Bölüm 4 : VERİ MADENCİLİĞİ

Slides:



Advertisements
Benzer bir sunumlar
Dört Bölüm 1.Tanıtım ve Mevcut Durum 2.Hedefler 4.Demo 3.Yeni Sürüm Planlaması.
Advertisements

Raporlama ve İş Zekası Çözüm Platformu
Unsupervised Learning (Kümeleme)
ZAMAN SERİLERİ MADENCİLİĞİ KULLANILARAK NÜFUS ARTIŞI TAHMİN UYGULAMASI
VERİ MADENCİLİĞİNE BAKIŞ
MIT563 Yapay Zeka ve Makine Öğrenmesi
MALZEME İHTİYAÇ PLANLAMASI
Veri Madenciliğine Giriş
Bilgi Teknolojisinin Temel Kavramları
CLUSTERING USING REPRESENTATIVES Hazırlayan: Arzu ÇOLAK
E-İşletme Açısından Veri Tabanı, Veri Ambarı ve Örnekleri
Fatih Tuncer HATUNOĞLU İletişim Yazılım Genel Müdürü Mart, 2013 BURSA
İşletmeler için Veri Madenciliği
İşletmeler için Veri Madenciliği
Veri Madenciliği Temel Bilgiler
Kalp-Damar Sistemi Hastalıkları Hakkında Bilgi
Math in Advertising....
Veri madenciliği, günümüzde karar verme sürecine ihtiyaç duyulan bir çok alanda uygulanmaktadır
Kümeleme ve Yöntemleri Arş.Grv İlyas AKKUŞ İnönü Üniversitesi B.Ö.T.E
Endüstride Veri Madenciliği Uygulamaları Yrd. Doç. Dr. Ayhan Demiriz 28/2/2006.
KÜTÜPHANELERDE BÜTÇE YÖNETİMİ
Bilişim Sistemleri Mühendisliği nedir? Neden ihtiyaç vardır?
BTP102 VERİTABANI YÖNETİM SİSTEMLERİ 1
PAZARLAMA BİLGİ YÖNETİMİ
PAZARLAMA BİLGİ YÖNETİMİ
MÜŞTERİ İLİŞKİLERİ YÖNETİMİ
Yapay Zeka Teknikleriyle Tıbbi Verilerin İşlenmesi: VERİ MADENCİLİĞİ
Quest Atlantis Dünya Üzerine Yayılmış Çok-Kullanıcılı Çevrim-İçi Eğitsel Bir Bilgisayar Oyununun Teknik Yapısı.
VERİ MADENCİLİĞİ.
CUSTOMER RELATIONSHIP MANAGEMENT
VERİ MADENCİLİĞİ VE SAĞLIK SEKTÖRÜNDE KULLANIMI.
VERİ AMBARI & VERİ MADENCİLİĞİ
WEB SUNUCU LOGLARININ WEB MADENCİLİĞİ YÖNTEMLERİ İLE ANALİZİ
Bilgi Teknolojisinin Temel Kavramları
Veri Madenciliği Rümeysa İhvan
Bölüm 1 Giriş.
İŞLETME BİLİMİNE GİRİŞ
Mobil Uygulama Geliştirme
Veri Madenciliği Giriş.
Bilgi Yönetimi Araçları
ÖĞRENME AMAÇLARI İkincil verileri nasıl kullanacağımızı ve içsel ve dışsal veri tabanlarından oluşan ikincil verileri nasıl sınırlandırabileceğimizi.
SİSTEM VE YAZILIM Bilgisayar sistemleri donanım, yazılım ve bunları işletmek üzere gerekli işlemlerden oluşur. Yazılım, bilgisayar sistemlerinin bir bileşeni.
Veri Madenciligi . Sınıflandırma ve Regresyon Ağaçları ( CART )
Merve ORAKCI Gazi Üniversitesi Bilişim Enstitüsü ADLİ BİLİŞİM ABD.
BİL3112 Makine Öğrenimi (Machine Learning)
ÖTÖ 451 Okul Yönetiminde Bilgisayar Uygulamaları R. Orçun Madran.
BÖLÜM 11 DEĞERLENDİRME. BÖLÜM 11 DEĞERLENDİRME.
KURUMSAL BİLİŞİM SİSTEMLERİ
Living in a Digital World Discovering Computers 2010 Bilgisayarların Keşfi Veritabanı Yönetimi Hafta 9.
Giriş.  Öğretim Üyesi: Cengiz Örencik  E-posta:  Ders Malzemeleri:  myweb.sabanciuniv.edu/cengizo/courses.
Tedarik ziNCİRLERİ yÖNETİmi
SENİ TANIYORUM ve NEYE İHTİYACIN OLDUĞUNU BİLİYORUM!
Yapay Zeka Algoritmaları
Asp.Net Veritabanı İşlemleri
haZIRLAYAN: ELİF KARAOĞLU
YAPAY ZEKA DERS NOTLARI UYGULAMALARI Bölüm 1 : Yapay Zeka
VERİ MADENCİLİĞİ.
Yrd.Doç.Dr. Çağdaş Erkan AKYÜREK
Havacılıkta İnsan Kaynakları Eğitimde 4. hafta, fiilen 3
Madenciyiz ERTAN YILMAZ.
Bölüm 12. İşletmecilik İşletme, ürün piyasalarındaki ekonomik birim olup, üretim faaliyeti için üretim faktörleri bir araya getirilir. İşletmelerde örgütsel.
Bölüm 9. Pazar ve Pazarlama Araştırmaları
Yrd. Doç. Dr. Abdullah BAYKAL Konuşmacı : Cengiz Coşkun
İŞLETMEDE BİLGİ SİSTEMLERİ
Yapay Zeka Nadir Can KAVKAS
PAZARLAMA BİLGİ YÖNETİMİ
Dünya Üzerine Yayılmış Çok-Kullanıcılı Çevrim-İçi Eğitsel
Asp.Net Veritabanı İşlemleri
Hastane Bilgi Sistemlerinde Veri Madenciliği
Karar Ağaçları Destekli Vadeli Mevduat Analizi
Sunum transkripti:

