VERİ MADENCİLİĞİNE BAKIŞ

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "VERİ MADENCİLİĞİNE BAKIŞ"

Transkript

1 VERİ MADENCİLİĞİNE BAKIŞ

2 İçerik Veri Madenciliği Neden Veri Madenciliği? Veri ve Veri Madenciliğinin Önemi Günümüzde Kullanılan Veri Madenciliğinin Çeşitli İsimleri Veri Madenciliği Nedir?

3 Neden Veri Madenciliği? Karar verici için verilen kararın doğruluğu, onun yeteneklerine, deneyimine ve bilgi birikimine olduğu kadar sahip olduğu veri kümesinin yeterliliğine de bağlıdır. Doğru karar vermede, verilerin toplanması, tasnif edilmesi, hazırlanması, analiz edilmesi ve doğru yorumlanması çok önemlidir. Ayrıca verilerin incelenmesi ile birlikte ilişkilerin ortaya çıkarılması da doğru karar verme için önemli bir rol oynar.

4 Neden Veri Madenciliği? Günümüzde karar süreçlerinin karmaşıklaşması ve sayısal olarak daha fazla veriye gereksiniminin ortaya çıkması ile büyük veri tabanlarındaki bilginin işlenmesi oldukça zor olmaya başlamıştır.

5 Neden Veri Madenciliği? Kurumlar ve işletmeler her kayıtlarını elektronik olarak biriktirmeye başlamış ve sayısal teknolojilerin gelişmesiyle birlikte akıl almaz derecede veri birikimi meydana gelmiştir. Veri tabanlarında ve veri ambarlarında depolanan veri yığınları arasından anlamlı ilişkilerin, kalıpların ve eğilimlerin ortaya çıkartılması ihtiyacı doğmuş, gelecek adına doğru tahminlerin yapılması önem kazanmıştır.

6 Neden Veri Madenciliği? Veri madenciliği (data mining) uygulamaları işte bu noktada, istatistiksel analiz ve modellemeler ile Makine öğrenimi artificial intelligence tekniklerinin kullanılması ile devreye girmiştir. Karmaşık örüntüleri algılama ve veriye dayalı akılcı kararlar verebilme becerisi kazandırmada, veri madenciliği; istatistik, makine öğrenimi, optimizasyon, veri ambarcılığı, uzman sistemler, örüntü tanıma, yapay zekâ, uyarlamalı denetim ve kuramsal bilgisayar bilimi ile ilişkilidir. Verinin içindeki bilginin ortaya çıkarılması için gelişmiş teknolojiler ve iş deneyimi birlikte kullanılmalıdır.

7 Veri Madenciliği İle İlişkili Alanlar

8 Neden Veri Madenciliği? Bilimsel veritabanlarının ve ağ sistemlerinin geliştirilmesiyle birlikte bankacılık, finans, ekonomi, sağlık, adli suçlar, güvenlik ve savunma gibi pek çok alanda veri madenciliği teknikleri geliştirilmeye başlanmış, tahmin analizleri, modellemeler ve yapay zekâ teknikleri alanlarında ciddi ilerleme kaydedilmiştir.

9 Veri ve Veri Madenciliğinin Önemi Günümüzde ekonomik sistemde veri ya da bilgi, mal ya da hizmet üretiminin faktörlerinden birisi olarak algılanmaktadır. Bu ise karar vericileri yanlış karar riskinden uzaklaşabilmek için, mümkün olduğunca fazla veriyi depolamaya zorlamaktadır. Ayrıca internetin yaygınlaşması, rekabetin önemli olması, kar marjlarının düşmesi ve müşteri memnuniyetinin zorlaşması, bu endişeyi daha da artırmaktadır. Bu durum ise doğru veriyi toplama ya da doğru veriye ulaşma zorunluluğunu ortaya çıkarmıştır. Artık veriye erişmek en az verinin kendisi kadar önemli bir faktör olarak karşımıza çıkmıştır.

10 Veri ve Veri Madenciliğinin Önemi Bilgisayarın yaşamımızda daha çok rol almasıyla, yapılan her işlem sayısal ortamda kayıt altına alınmaya başladı. Hastanelerde, belediyelerde veya ticarette yapılan her işlem artık veritabanlarında yerini almıştır. Hatta bir mağazaya, alışveriş merkezine girerken ya da çıkarken, bazen de yolda yürürken kameraya çekilen görüntüler bile bir veritabanı oluşturmaktadır. Bütün bunlar bir yığın halinde depolanırken içlerinde nasıl gizli bilgiler taşıdığı bilinmemektedir. Tüm bu veriler, veritabanlarında çıkarılmayı bekleyen değerli bir maden gibi durmaktadır. Bir bakıma çevremizde bir sürü veri varken, bu veriler bilgiye dönüşmeyi beklemektedir.

11 Veri ve Veri Madenciliğinin Önemi Günümüzde şirketlerin müşteri ile ilişkileri büyük ölçüde değişmiştir. İşletmelerde başarılı bir müşteri ilişkileri yönetimiyle, küresel bir dünyada ve giderek artan rekabetçi piyasalarda, işletmeler için yaşamsal önem taşıyan, müşteri için değer yaratmak, müşteri sadakati sağlamak ve bu konularda kurumsallaşmayı gerçekleştirmek mümkün olabilecektir.

12 Günümüzde Kullanılan Veri Madenciliğinin Çeşitli İsimleri Veri Madenciliği (Data mining) Veritabanlarında bilgi madenciliği (knowledge mining from databases), Bilgi çıkarımı (knowledge extraction), Veri ve örüntü analizi (data/pattern analysis), Veri arkeolojisi gibi, İş analitikleri (Business analytics)

13 Veri Madenciliği Nedir? Literatürde veri madenciliğine ilişkin bir çok tanım yapılmıştır. Bunlardan bazıları aşağıda verilmiştir. Veri madenciliği, veri ambarlarında tutulan çok çeşitli verilere dayanarak daha önce keşfedilmemiş verileri ortaya çıkarmak, bunlara karar vermek ve gerçekleştirmek için kullanma sürecidir. Anlamsız görünen veri yığını üzerinde birçok işlem yapılarak önemli ve anlamlı bilgilerin çıkarımına olanak sağlama sürecidir. Mevcut veri yığınları arasından anlamlı ilişkilerin, kalıpların ve eğilimlerin ortaya çıkartılmasıdır.

14 Veri Madenciliği Nedir? Veri madenciliği, önceden bilinmeyen ilişki ve eğilimlerin bulunması için bugünün endüstrisinde yaratılan büyük miktarlardaki veriyi analiz eden bir yoldur. Veri madenciliği büyük ve karmaşık verilerde beklenmeyen patikaların, değerli yapıların ve ilginç ilişkilerin keşfedilmesi bilimidir. Veri madenciliği, eldeki verilerden üstü kapalı, çok net olmayan, önceden bilinmeyen ancak potansiyel olarak kullanışlı bilginin çıkarılmasıdır.

15 Veri Tabanlarında Bilgi Keşfi Süreci HAN, J., KAMBER, M., PEI, J., Data Mining Consepts And Techniques, Morgan Kaufmann, USA, 2012, s.7.

16 Veri Madenciliğinde Kullanılan Yöntemler Veri madenciliği yöntemleri işlevlerine göre aşağıdaki gibi üç temel grupta tanımlanmaktadır. Sınıflama (Classification), Kümeleme (Clustering), Birliktelik kuralları ve sıralı örüntülerdir (Association rules and sequential patterns).

