Veri madenciliği: Öğrenci verileri üzerinde uygulamaları

Abstract

ii) ÖZET Veri madenciliği, kurumların ileriki kullanımlar için tahminler geliştirmelerine olanak sunan eldeki verilerinde mevcut bulunan gizli ilişkileri ortaya çıkarmayla ilgilidir. Bu tez veri madenciliği teknolojisi ve ürünlerine ilişkin giriş niteliğinde genel bir fikir sunmakta ve öğrenci verileri üzerinde yapılan veri madenciliği çalışmaları açıklanmaktadır. Veri madenciliğinin ne olduğu açıklandıktan ve bunu gerekliliği belirtildikten sonra, veri depolama ve veri madenciliği arasındaki ilişki üzerinde durulacaktır. Bu konuyu, veri tabam soru araçları ve veri madenciliği arasındaki farkların açıklanması takip etmektedir. Bu tezde, veri madenciliği prosesinin farklı aşamalarım ve değişik veri madenciliği modellerini ayrıntılı bir şekilde açıklamaktadır. Veri madenciliği için önemli metodolojiler ve öğrenci verileri üzerinde uygulamalar güçlü ve zayıf yönlerinin karşılaştırılması ile anlatılmıştır. A Ekinde ticari veri madenciliği araçlarının bir özeti ile birlikte muhtemel bir kullanıcının farklı veri madenciliği ürünlerini değerlendirmek için kullanabileceği bir grup ürün değerlendirme etkenleri bulunmaktadır. Tezin B Ekinde günümüzde veri madenciliğinin değişik endüstrilerde görülen birkaç örneği sunulmaktadır. Yine Tezin B Ekinde veri madenciliğindeki görünmez tehlikeler anlatılmakta ve yeni kullanıcılar için bazı kurallar ileri sürülmektedir. C Ekinde bankacılık, telekomünikasyon ve kamu hizmetlerinden üç örnek çalışma sunulmaktadır. D Ekinde ise önemli web kaynaklarının bir listesi verilmiştir.

Ill iii) SUMMARY Data mining is concerned with finding hidden relationships present in business data to allow businesses to make predictions for future use. This thesis provides an introductory overview of data mining technology and products. After explaining what data mining is and establishing its need, the relationship between data warehousing and data mining is explored. Explaining the differences between database query tools and data mining follows this.The thesis describes in detail the different stages of the data mining process and different data mining models. Important methodologies for data mining and application on students data are described with their relative strengths and weaknesses. A summary of commercial data mining tools is given in Appendix A along with a set of product evaluation factors that a prospective user can use to evaluate different data mining products. Appendix B of the thesis presents several real-life examples of data mining in different industries. Appendix B also discusses pitfalls of data mining and presents a set of rules for a new user. Three case studies from banking, telecom, and utilities are presented in Appendix C. A list of important web resources for data mining is also included in the thesis as Appendix D.