Bölüm 4 : VERİ MADENCİLİĞİ YAPAY ZEKA UYGULAMALARI DERS NOTLARI Bölüm 4 : VERİ MADENCİLİĞİ Öğr. Gör. Hüseyin TURGUT

YAPAY ZEKA UYGULAMALARI Veri Madenciliği Veri madenciliği, eldeki verilerden üstü kapalı, çok net olmayan, önceden bilinmeyen ancak potansiyel olarak kullanışlı bilginin çıkarılmasıdır. kümeleme, veri özetleme, değişikliklerin analizi, sapmaların tespiti gibi belirli sayıda teknik yaklaşımları içerir. Yapay Zekanın genel tanımı ile farkı Bir çok verinin işlenmesi Ve en önemlisi amaçsız ilişkilerin bulunmasıdır. Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

YAPAY ZEKA UYGULAMALARI Veri Madenciliği Veri madenciliği tanımı ile birlikte bilinmesi gereken kavramlar : Veri yığınları : Soyut ve ilk bakışta anlaşılmayan veri türüdür. Veri Ambarı : Sınırı belirli olmayan ve ilişkisiz birçok verinin bulunduğu veri tabanlarıdır. Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

Veri Madenciliği Anlamsız veriler arasında BİLGİ keşfi için YAPAY ZEKA UYGULAMALARI Veri Madenciliği Anlamsız veriler arasında BİLGİ keşfi için Veri temizleme (gürültülü ve tutarsız verileri çıkarmak) Veri bütünleştirme (birçok veri kaynağını birleştirebilmek) Veri seçme (yapılacak olan analizle ilgili olan verileri belirlemek ) Veri dönüşümü (verinin veri madenciliği tekniğinden kullanılabilecek hale dönüşümünü gerçekleştirmek) Veri madenciliği (veri örüntülerini yakalayabilmek için akıllı metotları uygulamak) Örüntü değerlendirme (bâzı ölçümlere göre elde edilmiş bilgiyi temsil eden ilginç örüntüleri tanımlamak) Bilgi sunumu (mâdenciliği yapılmış olan elde edilmiş bilginin kullanıcıya sunumunu gerçekleştirmek). Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