17 Referanslar Berry M, Linoff G., Data Mining Techniques For Marketing, Sales And Customer Support, John Wiley & Sons, New Jersey, U.S.A, Dasu, T. ve Johnson, T. (2003) Explarotary Data Mining and Data Cleaning. Ganesh, S. (2002) Data Mining: Should it be included in the Statistics cirriculum?, The Sixt International Conference on Teaching Statistics, Cape Town, South Africa, 7 12 July. Gürsakal N., (2006), Sözcük ve Sayı, SPSS Kamu Günü, 14 Nisan, SPSS Veri Madenciliği Çözümleri. Han J., Kamber M., Pei J. (2012), Data Mining, Concept and Techniques, Elsevier.

VERI TABANLARıNDA BILGI KEŞFI

VERI TABANLARıNDA BILGI KEŞFI 1 VERİ MADENCİLİĞİ VERI TABANLARıNDA BILGI KEŞFI Veri Tabanlarında Bilgi Keşfi, veriden faydalı bilginin keşfedilmesi sürecinin tamamına atıfta bulunmakta ve veri madenciliği bu sürecin bir adımına karşılık

Detaylı

Veri Ambarları ve Veri Madenciliği (ISE 350) Ders Detayları

Veri Ambarları ve Veri Madenciliği (ISE 350) Ders Detayları Veri Ambarları ve Veri Madenciliği (ISE 350) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Uygulama Saati Saati Laboratuar Saati Kredi AKTS Veri Ambarları ve Veri Madenciliği ISE 350 Bahar 3 0 0 3 6 Ön

Detaylı

VERİ MADENCİLİĞİ İLE DEPREM VERİLERİNİN ANALİZİ

VERİ MADENCİLİĞİ İLE DEPREM VERİLERİNİN ANALİZİ VERİ MADENCİLİĞİ İLE DEPREM VERİLERİNİN ANALİZİ N. Duru -1, M. Canbay -1 Posta Adresi: 1- Kocaeli Üniversitesi Müh.Fak. Bilgisayar Mühendisliği 2- Kocaeli Üniversitesi Müh.Fak. Jeofizik Mühendisliği E-posta:

Detaylı

Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi

Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi Emre Güngör 1,2, Nesibe Yalçın 1,2, Nilüfer Yurtay 3 1 Bilecik Şeyh Edebali Üniversitesi, Bilgisayar Mühendisliği Bölümü, 11210, Merkez, Bilecik

Detaylı

APRİORİ ALGORİTMASI İLE TEKNİK SEÇMELİ DERS SEÇİM ANALİZİ SELECTION BEHAVIOR ANALYSIS OF TECHNICAL ELECTIVE COURSES USING APRIORI ALGORITHM

APRİORİ ALGORİTMASI İLE TEKNİK SEÇMELİ DERS SEÇİM ANALİZİ SELECTION BEHAVIOR ANALYSIS OF TECHNICAL ELECTIVE COURSES USING APRIORI ALGORITHM APRİORİ ALGORİTMASI İLE TEKNİK SEÇMELİ DERS SEÇİM ANALİZİ Nesibe Yalçın 1 Emre Güngör 1 Nilüfer Yurtay ÖZET Bu çalışmada, Veri Madenciliği' nde Birliktelik Kuralı çıkarım algoritmalarından biri olan Apriori

Detaylı

HAM VERİNİN NİTELİKLİ BİLGİYE DÖNÜŞTÜRÜLME SÜRECİ

HAM VERİNİN NİTELİKLİ BİLGİYE DÖNÜŞTÜRÜLME SÜRECİ HAM VERİNİN NİTELİKLİ BİLGİYE DÖNÜŞTÜRÜLME SÜRECİ Cenk BALKAN Kavramlar HAM VERİ İngilizcesi raw data olan, düzenlenmemiş veri olarak ifade edilebilir. VERİ Satır ve kolonlar bazında ifade edilmiş, bir

Detaylı

SÖZLÜ BİLDİRİ TÜRKİYE DEKİ HASTANELERİN VERİ MADENCİLİĞİ YÖNTEMLERİ KULLANILARAK GRUPLANDIRILMASI

SÖZLÜ BİLDİRİ TÜRKİYE DEKİ HASTANELERİN VERİ MADENCİLİĞİ YÖNTEMLERİ KULLANILARAK GRUPLANDIRILMASI SÖZLÜ BİLDİRİ TÜRKİYE DEKİ HASTANELERİN VERİ MADENCİLİĞİ YÖNTEMLERİ KULLANILARAK GRUPLANDIRILMASI CLASSIFICATION OF TURKISH HOSPITALS BY USING DATA MINING TECHNIQUE Mehmet UĞURLU 1, M.Özgür DOLGUN 2, S.Yavuz

Detaylı

Veritabanı, Veri Madenciliği, Veri Ambarı, Veri Pazarı

Veritabanı, Veri Madenciliği, Veri Ambarı, Veri Pazarı Veritabanı, Veri Madenciliği, Veri Ambarı, Veri Pazarı Başkent Üniversitesi Bilgisayar Mühendisliği Yönetim Bilişim Sistemleri (Bil 483) 20394676 - Ümit Burak USGURLU Veritabanı Veri tabanı düzenli bilgiler

Detaylı

Büyük Veri ve Endüstri Mühendisliği

Büyük Veri ve Endüstri Mühendisliği Büyük Veri ve Endüstri Mühendisliği Mustafa Gökçe Baydoğan Endüstri Mühendisliği Bölümü Boğaziçi Üniversitesi İstanbul Yöneylem Araştırması/Endüstri Mühendisliği Doktora Öğrencileri Kolokyumu 21-22 Nisan

Detaylı

BAŞAK ÇOBAN MERVE SARITAŞ AZİME AKÇAÖZ BÜŞRA AYDEMİR

BAŞAK ÇOBAN MERVE SARITAŞ AZİME AKÇAÖZ BÜŞRA AYDEMİR VERİ MADENCİLİĞİ İSİMLER BAŞAK ÇOBAN MERVE SARITAŞ AZİME AKÇAÖZ BÜŞRA AYDEMİR MOLEKÜLER BİYOLOJİ ve GENETİK GEBZE TEKNİK ÜNİVERSİTESİ ARALIK 2015 İçindekiler ÖZET... iii 1.GİRİŞ... 1 1.1 Veri Ambarı, Veri

Detaylı

SAP FORUM İSTANBUL Discover Simple Kararlarınızı ileri analitiklerle aydınlatın

SAP FORUM İSTANBUL Discover Simple Kararlarınızı ileri analitiklerle aydınlatın SAP FORUM İSTANBUL Discover Simple Kararlarınızı ileri analitiklerle aydınlatın Konuşmacı Adı : Beyhan BOYACIOGLU Firma Adı : METRIC Yazılım Use this title slide only with an image Gündem İleri Analiz

Detaylı

İş Analitiği'ne Netezza ile Yüksek Performans Katın

İş Analitiği'ne Netezza ile Yüksek Performans Katın İş Analitiği'ne Netezza ile Yüksek Performans Katın Umut ŞATIR İleri Analitik Çözüm Mimarı 2012 IBM Corporation Netezza and IBM Business Analytics Baştan sona bir İş Analitiği çözümü Performans Kolaylık

Detaylı

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara

PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI. BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara PARALEL VERİ MADENCİLİĞİ ALGORİTMALARI BAŞARIM 09, 15-18 Nisan 2009, ODTÜ, Ankara Veri Madenciliğine Genel Bir Bakış Veri Madenciliğinin Görevleri Sınıflama Seri Sınıflama Algoritmaları Paralel Sınıflama

Detaylı

Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü. Bilgisayar Mühendisliği

Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü. Bilgisayar Mühendisliği Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü Bilgisayar Mühendisliği Bilgisayar Mühendisliği Günümüzde, finans, tıp, sanat, güvenlik, enerji gibi bir çok sektör, bilgisayar mühendisliğindeki gelişimlerden

Detaylı

VERİ MADENCİLİĞİ MODELLERİ VE UYGULAMA ALANLARI

VERİ MADENCİLİĞİ MODELLERİ VE UYGULAMA ALANLARI VERİ MADENCİLİĞİ MODELLERİ VE UYGULAMA ALANLARI *Öğr. Gör. Serhat ÖZEKES Abstract: The major reason that data mining became one of the hottest current technologies of the information age is the wide availability

Detaylı

APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ

APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ APRIORI ALGORİTMASI İLE ÖĞRENCİ BAŞARISI ANALİZİ Murat KARABATAK 1, Melih Cevdet İNCE 2 1 Fırat Üniversitesi Teknik Eğitim Fakültesi Elektronik Bilgisayar Eğitimi Bölümü 2 Fırat Üniversitesi Mühendislik

Detaylı

VERİ MADENCİLİĞİNDE KARAR AĞACI ALGORİTMALARI İLE BİLGİSAYAR VE İNTERNET GÜVENLİĞİ ÜZERİNE BİR UYGULAMA

VERİ MADENCİLİĞİNDE KARAR AĞACI ALGORİTMALARI İLE BİLGİSAYAR VE İNTERNET GÜVENLİĞİ ÜZERİNE BİR UYGULAMA Endüstri Mühendisliði Dergisi Cilt: 5 Sayý: 3-4 Sayfa: (-19) Makale VERİ MADENCİLİĞİNDE KARAR AĞACI ALGORİTMALARI İLE BİLGİSAYAR VE İNTERNET GÜVENLİĞİ ÜZERİNE BİR UYGULAMA Aslı ÇALIŞ, Sema KAYAPINAR*,

Detaylı

İleri Veri Madenciliği (COMPE 506) Ders Detayları

İleri Veri Madenciliği (COMPE 506) Ders Detayları İleri Veri Madenciliği (COMPE 506) Ders Detayları Ders Adı İleri Veri Madenciliği Ders Kodu COMPE 506 Dönemi Ders Uygulama Laboratuar Kredi AKTS Saati Saati Saati Güz 3 0 0 3 7.5 Ön Koşul Ders(ler)i Dersin

Detaylı

Birliktelik Kuralları Analizi. Yard. Doç. Dr. Derya BİRANT Prof. Dr. Alp KUT

Birliktelik Kuralları Analizi. Yard. Doç. Dr. Derya BİRANT Prof. Dr. Alp KUT İş Zekası Çözümleri için i Çok Boyutlu Birliktelik Kuralları Analizi Yard. Doç. Dr. Derya BİRANT Prof. Dr. Alp KUT İçerik 1 Veri Madenciliği 2 Birliktelik Kuralları Analizi 3 Uygulama 4 Algoritma 5 Sonuçlar

Detaylı

Bölüm 1. Giriş. Öğretim üyesi: Doç. Dr. Suat Özdemir E-posta: suatozdemir@gazi.edu.tr. Websayfası: http://ceng.gazi.edu.tr/~ozdemir/teaching/dm

Bölüm 1. Giriş. Öğretim üyesi: Doç. Dr. Suat Özdemir E-posta: suatozdemir@gazi.edu.tr. Websayfası: http://ceng.gazi.edu.tr/~ozdemir/teaching/dm Bölüm 1. Giriş http://ceng.gazi.edu.tr/~ozdemir Ders bilgileri Öğretim üyesi: E-posta: suatozdemir@gazi.edu.tr Websayfası: http://ceng.gazi.edu.tr/~ozdemir/teaching/dm Bütün duyuru, ödev, vb. için ders

Detaylı

DOKUZ EYLÜL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRLÜĞÜ DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: CSE 5072

DOKUZ EYLÜL ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRLÜĞÜ DERS/MODÜL/BLOK TANITIM FORMU. Dersin Kodu: CSE 5072 Dersi Veren Birim: Fen Bilimleri Enstitüsü Dersin Türkçe Adı: Veri Madenciliği ve Bilgi Keşfi Dersin Orjinal Adı: Data Mining and Knowledge Discovery Dersin Düzeyi:(Ön lisans, Lisans, Yüksek Lisans, Doktora)

Detaylı

Veri Madenciliği. Bölüm 1. Giriş. Doç. Dr. Suat Özdemir. w3.gazi.edu.tr/~suatozdemir

Veri Madenciliği. Bölüm 1. Giriş. Doç. Dr. Suat Özdemir. w3.gazi.edu.tr/~suatozdemir Bölüm 1. Giriş w3.gazi.edu.tr/~suatozdemir Ders bilgileri Öğretim üyesi: E-posta: suatozdemir@gazi.edu.tr Websayfası: w3.gazi.edu.tr/~suatozdemir/teaching/dm Bütün duyuru, ödev, vb. için ders web sayfasını

Detaylı

GENCAY KARAMAN. gencay@gencaykaraman.com gencaykaraman@gmail.com. DBA & Data Mining/Business Intelligence Specialist

GENCAY KARAMAN. gencay@gencaykaraman.com gencaykaraman@gmail.com. DBA & Data Mining/Business Intelligence Specialist Veri Madenciliği ile Çapraz Satış ve Risk Yönetimi Churn analyse, Cross selling, Fraud Detection, Risk Management, Customer Segmentation, Targeted ads, Sales Forecast GENCAY KARAMAN gencay@gencaykaraman.com

Detaylı

Duvar İnşa Edilmesinde Verimliliği Etkileyen Faktörlerin Apriori Veri Madenciliği Yöntemi Kullanılarak Analizi

Duvar İnşa Edilmesinde Verimliliği Etkileyen Faktörlerin Apriori Veri Madenciliği Yöntemi Kullanılarak Analizi Akademik Bilişim 14 - XVI. Akademik Bilişim Konferansı Bildirileri 5-7 Şubat 2014 Mersin Üniversitesi Duvar İnşa Edilmesinde Verimliliği Etkileyen Faktörlerin Apriori Veri Madenciliği Yöntemi Kullanılarak

Detaylı

LOGO İş Zekası çözümü ile kurumsal raporlama ve analizler. Cem Yılmaz Genel Müdür LOGOBI Yazılım

LOGO İş Zekası çözümü ile kurumsal raporlama ve analizler. Cem Yılmaz Genel Müdür LOGOBI Yazılım LOGO İş Zekası çözümü ile kurumsal raporlama ve analizler Cem Yılmaz Genel Müdür LOGOBI Yazılım Hakkımızda LOGOBI Yazılım A.Ş. iş zekası alanında faaliyet gösteren, Türkiye de sahip olduğu yüzlerce müşterinin

Detaylı

Yapay Zeka (MECE 441) Ders Detayları

Yapay Zeka (MECE 441) Ders Detayları Yapay Zeka (MECE 441) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yapay Zeka MECE 441 Bahar 3 0 0 3 4 Ön Koşul Ders(ler)i Yok Dersin Dili Dersin Türü

