practical
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Prepare web pages with CSS codes.		1
2	Produce creative content in new media environments, create an image and sound and practical studies about programming.		1
3	Analyze the sub-texts and their semantics of the studies presented to the society by mass media.			2
4	Use qualitative and quantitative elements to construct arguments on studies in the field of communication.					4

OCCUPATIONAL
Autonomy & Responsibility
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Manage social media accounts of brands, corporate firms and public institutions thanks to its advanced knowledge in content production and user experience.		1

OCCUPATIONAL
Learning to Learn
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Review local and foreign studies in the field of New Media. Creates innovative works in his/her field.			2
2	Criticize the effects of social media activities on socio-political field.			2

OCCUPATIONAL
Communication & Social
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Plan scientific studies in any area that can be encountered in different disciplines and transfer them to people from different disciplines.				3
2	Determine how much of the content produced by the media is right and wrong.					4

OCCUPATIONAL
Occupational and/or Vocational
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Follows the developments that have begun to guide the present and the future such as "Software". Produce various software products for different sectors.		1
2	Design using new architectures of big data processing systems.						5
3	Determine the logic of operation of artificial intelligence algorithms and determines the possible effects on media and indirectly society.			2

WORKLOAD & ECTS CREDITS OF THE COURSE UNIT
Workload for Learning & Teaching Activities
Type of the Learning Activites	Learning Activities (# of week)	Duration (hours, h)	Workload (h)
Ders	14	3	42
Derse Ön Hazırlık ve Ders Sonrası Pekiştirme	13	6	78
Arazi Çalışması	0	0	0
Grup Çalışması / Ödevi	0	0	0
Laboratuvar	0	0	0
Okuma	0	0	0
Ödev	0	0	0
Proje Hazırlama	0	0	0
Seminer	0	0	0
Staj	0	0	0
Teknik Gezi	0	0	0
Web Tab. Öğrenme	0	0	0
Uygulama	0	0	0
Yerinde Uygulama	0	0	0
Mesleki Faaliyet	0	0	0
Sosyal Faaliyet	0	0	0
Tez Hazırlama	0	0	0
Alan Çalışması	0	0	0
Rapor Yazma	0	0	0
Final Sınavı	1	1	1
Final Sınavı Hazırlığı	1	42	42
Ara Sınav	1	1	1
Ara Sınav Hazırlığı	1	40	40
Kısa Sınav	0	0	0
Kısa Sınav Hazırlığı	0	0	0
TOPLAM	31	0	204