Veri Madenciliği Veri Madenciliği Sistemi YAPAY ZEKA UYGULAMALARI Veri Madenciliği Veri Madenciliği Sistemi Veritabanı, veri ambarı ve diğer depolama teknikleri Veritabanı ya da Veri Ambarı Sunucusu Bilgi Tabanı Veri Madenciliği Motoru Örüntü Değerlendirme Kullanıcı Arayüzü Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

Veri Madenciliği Veri Madenciliği Nedir YAPAY ZEKA UYGULAMALARI Öğr Gör Hüseyin TURGUT

Veri Madenciliği Veri Madenciliği Nedir YAPAY ZEKA UYGULAMALARI Öğr Gör Hüseyin TURGUT

Veri Madenciliği Veri Madenciliği Nedir YAPAY ZEKA UYGULAMALARI Öğr Gör Hüseyin TURGUT

Veri Madenciliği Veri Madenciliği Nedir YAPAY ZEKA 1 Veri Seçimi UYGULAMALARI Veri Madenciliği 1 Veri Seçimi Veri seçimi, veri madenciliği aşamalarında en fazla zaman alan kısımlardan biridir. Bu aşamada bilgi sistemlerinde oluşan bilgi iyi analiz edilmelidir ve problemle ilişkilendirilmelidir. Analizi yapan kişinin veri kalitesini ölçmesi açısından bu aşama önemlidir. Büyük miktardaki verilerin tek bir veri tabanı veya veri ambarında birleştirilmesi veri madenciliği uygulaması için gereklidir. Veri seçimi aşaması filtreleme olarak da isimlendirilebilir. 2 Ön İşleme Ön işleme aşaması veri madenciliğinin başarısı için önemlidir. Bu aşamada veri, sonraki aşamalarda kullanılabilmesi için elverişli hale getirilir. Ön işleme aşamasının başarısı sonuçtaki başarıyı doğrudan etkiler. Başarılı bir ön işleme aşamasıyla kesin ve net sonuçlara ulaşmak mümkündür. Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

Veri Madenciliği Veri Madenciliği Nedir YAPAY ZEKA 3 İndirgeme UYGULAMALARI Veri Madenciliği 3 İndirgeme Veri üzerinden faydalı ve doğru sonuç elde etmek için kullanılacak verinin indirgenmesi gerekir. Eldeki verinin büyük bir kısmı, her ne kadar ön işleme aşamasından geçmiş olsa bile sonraki aşamalarda kullanılabilecek durumda değildir. Dolayısıyla kullanılabilecek duruma indirgenmesi gerekir. 4 Veri Madenciliği Veri madenciliği çalışmasının tam olarak kullanıldığı aşamadır. Veri bu aşamaya gelince doğru ve kullanılabilir haldedir. Çalışmanın amacına göre bu aşamada veri madenciliği yöntemlerinden biri veya birkaçı uygulanır. Gerektiği durumlarda farklı yöntemler birleştirilerek kullanılabilir. Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

Veri Madenciliği Veri Madenciliği Nedir YAPAY ZEKA UYGULAMALARI Veri Madenciliği 5 Yorumlama ve Doğrulama Veri üzerinde veri madenciliği uygulandıktan sonra alınan sonuçlar yorumlanır ve çalışmanın doğru sonuca ulaşıp ulaşmadığı araştırılır. Bu aşamada genellikle farklı yöntemler uygulanmışsa onların karşılaştırması yapılır. Elde edilen sonuçlar yapılmış olan diğer çalışmaların sonuçlarıyla karşılaştırılıp doğrulanır. Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