Detaylı

Olasılık ve İstatistik (IE 220) Ders Detayları

Olasılık ve İstatistik (IE 220) Ders Detayları Olasılık ve İstatistik (IE 220) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Olasılık ve İstatistik IE 220 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin

Detaylı

Web Madenciliği Teknikleri

Web Madenciliği Teknikleri Web Madenciliği Teknikleri Abdullah BAYKAL*,Cengiz COŞKUN** * Dicle Üniversitei Fen-Edebiyat Fakültesi Matematik Bölümü, baykal@dicle.edu.tr ** Dicle Üniversitesi Bilgi-İşlem Daire Başkanlığı, ccoskun@dicle.edu.tr

Detaylı

IBM Big Data. Emre Uzuncakara emre@tr.ibm.com Big Data Sales. 2009 IBM Corporation

IBM Big Data. Emre Uzuncakara emre@tr.ibm.com Big Data Sales. 2009 IBM Corporation IBM Big Data Emre Uzuncakara emre@tr.ibm.com Big Data Sales Büyük Veri Nedir? Hız Hacim 12 terabyte Günlük Tweet verisi Ürün Analizi 350 5 Çeşitlilik milyon Ticari hareket - saniyede Potansiyel suistimal

Detaylı

Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, Sayı 33, Ağustos 2012 165 VERİ MADENCİLİĞİ VE LİSANSÜSTÜ ÖĞRENCİ VERİLERİ ÜZERİNE BİR UYGULAMA

Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, Sayı 33, Ağustos 2012 165 VERİ MADENCİLİĞİ VE LİSANSÜSTÜ ÖĞRENCİ VERİLERİ ÜZERİNE BİR UYGULAMA Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, Sayı 33, Ağustos 2012 165 VERİ MADENCİLİĞİ VE LİSANSÜSTÜ ÖĞRENCİ VERİLERİ ÜZERİNE BİR UYGULAMA Mehmet Ali ALAN, Yrd. Doç. Dr., Cumhuriyet Üniversitesi,

Detaylı

Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü

Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü Öğr.Gör.İnan ÜNAL Tunceli Üniversitesi Bilgisayar Mühendisliği Bölümü Büyük miktardaki veriler içerisinden önemli olanlarını bulup çıkarmaya veri Madenciliği denir. Veri madenciliği bir sorgulama işlemi

Detaylı

İş Süreçlerinin Yeniden Yapılandırılması (IE 320) Ders Detayları

İş Süreçlerinin Yeniden Yapılandırılması (IE 320) Ders Detayları İş Süreçlerinin Yeniden Yapılandırılması (IE 320) Ders Detayları Ders Adı Ders Dönemi Ders Kodu Saati Uygulama Saati Laboratuar Kredi AKTS Saati İş Süreçlerinin Yeniden Yapılandırılması IE 320 Seçmeli

Detaylı

Dr. Hidayet Takçı. Veri Madenciliği Dersi G Y T E Dr. Hidayet Takçı 10/05/2008 1

Dr. Hidayet Takçı. Veri Madenciliği Dersi G Y T E Dr. Hidayet Takçı 10/05/2008 1 Birinci Saat Veri Madenciliği: Giriş Dr. Hidayet Takçı Veri Madenciliği Dersi G Y T E Dr. Hidayet Takçı 10/05/2008 1 Neden Veri Madenciliği? Ticari Bakış Açısı Çok miktarda veri toplanmış ve ambarlanmıştır.

Detaylı

Karar Destek Sistemleri (IE 514) Ders Detayları

Karar Destek Sistemleri (IE 514) Ders Detayları Karar Destek Sistemleri (IE 514) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Karar Destek Sistemleri IE 514 Her İkisi 3 0 0 3 7.5 Ön Koşul Ders(ler)i

Detaylı

Karar Destek Sistemleri (IE 444) Ders Detayları

Karar Destek Sistemleri (IE 444) Ders Detayları Karar Destek Sistemleri (IE 444) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Karar Destek Sistemleri IE 444 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i Dersin

Detaylı

1. Oracle Data Miner 11g Release 2 Kurulumu Aşamaları

1. Oracle Data Miner 11g Release 2 Kurulumu Aşamaları 1. Oracle Data Miner 11g Release 2 Kurulumu Aşamaları Uyarı 1: Kuruluma başlamadan önce Oracle 11g Release 2 veritabanı kurulumunu eksiksiz bir şekilde gerçekleştirmiş olmanız beklenmektedir. İlgili kurulum

Detaylı

Veri Madenciliği Yaklaşımı ile Mesleki Yönlendirme Sistemi

Veri Madenciliği Yaklaşımı ile Mesleki Yönlendirme Sistemi Veri Madenciliği Yaklaşımı ile Mesleki Yönlendirme Sistemi YRD. DOÇ. DR. HÜSEYİN GÜRÜLER MUĞLA SITKI KOÇMAN ÜNİVERSİTESİ, TEKNOLOJİ FAKÜLTESİ, BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ Meslek Seçimi Meslek Seçimi

Detaylı

Yönetim Bilişim Sistemleri Alanında Metin Madenciliği ile Bilgi Haritalama

Yönetim Bilişim Sistemleri Alanında Metin Madenciliği ile Bilgi Haritalama Yönetim Bilişim Sistemleri Alanında Metin Madenciliği ile Bilgi Haritalama Öğr. Gör. Dr. Ufuk ÇELİK Bandırma Onyedi Eylül Üniversitesi ucelik001@gmail.com Yrd. Doç. Dr. Deniz HERAND Türk Alman Üniversitesi

Detaylı

Yrd. Doç. Dr. Semra Erpolat

Yrd. Doç. Dr. Semra Erpolat Anadolu Üniversitesi Sosyal Bilimler Dergisi Anadolu University Journal of Social Sciences Otomobil Yetkili Servislerinde Birliktelik Kurallarının Belirlenmesinde Apriori ve FP-Growth Algoritmalarının

Detaylı

Web Madenciliği (Web Mining)

Web Madenciliği (Web Mining) Web Madenciliği (Web Mining) Hazırlayan: M. Ali Akcayol Gazi Üniversitesi Bilgisayar Mühendisliği Bölümü Genel bilgiler Değerlendirme Arasınav : 25% Ödevler : 15% Final Projesi : 30% Final Sınavı : 30%

Detaylı

Veri Madenciliği Projelerinin Yaşam Döngüsü - 1

Veri Madenciliği Projelerinin Yaşam Döngüsü - 1 Veri Madenciliği Projelerinin Yaşam Döngüsü - 1 Özet : Bu makalemizde Veri Madenciliği projelerinin yaşam döngüsünü inceleyeceğiz.veri Madenciliği projelerinde takip edilmesi gereken başlıca adımları ve

Detaylı

Sigortacılık Sektöründe Müşteri İlişkileri Yönetimi İçin Birliktelik Kuralı Kullanılması

Sigortacılık Sektöründe Müşteri İlişkileri Yönetimi İçin Birliktelik Kuralı Kullanılması DOI: 10.7240/mufbed.56489 Sigortacılık Sektöründe Müşteri İlişkileri Yönetimi İçin Birliktelik Kuralı Kullanılması Buket DOĞAN 1, Bahar Erol 2, Ali Buldu 3 1,3 Marmara Üniversitesi, Teknoloji Fakültesi,

Detaylı

VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI

VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜ VERİ MADENCİLİĞİ VE SOSYAL AĞ ANALİZİ ARAŞTIRMA LABORATUVARI 10 Aralık 2011, Cumartesi Fen ve Mühendislik Alanlarındaki Çeşitli Araştırma Projelerinden Örneklemeler İçerik

Detaylı

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi

Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Journal of Engineering and Natural Sciences Mühendislik ve Fen Bilimleri Dergisi Sigma Vol./Cilt 26 Issue/Sayı 1 Araştırma Makalesi / Research Article CHURN ANALYSIS AND CUSTOMER SEGMENTATION OF A COSMETICS

Detaylı

2009 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / HARİTA MÜHENDİSLİĞİ EĞİTİM PLANI

2009 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / HARİTA MÜHENDİSLİĞİ EĞİTİM PLANI 009 MÜFREDATI MÜHENDİSLİK FAKÜLTESİ / HARİTA MÜHENDİSLİĞİ EĞİTİM PLANI SINIF: 1 DÖNEM: GÜZ Aİ 101 ATATÜRK İLKELERİ VE İNKILAP TARİHİ ATATURK'S PRINCIPLES AND HISTORY FİZ 101 FİZİK PHYSICS HM 101 BİLGİSAYAR

Detaylı

Veri Madenciliği Yöntemleriyle İGDAŞ Çağrı Merkezi Veri Analizi VE Kalite Fonksiyon Yayılımı Yöntemiyle Süreç İyileştirme Çalışması

Veri Madenciliği Yöntemleriyle İGDAŞ Çağrı Merkezi Veri Analizi VE Kalite Fonksiyon Yayılımı Yöntemiyle Süreç İyileştirme Çalışması Veri Madenciliği Yöntemleriyle İGDAŞ Çağrı Merkezi Veri Analizi VE Kalite Fonksiyon Yayılımı Yöntemiyle Süreç İyileştirme Çalışması Nilay Kurşunoğlu, PwC Yönetim Danışmanlığı Biz Kimiz? Orhan Cem Sorumlu

Detaylı

Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı

Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı cse@akdeniz.edu.tr Antalya, 2016 2 Özet Akdeniz Üniversitesi tanıtım filmi Neden Bilgisayar Mühendisliği Bilgisayar Mühendisi

Detaylı

VERİ MADENCİLİĞİ (Birliktelik Kuralları) Yrd.Doç.Dr. Kadriye ERGÜN

VERİ MADENCİLİĞİ (Birliktelik Kuralları) Yrd.Doç.Dr. Kadriye ERGÜN VERİ MADENCİLİĞİ (Birliktelik Kuralları) Yrd.Doç.Dr. Kadriye ERGÜN kergun@balikesir.edu.tr İçerik Birliktelik Kurallarının Tanımı Destek ve Güven Ölçütleri Apriori Algoritması Birliktelik Kuralları (Association

Detaylı

MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 ( yılı ve sonrasında birinci

MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 ( yılı ve sonrasında birinci MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 1 (2016-17 yılı ve sonrasında birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem

Detaylı

Kalite Kontrol ve Güvencesi (IE 326) Ders Detayları

Kalite Kontrol ve Güvencesi (IE 326) Ders Detayları Kalite Kontrol ve Güvencesi (IE 326) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Kalite Kontrol ve Güvencesi IE 326 Güz 3 0 0 3 5 Ön Koşul Ders(ler)i

Detaylı

Müşteri İlişkileri Yönetimi (IE 422) Ders Detayları

Müşteri İlişkileri Yönetimi (IE 422) Ders Detayları Müşteri İlişkileri Yönetimi (IE 422) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Müşteri İlişkileri Yönetimi IE 422 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i

Detaylı

Başlıca Ürün-Bilgi Sistemleri

Başlıca Ürün-Bilgi Sistemleri BİLGİ SİSTEMLERİ Başlıca Ürün-Bilgi Sistemleri Süreç İşleme Sistemleri, Ofis Otomasyon Sistemleri ve Bilgi İşleme Sistemleri, Yönetim Bilişim Sistemleri, Karar Destek Sistemleri, Uzman Sistemler ve Yapay

Detaylı

BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ

BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ BÖLÜM 3 KURAMSAL ÇATI VE HİPOTEZ GELİŞ İŞTİRME Araştırma rma SüreciS 1.Gözlem Genel araştırma alanı 3.Sorunun Belirlenmesi Sorun taslağının hazırlanması 4.Kuramsal Çatı Değişkenlerin açıkça saptanması

Detaylı

Fethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti

Fethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti Fethiye ÖÇK Bölgesi Arazi Örtüsü/Arazi Kullanımı Değişim Tespiti Kurum adı: T.C. Çevre ve Orman Bakanlığı Bilgi İşlem Dairesi Başkanlığı, Özel Çevre Koruma Kurumu Başkanlığı Proje durumu: Tamamlandı. Proje

Detaylı

inde Sepet Analizi Uygulamaları Market Basket Analysis for Data Mining

inde Sepet Analizi Uygulamaları Market Basket Analysis for Data Mining Veri Madenciliğ inde Sepet Analizi Uygulamaları Market Basket Analysis for Data Mining Mehmet Aydın Ula ş, Ethem Alpaydın (Boğaziçi Üniversitesi Bilgisayar Mühendisliği) Nasuhi Sönmez, Ataman Kalkan (GİMA

Detaylı

Veri Madenciliği - Giriş. Erdem Alparslan

Veri Madenciliği - Giriş. Erdem Alparslan Veri Madenciliği - Giriş Erdem Alparslan Amaçlar İş zekasının önemli bir parçası olan veri madenciliğinin tanımı İş analizi ve veri madenciliğinin amaçlarının anlaşılması Veri madenciliğini kullanan çok

Detaylı

EĞİTİM - ÖĞRETİM YILI MÜHENDİSLİK FAKÜLTESİ / HARİTA MÜHENDİSLİĞİ EĞİTİM PLANI

EĞİTİM - ÖĞRETİM YILI MÜHENDİSLİK FAKÜLTESİ / HARİTA MÜHENDİSLİĞİ EĞİTİM PLANI 2016-2017 EĞİTİM - ÖĞRETİM YILI MÜHENDİSLİK FAKÜLTESİ / HARİTA MÜHENDİSLİĞİ EĞİTİM PLANI SINIF: 1 DÖNEM: GÜZ Aİ 101 ATATÜRK İLKELERİ VE İNKILAP TARİHİ ATATURK'S PRINCIPLES AND HISTORY 2016 2 0 2 2 Z FİZ

Detaylı

MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci

MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 ( yılı öncesinde birinci MÜHENDİSLİK FAKÜLTESİ / ENSTİTÜSÜ / YÜKSEKOKULU BİLİŞİM SİSTEMLERİ MÜHENDİSLİĞİ BÖLÜMÜ /ABD LİSANS PROGRAMI - 2 (2016-17 yılı öncesinde birinci sınıfa başlayan öğrenciler için) BİRİNCİ YIL 1. Dönem CMPE113

Detaylı

UYGULAMALI VERİ MADENCİLİĞİ SEKTÖREL ANALİZLER

UYGULAMALI VERİ MADENCİLİĞİ SEKTÖREL ANALİZLER Yrd. Doç. Dr. Umman Tuğba Şimşek Gürsoy UYGULAMALI VERİ MADENCİLİĞİ SEKTÖREL ANALİZLER ISBN 978-605-364-040-0 Kitapta yer alan bölümlerin tüm sorumluluğu yazarına aittir. 2012, Pegem Akademi Bu kitabın

Detaylı

Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı

Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı cse@akdeniz.edu.tr Antalya, 2015 2 Özet Akdeniz Üniversitesi tanıtım filmi Neden Bilgisayar Mühendisliği Bilgisayar Mühendisi

