Günümüzde teknolojinin gelişmesi ile birlikte veri miktarlarında ve çeşitliliğinde hızlı artışların olduğu gözlenmektedir. Veri artışları büyük ve karmaşık veri kümelerini oluşturmaktadır. Veri madenciliği, büyük ve karmaşık olan bu veri kümelerini veri madenciliği yöntemleri ile kolay bir şekilde analiz ederek yararlı olan anlamlı bilgilerin ortaya çıkarılmasını sağlamaktadır. Bu çalışmada, Çukurova Üniversitesi İstatistik Bölümü ile istatistik bölümü bulunan diğer üniversitelerin lisans programlarında yer alan derslerin ders içerikleri karşılaştırılmıştır ve veri madenciliği yöntemleri ile analizleri yapılmıştır. Yapılan analizlerde; istatistik bölümlerinin birbirleri ile olan ilişkileri ve istatistik bölümlerinde birlikte alınması gereken derslerin veri madenciliği ile belirlenmesi amaçlanmıştır. Uygulamada veri madenciliği yöntemlerinden kümeleme analizi ve birliktelik kuralları analizi kullanılmıştır. İstatistik bölümleri bulunan üniversitelerin birbirleri ile olan benzerlikleri kümeleme analizi ile gösterilmiştir. İstatistik bölümlerinin ders programlarında hangi derslerin birlikte alınması gerektiğini belirlemek için ise birliktelik kuralları analizi kullanılmıştır. Analizler için KNIME veri madenciliği programı kullanılmıştır. Kümeleme analizi, Çukurova Üniversitesi İstatistik Bölümü ile istatistik bölümüne sahip diğer 19 üniversitenin birbirlerine benzerlik gösterdiğini ifade etmiştir. Birliktelik kuralları analizi sonucunda ise; 21 tane birliktelik kuralı oluşmuştur. Bu kurallar incelenerek; istatistik bölümünün lisans programlarında bulunması gereken önemli derslerin Olasılığa Giriş, Matematik 1, Kombinatorik, Aktüerya Modelleri, Lineer Cebir 1 ve Lineer Cebir 2 olması gerektiği tespit edilmiştir.
Çukurova Üniversitesi Bilimsel Araştırma Projeleri Birimi
FYL201810542
Today, with development of technology, it is take noticed that there is a rapid increase in the amount and diversity of data. Data increases are large and complex data sets. Data mining can easily analyze these large and complex data sets with data mining methods to reveal useful information.In this study, Çukurova University Department of Statistics and other universities with statistics department were compared and data mining methods were analyzed.In the analyzes; The relation ship between the statistical sections was examined. However, it is aimed to determine the courses that should be taken together in statistics departments with data mining. In this application, cluster mining and association rules analysis, one of the data mining methods, were used. The similarities of the universities with statistical departments were shown by clustering analysis. The association rules analysis was used to determine which courses should be taken together in the curriculum of the departments of statistics. KNIME datamining program was used for analysis. Clustering analysis indicated that Çukurova University Department of Statistics and 19 other universities with statistics department were similar to each other. As a result of the association rules analysis; There are 21 association rules. By examining these rules; It has been determined that the major courses required in the undergraduate programs of the department of statistics should be Introductionto Probability, Mathematics 1, Combinatorics, Actuarial Models, Linear Algebra 1 and Linear Algebra 2.
FYL201810542
Birincil Dil | Türkçe |
---|---|
Konular | İstatistik |
Bölüm | Makaleler |
Yazarlar | |
Proje Numarası | FYL201810542 |
Yayımlanma Tarihi | 30 Haziran 2020 |
Yayımlandığı Sayı | Yıl 2020 Cilt: 2 Sayı: 1 |