Veri Madenciliği Pazarlama YAPAY ZEKA UYGULAMALARI Veri Madenciliği Uygulama Alanları Pazarlama Müşterilerin satın alma örüntülerinin belirlenmesi, Müşterilerin demografik özellikleri arasındaki bağlantıların bulunması, Posta kampanyalarında cevap verme oranının artırılması, Mevcut müşterilerin elde tutulması, yeni müşterilerin kazanılması, Pazar sepeti analizi (Market Basket Analysis) Müşteri ilişkileri yönetimi (Customer Relationship Management) Müşteri değerlendirme (Customer Value Analysis) Satış tahmini (Sales Forecasting). Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

Veri Madenciliği Bankacılık YAPAY ZEKA UYGULAMALARI Veri Madenciliği Uygulama Alanları Bankacılık Farklı finansal göstergeler arasında gizli korelasyonların bulunması, - Kredi kartı dolandırıcılıklarının tespiti, - Kredi kartı harcamalarına göre müşteri gruplarının belirlenmesi, Kredi taleplerinin değerlendirilmesi. Sigortacılık Yeni poliçe talep edecek müşterilerin tahmin edilmesi, Sigorta dolandırıcılıklarının tespiti, Riskli müşteri örüntülerinin belirlenmesi. Veri Madenciliği Nedir Öğr Gör Hüseyin TURGUT

Veri Madenciliği WEKA RapidMiner (YALE) R Orange, KNIME Tanagra YAPAY ZEKA UYGULAMALARI Veri Madenciliği Veri Madenciliği süreci için sıkça kullanılan yazılımlar şunlardır: WEKA RapidMiner (YALE) R Orange, KNIME Tanagra Veri Madenciliği UYGULAMA Öğr Gör Hüseyin TURGUT

Veri Madenciliği Neden WEKA makine öğrenmesi algoritmaları vardır YAPAY ZEKA UYGULAMALARI Veri Madenciliği Neden WEKA makine öğrenmesi algoritmaları vardır veri setine doğrudan uygulanabilir kendi Java kodu içerisinden çağırılabilir veri işleme, sınıflandırma, regresyon, kümeleme, ilişki kuralları ve görüntüleme araçları içerir yeni makine öğrenmesi şemaları geliştirmek için uygun yapıdadır Veri Madenciliği UYGULAMA Öğr Gör Hüseyin TURGUT

Veri Madenciliği Neden WEKA YAPAY ZEKA UYGULAMALARI Veri Madenciliği Neden WEKA Waikato Üniveristesi tarafından java platformu üzerinde açık kaynak kodlu olarak geliştirilen ve devamlı güncellenen WEKA’dır. Weka Java Database Connectivity kullanarak SQL veritabanlarına erişim sağlar ve bir veritabanı sorgusundan dönen sonucu işleyebilir Veri Madenciliği UYGULAMA Öğr Gör Hüseyin TURGUT

Sınıflandırma Kümeleme İlişkilendirme Veri Madenciliği Neden WEKA YAPAY ZEKA UYGULAMALARI Veri Madenciliği Neden WEKA Sınıflandırma Kümeleme İlişkilendirme Veri Madenciliği UYGULAMA Öğr Gör Hüseyin TURGUT

WEKA yazılımını web üzerinden rahatlıkla bulup çalıştırabilirsiniz. YAPAY ZEKA UYGULAMALARI Veri Madenciliği WEKA yazılımını web üzerinden rahatlıkla bulup çalıştırabilirsiniz. Veri Madenciliği UYGULAMA http://www.cs.waikato.ac.nz/ml/weka/downloading.html Öğr Gör Hüseyin TURGUT

Weka ile veri madenciliği YAPAY ZEKA UYGULAMALARI Weka ile veri madenciliği WEKA yazılımını web üzerinden rahatlıkla bulup çalıştırabilirsiniz. Veri Madenciliği UYGULAMA Öğr Gör Hüseyin TURGUT