Detaylı

Apriori Algoritmasının Farklı Veri Kümelerine Uygulanması

Apriori Algoritmasının Farklı Veri Kümelerine Uygulanması Apriori Algoritmasının Farklı Veri Kümelerine Uygulanması M. Emin Eker 1, Recai Oktaş 2, Gökhan Kayhan 3 1 Ondokuz Mayıs Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Samsun

Detaylı

2. SÜREKLİ DENETİME İLİŞKİN GENEL BİLGİLER

2. SÜREKLİ DENETİME İLİŞKİN GENEL BİLGİLER İÇİNDEKİLER İÇİNDEKİLER... v TABLO LİSTESİ... xi ŞEKİL LİSTESİ... xiii KISALTMALAR... xiv 2. SÜREKLİ DENETİME İLİŞKİN GENEL BİLGİLER... 4 2.1. SÜREKLİ DENETİMİN TANIMI... 4 2.2. SÜREKLİ DENETİM İLE GELENEKSEL

Detaylı

Satış ve Pazarlama Süreçlerinizde Müşteri Verisinin Rolü Nedir? Her hakkı saklıdır

Satış ve Pazarlama Süreçlerinizde Müşteri Verisinin Rolü Nedir? Her hakkı saklıdır Satış ve Pazarlama Süreçlerinizde Müşteri Verisinin Rolü Nedir? Her hakkı saklıdır İçerik Crede hakkında Müşteri verisi anketi sonuçları Genel çıktılar Anahtar bulgular 2 Hakkımızda Crede Danışmanlık,

Detaylı

Öğrenim Bilgisi. Eskişehir Osmangazi Üniversitesi Fen Bilimleri Enstitüsü (2000) Uygulamalı İstatistik

Öğrenim Bilgisi. Eskişehir Osmangazi Üniversitesi Fen Bilimleri Enstitüsü (2000) Uygulamalı İstatistik Sema BEHDİOĞLU E-posta : sema.behdioglu@dpu.edu.tr Telefon : 0 (274) 265 20 31-2116 Öğrenim Bilgisi Eskişehir Osmangazi Üniversitesi Fen Bilimleri Enstitüsü (2000) Uygulamalı İstatistik Yüksek Anadolu

Detaylı

KÜMELEME ANALİZİ İLE BANKACILIK SEKTÖRÜNDE SATIŞ STRATEJİLERİNİN BELİRLENMESİ

KÜMELEME ANALİZİ İLE BANKACILIK SEKTÖRÜNDE SATIŞ STRATEJİLERİNİN BELİRLENMESİ BEYKENT ÜNİVERSİTESİ FEN VE MÜHENDİSLİK BİLİMLERİ DERGİSİ Sayı 9(1) 2016, 13 41 KÜMELEME ANALİZİ İLE BANKACILIK SEKTÖRÜNDE SATIŞ STRATEJİLERİNİN BELİRLENMESİ Aslı ÇALIŞ (aslicalis@gazi.edu.tr) Gazi Üniversitesi

Detaylı

Genel Fizik I (PHYS 101) Ders Detayları

Genel Fizik I (PHYS 101) Ders Detayları Genel Fizik I (PHYS 101) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Genel Fizik I PHYS 101 Güz 3 2 0 4 6 Ön Koşul Ders(ler)i Dersin Dili Dersin Türü

Detaylı

ÖĞRENCİ SEÇME SINAVINDA (ÖSS) ÖĞRENCİ BAŞARIMINI ETKİLEYEN FAKTÖRLERİN VERİ MADENCİLİĞİ YÖNTEMLERİYLE TESPİTİ

ÖĞRENCİ SEÇME SINAVINDA (ÖSS) ÖĞRENCİ BAŞARIMINI ETKİLEYEN FAKTÖRLERİN VERİ MADENCİLİĞİ YÖNTEMLERİYLE TESPİTİ 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS 09), 13-15 Mayıs 2009, Karabük, Türkiye ÖĞRENCİ SEÇME SINAVINDA (ÖSS) ÖĞRENCİ BAŞARIMINI ETKİLEYEN FAKTÖRLERİN VERİ MADENCİLİĞİ YÖNTEMLERİYLE TESPİTİ

Detaylı

Bezmiâlem Vakıf Üniversitesi SBF Fakültesi Hemşirelik Bölümü Program Yeterlilikleri TYYÇ Yaşam Bilimleri Temel Alanı Yeterlilikleri

Bezmiâlem Vakıf Üniversitesi SBF Fakültesi Hemşirelik Bölümü Program Yeterlilikleri TYYÇ Yaşam Bilimleri Temel Alanı Yeterlilikleri Bezmiâlem Vakıf Üniversitesi SBF Fakültesi Hemşirelik Bölümü Program Yeterlilikleri TYYÇ Yaşam Bilimleri Temel Alanı Yeterlilikleri 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 BİLGİ (Kurumsal ve Olgusal) 1-Sağlık

Detaylı

Konular. VERİ MADENCİLİĞİ Giriş. Problem Tanımı. Veri Madenciliği: Tarihçe. Veri Madenciliği Nedir? Bilgi Keşfi

Konular. VERİ MADENCİLİĞİ Giriş. Problem Tanımı. Veri Madenciliği: Tarihçe. Veri Madenciliği Nedir? Bilgi Keşfi VERİ MADENCİLİĞİ Giriş Yrd. Doç. Dr. Şule Gündüz Öğüdücü 1 2 Problem Tanımı Veri Madenciliği: Tarihçe teknolojinin gelişimiyle bilgisayar ortamında ve veritabanlarında tutulan veri miktarının da artması

Detaylı

Bilgisayar ve İnternet Tutumunun E-Belediyecilik Güvenliği Algısına Etkilerinin İncelenmesi

Bilgisayar ve İnternet Tutumunun E-Belediyecilik Güvenliği Algısına Etkilerinin İncelenmesi Bilgisayar ve İnternet Tutumunun E-Belediyecilik Güvenliği Algısına Etkilerinin İncelenmesi Tuna USLU Gedik Üniversitesi İş Sağlığı ve Güvenliği Programı Özel Gebze Doğa Hastanesi Sağlık Hizmetleri A.Ş.

Detaylı

Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı

Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı Akdeniz Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölüm Tanıtımı cse@akdeniz.edu.tr Antalya, 2017 2 Özet Akdeniz Üniversitesi tanıtım filmi Neden Bilgisayar Mühendisliği Bilgisayar Mühendisi

Detaylı

AFYON KOCATEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ / FEN BİLİMLERİ ENSTİTÜSÜ DERS TANITIM FORMU

AFYON KOCATEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ / FEN BİLİMLERİ ENSTİTÜSÜ DERS TANITIM FORMU AFYON KOCATEPE ÜNİVERSİTESİ MÜHENDİSLİK FAKÜLTESİ / FEN BİLİMLERİ ENSTİTÜSÜ DERS TANITIM FORMU Dersin Kodu ve Adı: JFM 611- Coğrafi Bilgi Sisteminde Veri Kalitesi Ve Güvenilirliği Yarıyıl Teorik Uygulama

Detaylı

DERS BİLGİLERİ. İşletmeye Giriş BBA 101 Güz 3, 0, 0 3 6

DERS BİLGİLERİ. İşletmeye Giriş BBA 101 Güz 3, 0, 0 3 6 DERS BİLGİLERİ Ders Kodu Yarıyıl T+U+L Saat Kredi AKTS İşletmeye Giriş BBA 101 Güz 3, 0, 0 3 6 Ön Koşul Dersleri - Dersin Dili Dersin Seviyesi Dersin Türü İngilizce Lisans Zorunlu Dersin Koordinatörü Dersi

