BLG 607 VERİ MADENCİLİĞİ

2006-2007 GÜZ YARIYILI

İletişim Bilgileri:

Duyurular:

Ders Kitabı:

Jiawei Han and Micheline Kamber (2000).

Data Mining: Concepts and Techniques.

Morgan Kaufmann Publishers. ISBN 1-55860-489-8.

Yardımcı Kitaplar:

• Margaret Dunham (2002). Data Mining: Introductory and Advanced Topics. Prentice Hall. ISBN 0130888923.

• David J Hand, Heikki Mannila, and Padhraic Smyth (2001). Principles of Data Mining. MIT Press. ISBN 026208290X.

• Pang-Ning Tan, Michael Steinbach, Vipin Kumar (2005). Introduction to Data Mining. Addison Wesley, ISBN: 0-321-32136-7

Yardımcı Kaynaklar

Konular: Ders kapsamında anlatılacak konu başlıkları

^* Bu bilgiler kesin değildir, değişebilir.

Haftalık Ders Planı:

Dönem boyunca güncellenebilir.

1. Giriş
2. Veri Önişleme
3. Sınıflandırma Yöntemleri I
4. Sınıflandırma Yöntemleri II ve Sınıflandırıcıları Değerlendirme Teknikleri
   • N. Lachiche and P. Flach. Improving accuracy and cost of two-class and multi-class probabilistic classifiers using ROC curves. In T. Fawcett and N. Mishra, editors, Proceedings of the 20th International Conference on Machine Learning, pages 416--423. AAAI Press, 2003.
5. Demetleme Yöntemleri I
   
   • Frank Dellaert. The Expectation Maximization Algorithm. College of Computing, Georgia Institute of Technology. Technical Report number GIT-GVU-02-20, 2002.
6. Demetleme Yöntemleri II ve Demetleme Değerlendirme Göstergeleri

   • Maria Halkidi, Yannis Batistakis and Michalis Vazirgiannis.On Clustering Validation Techniques, J. Intell. Inf. Syst. , 17(2-3), 107-145, 2001.

7. İlişkilendirme Kuralları I

   • Rakesh Agrawal, Ramakrishnan Srikant. Fast Algorithms for Mining Association Rules, In Proc. 20th Int. Conf. Very Large Data Bases, VLDB'94.

   • Heikki Mannila, Hannu Toivonen, Inkeri Verkamo. Efficient Algorithms for Discovering Association Rules, In Proc. of AAAI Workshop on Knowledge Discovery in Databases (KDD-94).

   • J. Han, J. Pei, and Y. Yin.  Mining Frequent Patterns without Candidate Generation, In Proc. 2000 ACM-SIGMOD Int. Conf. on Management of Data (SIGMOD'00).

8. İlişkilendirme Kuralları II

9. Metin Madenciliği

10. Web Madenciliği

Dönem Projeleri:

• Proje 1: Veri madenciliği konularından birisinde en az iki bildiri vaya makale seçilmesi ve bu konuların incelenerek bir rapor hazırlanması, sunulması. Proje ile ilgili detayları buradan alabilirsiniz.

PROJE 1 TESLİM TARİHİ 21 ARALIK 2006'DIR. SUNUMLAR AYNI TARİHTE BAŞLAYACAKTIR.

Notlandırma: %50Rapor, %35 Sunum, %15 Katılım

• Proje 2: Ağ saldırılarını tespit etmek için bir veri madenciliği sınıflandırma yönteminin gerrçeklenmesi. Proje ile ilgili detayları buradan alabilirsiniz.

PROJE 2 TESLİM TARİHİ 28 ARALIK 2006'DIR.

Notlandırma: %40 rapor, %60 program

Proje Teslim Süreleri:

Dönem projelerinin teslim tarihleri proje sayfalarında duyurulmuştur. Her öğrencinin bir dönem boyunca toplam 2 gün geç teslim etme hakkı vardır. Bunun dışında geç teslim edilen ödev ve projelerin notu geç teslim edilen her gün için %10 oranında düşecektir. Teslim edilmesi gereken tarihi 2 günden fazla geçen ödev ve projeler kabul edilmeyecektir. (Hafta sonları ve tatil günleri de gecikme günlerine eklenecektir.)

Örnek Sınav Soruları ve Cevapları:

• Yıliçi sınavı (2005) ve çözümü

Notlandırma: