Veri Madenciliği Eğitimi

Veri Madenciliği, geniş miktarda verinin biriktirilmesi ve yararlı bilginin ayıklanmasına olanak tanıyan algoritmaları ve hesaplama paradigmalarını inceler. Halen, ham verilerden yararlı bilgiler çıkarmakla ilgilenen, Knowledge Discovery adı verilen daha genel bir işlemin ana öğesi olarak görülüyor. Bilgi bulma süreci, veri seçimi, temizleme, kodlama, farklı istatistiksel ve makine öğrenme tekniklerini kullanma ve oluşturulan yapıların görselleştirilmesini içerir.

1. Veri Madenciliğine Giriş

-Veri madenciliği nedir?
-İlgili teknolojiler – Makine Öğrenimi, DBMS, OLAP, İstatistik
-Veri Madenciliği Hedefleri
-Veri Madenciliği Süreci Aşamaları
-Veri Madenciliği Teknikleri
-Veri Madenciliği Yazılımları

2. Veri Ambarları ve OLAP

-Veri Ambarı ve DBMS
-Çok boyutlu veri modeli
-OLAP işlemleri

3. Veri önişleme

-Veri temizleme
-Veri dönüşümü
-Veri indirgemesi
-Ayrıklaştırma ve kavram hiyerarşileri oluşturma

4. Veri madenciliği bilgi gösterimi

-Ilgili verilere göre görev
-Arkaplan bilgisi
-İlginçlik önlemleri
-Giriş verilerini ve çıktı bilgisini temsil etme
-Görselleştirme teknikleri

5. Veri Madenciliği Algoritmaları

-İlişki Kuralları
.Korelasyon Analizi
-Sınıflandırma
-R algoritması
-Karar ağaçları
-Kapsam kuralları
-Tahmin
-Bayes sınıflandırma
-Bayes ağları
-En yakın komşu yöntemi
-Doğrusal modeller

6. Kümeleme

-Kümelemede temel konular
-İlk kavramsal kümeleme sistemi: Küme / 2
-Bölme yöntemleri: k-Means , EM(Maksimizasyon)
-Hiyerarşik yöntemler: uzaklığa dayalı ve bölünebilir kümeleme
-Kavramsal kümeleme: Cobweb

7. İleri Veri Madenciliği Uygulamaları

-Text Mining: keywords, yapısal yaklaşımlar (parse,soft parse)
-Bayesci metin sınıflandırmasına yaklaşım
-Web madenciliği: web sayfalarını sınıflandırmak, bilgiyi web’den ayıklamak

Copy Protected by Chetan's WP-Copyprotect.