Detaylı

EĞĠTĠM-ÖĞRETĠM PLANI

EĞĠTĠM-ÖĞRETĠM PLANI T.C. ERCĠYES ÜNĠVERSĠTESĠ Mühendislik Fakültesi Endüstri Mühendisliği Bölümü 2014-2015 EĞĠTĠM-ÖĞRETĠM PLANI I. YARIYIL II. YARIYIL ENM 101 Matematik I 4 0 4 6 ENM 102 Matematik II 4 0 4 6 ENM 103 Fizik

Detaylı

Prof.Dr. Tolga Elbir

Prof.Dr. Tolga Elbir Prof.Dr. Tolga Elbir Coğrafya + Bilgi Sistemi + Coğrafya, yeryüzünü beşeri (insanoğlu ile ilgili) ve fiziki açılardan araştıran bilim dalıdır. Coğrafya, kartografi, yani harita biliminden daha geniş bir

Detaylı

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci; Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : PAZARLAMA İLKELERİ Ders No : 00005000 : 3 Pratik : 0 Kredi : 3 ECTS : 4 Ders Bilgileri Ders Türü Öğretim Dili Öğretim Tipi

Detaylı

2. Hafta DEPOLAR VE DEPOLAMA 1. DEPO VE DEPOLAMA KAVRAMLARI. 2. Hafta

2. Hafta DEPOLAR VE DEPOLAMA 1. DEPO VE DEPOLAMA KAVRAMLARI. 2. Hafta Öğr. Gör. Murat BURUCUOĞLU Gerek üretim hattı için gereken malzeme ve hammaddeler, gerekse dağıtım için bekleyen tamamlanmış ürünleri genel olarak stok olarak tanımlamaktayız. Stoklar ekonomik gelişmenin

Detaylı

YÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ YENİ DERS MÜFREDATI (1) FAKÜLTESİ: İŞLETME FAKÜLTESİ / BUSINESS SCHOOL

YÖNETİM BİLİŞİM SİSTEMLERİ BÖLÜMÜ YENİ DERS MÜFREDATI (1) FAKÜLTESİ: İŞLETME FAKÜLTESİ / BUSINESS SCHOOL (3) SINIFI: 1. Yıl Güz Dönemi MIS101 BİLGİSAYAR PROGRAMLAMA 1 COMPUTER PROGRAMMING 1 Z 3-0 4 BUS101 BİLİM VE TEKNOLOJİ TARİHİ HISTORY OF SCIENCE AND TECHNOLOGY Z 3-0 4 BUS103 İŞLETMECİLER İÇİN MATEMATİK

Detaylı

Veri Madenciliğinde Bir Uzman Sistem Tasarımı

Veri Madenciliğinde Bir Uzman Sistem Tasarımı Akademik Bilişim 09 - XI. Akademik Bilişim Konferansı Bildirileri 11-13 Şubat 2009 Harran Üniversitesi, Şanlıurfa Veri Madenciliğinde Bir Uzman Sistem Tasarımı Ömer Akgöbek 1, Fuat Çakır 2 1 Harran Üniversitesi,

Detaylı

Yapay Zeka (Artificial Intelligence): Bir makinenin kendi tecrübelerinden öğrenme ve bu tecrübelere dayanan kararlar verme yeteneğidir(s.l6).

Yapay Zeka (Artificial Intelligence): Bir makinenin kendi tecrübelerinden öğrenme ve bu tecrübelere dayanan kararlar verme yeteneğidir(s.l6). Türk Kütüphaneciliği 6, 4 (1992) Uzman Sistemler Serap Kurbanoğlu* Giriş Günümüzde giderek büyüyen bir hızla gelişen Uzman Sistemlerin (Expert Systems) geçmişi çok eskiye dayanmamaktadır. Yapay zeka (Artificial

Detaylı

EĞĠTĠM-ÖĞRETĠM PLANI

EĞĠTĠM-ÖĞRETĠM PLANI T.C. ERCĠYES ÜNĠVERSĠTESĠ Mühendislik Fakültesi Endüstri Mühendisliği Bölümü 2016-2017 EĞĠTĠM-ÖĞRETĠM PLANI I. YARIYIL II. YARIYIL ENM 101 Matematik I 4 0 6 6 ENM 102 Matematik II 4 0 6 6 ENM 103 Fizik

Detaylı

VERİ MADENCİLİĞİ KAVRAMI VE GELİŞİM SÜRECİ

VERİ MADENCİLİĞİ KAVRAMI VE GELİŞİM SÜRECİ VERİ MADENCİLİĞİ KAVRAMI VE GELİŞİM SÜRECİ Sertaç ÖĞÜT Görsel İletişim Tasarımı Bölümü, İletişim Fakültesi Yeditepe Üniversitesi, İSTANBUL Giriş Günümüzde bilişim sistemlerinin hayatın hemen hemen her

Detaylı

VERİ MADENCİLİĞİNİN BİLEŞENLERİ

VERİ MADENCİLİĞİNİN BİLEŞENLERİ VERİ MADENCİLİĞİNİN BİLEŞENLERİ VERİ MADENCİLİĞİNİN BİLEŞENLERİ İstatistiksel Veri Analizi Makine Öğrenimi Örüntü Tanıma Yapay Zeka Veri Tabanları Uzman Sistemler Veri Görselleştirme Yüksek Hızlı Hesaplama

Detaylı

Veri Tabanı, Veri Ambarı, Veri Madenciliği. Veri Madenciliği Uygulama Alanları

Veri Tabanı, Veri Ambarı, Veri Madenciliği. Veri Madenciliği Uygulama Alanları 1 Veri Tabanı, Veri Ambarı, Veri Madenciliği Bilgi Keşfi Aşamaları Apriori Algoritması Veri Madenciliği Yöntemleri Problemler Veri Madenciliği Uygulama Alanları 2 Bir bilgisayarda sistematik şekilde saklanmış,

Detaylı

VII. ULUSLARARASI BALKAN BÖLGESİ DÜZENLEYİCİ YARGI OTORİTELERİ KONFERANSI 28-30 MAYIS 2012, İSTANBUL

VII. ULUSLARARASI BALKAN BÖLGESİ DÜZENLEYİCİ YARGI OTORİTELERİ KONFERANSI 28-30 MAYIS 2012, İSTANBUL VII. ULUSLARARASI BALKAN BÖLGESİ DÜZENLEYİCİ YARGI OTORİTELERİ KONFERANSI 28-30 MAYIS 2012, İSTANBUL Yeni Teknolojiler ve Bunların Yargıda Uygulanmaları Türkiye Cumhuriyeti Hâkimler ve Savcılar Yüksek

Detaylı

WEB SAYFALARINA İLİŞKİN YAPAY SİNİR AĞLARI İLE SINIFLANDIRMA YÖNTEMİ

WEB SAYFALARINA İLİŞKİN YAPAY SİNİR AĞLARI İLE SINIFLANDIRMA YÖNTEMİ WEB SAYFALARINA İLİŞKİN YAPAY SİNİR AĞLARI İLE SINIFLANDIRMA YÖNTEMİ Doç.Dr Erhan Akyazı Marmara Üniversitesi Bilişim Bölümü eakyazi@marmara.edu.tr Şafak Kayıkçı Marmara Üniversitesi Bilişim Bölümü safak@safakkayikci.com

Detaylı

Yaz Stajı II (IE 499) Ders Detayları

Yaz Stajı II (IE 499) Ders Detayları Yaz Stajı II (IE 499) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Yaz Stajı II IE 499 Güz 0 0 0 0 6 Ön Koşul Ders(ler)i IE 399 Dersin Dili Dersin Türü

Detaylı

GT Türkiye İşletme Risk Yönetimi Hizmetleri. Sezer Bozkuş Kahyaoğlu İşletme Risk Yönetimi, Ortak CIA, CFE, CFSA, CRMA, CPA sezer.bozkus@gtturkey.

