Supervised and unsupervised learning techniques in data mining
Veri madenciliğinde yönlendirilmiş ve yönlendirilmemiş öğrenme teknikleri
- Tez No: 83826
- Danışmanlar: DOÇ.DR. ALP KUT
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Veri madenciliği, Veri tabanı, Yapay zeka, Öğrenme teknikleri, Data mining, Database, Artificial intelligence, Learning techniques
- Yıl: 1999
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÖZET Büyük boyuttaki veri tabanları bir çok bilgiyi içerir. Bu bilgilerin bazıları açık ve kolay anlaşılır bilgilerdir. Ancak bazı bilgiler veri tabanı içinde gizlidir ve doğrudan ulaşılamazlar. İşte bu noktada, veri madenciliği ( data nıining ) ve onun teknikleri kullanılarak, veri tabanından gizli bilgilerin büyük bir çoğunluğu elde edilebilir. Veri madenciliği yöntemleri ile pek çok ilişki elde edilebilir. Burada önemli olan, bu ilişkilerden anlamlı ve faydalı olanlarını seçebilmektir. Bu işlem için tümevarım veya suni zeka teknikleri kullanılabilir. Bu ilişkilerin güvenirliği ise istatistiksel yöntemler kullanılarak test edilebilir. Bu çalışmada veri tabanından bilgi keşfetme, öğrenme teknikleri ve veri madenciliğinin teknikleri üzerinde durulmuştur. Önce, veri tabanından bilgi keşfetme ve öğrenme teknikleri kısaca hatırlatılmıştır. Daha sonra ise, veri madenciliği konusu daha derinlemesine incelenmiş ve tartışılmıştır.
Özet (Çeviri)
IV ABSTRACT Large databases are composed of a lot of information some being very explicit and some being not so straight forward. At this point data mining with all its techniques emerges to help us getting the most out of the databases. Since we can create a lot of relationships within the databases, it is of prime importance to choose the meaningful and useful ones, techniques like machine learning is used and their reliability is checked through statistical techniques. In this study, knowledge discovery in databases, types of learning, and several data mining techniques are defined. First of all. the concept of knowledge discovery in databases and types of learning are briefly explained to enlighten the minds then, data mining is examined and discussed to a certain depth.
Benzer Tezler
- Application of machine learning methods in manufacturing sector
Üretim sektöründe makine öğrenmesi yöntemlerinin uygulanması
ALİCAN DOĞAN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DERYA BİRANT
- Yapay zeka yaklaşımı ile son yıllarda ve geleceğe yönelik mesleki değişimler ve eğilimlerin analizi
Professional changes and trends in recent years and for the future
EBRU KARAAHMETOĞLU
Doktora
Türkçe
2023
Endüstri ve Endüstri MühendisliğiKırıkkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN ERSÖZ
DOÇ. DR. ADNAN AKTEPE
- Veri madenciliğinde hibrit model yaklaşımı
Hybrid model approach in data mining
BATUHAN BAKIRARAR
Doktora
Türkçe
2021
BiyoistatistikAnkara ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. ATİLLA HALİL ELHAN
- Clustering and classification methods using unsupervised, semi-supervised and supervised algorithms
Eğitimsiz, yarı-eğitimli ve eğitimli algoritmalar kullanılarak kümeleme ve sınıflandırma yöntemleri
BALA MIKAT TYODEN
- RFMLP based customer segmentation and customer churn analysis in heavy equipment industry using customer transactions data
İş makinesi sektöründe müşteri işlem verilerini kullanarak RFMLP tabanlı müşteri segmentasyonu ve müşteri kayıp analizi
MUSTAFA ÇAMLICA
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR