Yazdır

DERS BİLGİLERİ
Ders KodDers AdT+U SaatYarıyılAKTS
EKOM 537BÜYÜK VERİ ANALİZİ3 + 01. Yarıyıl7,5

DERS TANIMI
Ders Düzeyi Yüksek Lisans
Ders Türü Seçmeli
Dersin Amacı Tahminleme modellerinde temel kavramları öğretmek, Gözetimli ve gözetimsiz modelleri öğretmek, Makine öğrenimi metotları için python programlama dilini göstermek, Tahminleme modellerinin performans ölçümünü öğretmek
Ders İçeriği Gözetimli ve gözetimsiz öğrenme, Lineer regresyon, Lojistik regresyon, Naïve Bayes, K en yakın komşu algoritması, K-means, Hiyerarşik kümeleme, Yapay Sinir Ağları, Destek Vektör Makineleri, Regresyon problemleri için büyük veri örnekleri, Sınıflandırma problemleri için büyük veri örnekleri, Kümeleme problemleri için büyük veri örnekleri, Performans ölçme
Ders Ön Koşul Dersin ön koşulu yok.
Ders Yan Koşul Dersin yan koşulu yok.
Öğretim Sistemi Yüz Yüze

DERS ÖĞRENME KAZANIMLARI
1Tahminleme modellerinde temel kavramları anlama becerisi
2Regresyon ve sınıflandırma problemleri için gözetimli öğrenme metotlarını uygulama
3Kümeleme problemleri için gözetimsiz öğrenme metotlarını uygulama
4Tahminleme metotlarının sonuçlarını analiz edebilme ve performanslarını ölçebilme
5Basit makine öğrenmesi algoritmalarını kodlayabilme

DERS ÖĞRENME KAZANIMININ PROGRAM YETERLİLİKLERİNE KATKISI
NoPY 01PY 02PY 03PY 04PY 05PY 06PY 07PY 08PY 09PY 10PY 11PY 12
ÖK 001            
ÖK 002            
ÖK 003            
ÖK 004            
ÖK 005            
Ara Toplam            
Katkı000000000000

AKTS / İŞ YÜKÜ TABLOSU
EtkinlikSayısıSüresi (Saat)Toplam İş Yükü (Saat)
Ders Süresi(14 hafta/teorik+uygulama)14570
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme)14570
Ödevler11010
Arasınavlar(hazırlık süresi dahil)12020
Yarıyıl Sonu Sınavı(hazırlık süresi dahil)12525
Toplam İş Yükü

Dersin AKTS Kredisi






195

7,5
DERS ŞUBELERİ
 Dönem seçiniz :   


Seçili dönemde ders açılmamıştır.


Yazdır

T+U : Teorik + Pratik
PY: Program Yeterlilikleri
ÖK: Ders Öğrenme Kazanımları