GT Türkiye İşletme Risk Yönetimi Hizmetleri. Sezer Bozkuş Kahyaoğlu İşletme Risk Yönetimi, Ortak CIA, CFE, CFSA, CRMA, CPA sezer.bozkus@gtturkey. GT Türkiye İşletme Risk Hizmetleri Sezer Bozkuş Kahyaoğlu İşletme Risk, Ortak CIA, CFE, CFSA, CRMA, CPA sezer.bozkus@gtturkey.com İşletme Risk Hakkında Risk, iş yaşamının ayrılmaz bir parçasıdır ve kaçınılmazdır.

Detaylı

- Seçmeli Ders - - - - - 8. - Seçmeli Ders - - - - - 8. - Seçmeli Ders - - - - - 8. - Seçmeli Ders - - - - - 8

- Seçmeli Ders - - - - - 8. - Seçmeli Ders - - - - - 8. - Seçmeli Ders - - - - - 8. - Seçmeli Ders - - - - - 8 Öğretim Planı Dönemi I Adı - - - - - - 8 - - - - - - 8 - - - - - - 8 - - - - - - 8 Toplam AKTS 32 Dönemi II Adı BUS797 Master Seminar Zorunlu 0 2 0 0 6 ISL797 Yüksek Lisans Seminer Zorunlu 0 2 0 0 4 ISL740

Detaylı

Kalkülüs II (MATH 152) Ders Detayları

Kalkülüs II (MATH 152) Ders Detayları Kalkülüs II (MATH 152) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Kalkülüs II MATH 152 Güz 4 2 0 5 7.5 Ön Koşul Ders(ler)i Math 151 Kalkülüs I Dersin

Detaylı

Rassal Modeller (IE 324) Ders Detayları

Rassal Modeller (IE 324) Ders Detayları Rassal Modeller (IE 324) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Rassal Modeller IE 324 Güz 3 0 0 3 3 Ön Koşul Ders(ler)i IE 201 Olasılık ve İstatistik

Detaylı

Bu dersin önkoşulu yada eş koşulu bulunmamaktadır.

Bu dersin önkoşulu yada eş koşulu bulunmamaktadır. Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : ŞİRKETLER MUHASEBESİ Ders No : 0020050029 Teorik : 3 Pratik : 0 Kredi : 3 ECTS : 4 Ders Bilgileri Ders Türü Öğretim Dili

Detaylı

Yerli ve / veya yabancı şirket evlilikleri ve beraberinde farklı kültürlere uyum süreci,

Yerli ve / veya yabancı şirket evlilikleri ve beraberinde farklı kültürlere uyum süreci, Hafta 1: İNSAN KAYNAKLARI YÖNETİMİ VE UYGULAMALARI 1 1 İnsan Kaynakları Yönetiminin Tanımı, Önemi ve Amacı İnsan kaynakları yönetimi, en üst düzey yöneticiden en alta, tedarik ve satın almadan satış sonrası

Detaylı

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci;

Öğrenim Kazanımları Bu programı başarı ile tamamlayan öğrenci; Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : PAZARLAMA YÖNETİMİ Ders No : 0020050028 Teorik : 3 Pratik : 0 Kredi : 3 ECTS : 4 Ders Bilgileri Ders Türü Öğretim Dili Öğretim

Detaylı

Bu dersin önkoşulu yada eş koşulu bulunmamaktadır.

Bu dersin önkoşulu yada eş koşulu bulunmamaktadır. Image not found http://bologna.konya.edu.tr/panel/images/pdflogo.png Ders Adı : ENVANTER BİLANÇO Ders No : 0000500 : 3 Pratik : 0 Kredi : 3 ECTS : 4 Ders Bilgileri Ders Türü Öğretim Dili Öğretim Tipi Ön

Detaylı

ÖĞRETMEN ADAYLARININ PROBLEM ÇÖZME BECERİLERİ

ÖĞRETMEN ADAYLARININ PROBLEM ÇÖZME BECERİLERİ ÖĞRETMEN ADAYLARININ PROBLEM ÇÖZME BECERİLERİ Doç. Dr. Deniz Beste Çevik Balıkesir Üniversitesi Necatibey Eğitim Fakültesi Güzel Sanatlar Eğitimi Bölümü Müzik Eğitimi Anabilim Dalı beste@balikesir.edu.tr

Detaylı

BĠYOLOJĠ EĞĠTĠMĠ LĠSANSÜSTÜ ÖĞRENCĠLERĠNĠN LĠSANSÜSTÜ YETERLĠKLERĠNE ĠLĠġKĠN GÖRÜġLERĠ

BĠYOLOJĠ EĞĠTĠMĠ LĠSANSÜSTÜ ÖĞRENCĠLERĠNĠN LĠSANSÜSTÜ YETERLĠKLERĠNE ĠLĠġKĠN GÖRÜġLERĠ 359 BĠYOLOJĠ EĞĠTĠMĠ LĠSANSÜSTÜ ÖĞRENCĠLERĠNĠN LĠSANSÜSTÜ YETERLĠKLERĠNE ĠLĠġKĠN GÖRÜġLERĠ Osman ÇİMEN, Gazi Üniversitesi, Biyoloji Eğitimi Anabilim Dalı, Ankara, osman.cimen@gmail.com Gonca ÇİMEN, Milli

Detaylı

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması

Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması Karaciğerde Oluşan Hastalıkların Tespitinde Makine Öğrenmesi Yöntemlerinin Kullanılması 1 Emre DANDIL Bilecik Ş. Edebali Üniversitesi emre.dandil@bilecik.edu.tr +90228 214 1613 Sunum İçeriği Özet Giriş

Detaylı

MESLEKİ TERMİNOLOJİ I 1. HAFTA YAZILIM MÜH. TEMEL KAVRAMLAR

MESLEKİ TERMİNOLOJİ I 1. HAFTA YAZILIM MÜH. TEMEL KAVRAMLAR YAZILIM: SOFTWARE Yazılım (Software): Yazılım sadece bir bilgisayar programı değildir. Basılı veya elektronik ortamdaki her tür dokümanı da içeren ürün. Dokümanlar yazılım mühendislerine ve son kullanıcıya

Detaylı

Yapı Kredi Bankası Ar-Ge Çalışmaları Araştırma, Vizyon ve Uygulama. Eğitmen: Onur AĞIN

Yapı Kredi Bankası Ar-Ge Çalışmaları Araştırma, Vizyon ve Uygulama. Eğitmen: Onur AĞIN Yapı Kredi Bankası Ar-Ge Çalışmaları Araştırma, Vizyon ve Uygulama Eğitmen: Onur AĞIN 2016 Biz Kimiz? Kuruluş 9Eylül 2013 14 Kişilik bir Takım 11 Ar-Ge Mühendisi 2 Ar-Ge Koordinatörü 1 Müdür Yenilik Prototip

Detaylı