GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS |
|---|---|---|---|---|---|
| 1910002172024 | WEB MADENCİLİĞİ | Seçmeli Ders Grubu | 2 | 3 | 3,00 |
Dersin Seviyesi
Önlisans
Dersin Sunulduğu Dil
Dersin Amacı
Öğrencilere web sitelerinden otomatik veri toplamayı (web scraping), bu verileri temizleyip analiz etmeyi ve kullanıcı davranışları ile web yapılarından anlamlı kalıplar çıkararak tahmine dayalı modeller geliştirmeyi öğretmektir.
Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
| 1 | Farklı web sitelerinin kaynak kodlarından (HTML/JSON) yasal ve etik kurallara uygun olarak otomatik veri toplama sistemleri geliştirebilir. |
| 2 | Web'den elde edilen düzensiz metin verilerini temizleyebilir, doğal dil işleme teknikleriyle duygu analizi (sentiment analysis) yapabilir ve kategorize edebilir. |
| 3 | Web sunucu loglarını ve kullanıcı tıklama verilerini (clickstream) analiz ederek ziyaretçi eğilimlerini belirleyebilir ve basit öneri sistemleri tasarlayabilir. |
Öğretim Sistemi
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Ders İçin Önerilen Diğer Hususlar
[Yok]
Dersin İçeriği
Web madenciliğinin alt dalları (içerik, yapı ve kullanım madenciliği) ile başlar; ardından Python (BeautifulSoup, Scrapy, Selenium) ile veri kazıma, metin madenciliği, doğal dil işleme (NLP) temelleri, sosyal ağ analizi ve arama motorlarının çalışma mantığı gibi konuları kapsar.
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konular (Teorik) | Uygulama | Öğretim Yöntem ve Teknikleri | Ön Hazırlık |
|---|---|---|---|---|
| 1 | Web madenciliğine giriş; veri madenciliği ile farkları, temel kavramlar ve uygulama alanları. | |||
| 2 | Web madenciliğinin üç temel bileşeni: Web İçerik, Web Yapı ve Web Kullanım madenciliği. | |||
| 3 | Web yapısı ve veri toplama temelleri; HTTP istekleri, HTML, CSS Seçicileri (Selectors) ve XPath kavramları. | |||
| 4 | Python ile Web Kazıma (Web Scraping)-1: Requests ve BeautifulSoup kütüphaneleri ile statik sayfadan veri çekme. | |||
| 5 | Python ile Web Kazıma-2: Dinamik (JavaScript tabanlı) web siteleri için Selenium ve Playwright kullanımı. | |||
| 6 | İleri düzey veri kazıma: Scrapy çatısı (framework) ile geniş ölçekli web örümcekleri (spiders) tasarlama, API'lerden veri toplama. | |||
| 7 | Web verilerinin temizlenmesi; eksik/hatalı verilerin düzenlenmesi, düzenli ifadeler (Regex) ile metin filtreleme. | |||
| 8 | Ara Sınav (Vize) Haftası | |||
| 9 | Web İçerik Madenciliği ve Doğal Dil İşlemeye (NLP) Giriş: Metin ön işleme (tokenization, stemming, lemmatization). | |||
| 10 | Metin sınıflandırma ve duygu analizi (Sentiment Analysis); kullanıcı yorumlarından anlam çıkarma. | |||
| 11 | Web Yapı Madenciliği: Bağlantı (Link) analizi, arama motorlarının çalışma mantığı, Google PageRank algoritması. | |||
| 12 | Web Kullanım Madenciliği: Web sunucu günlüklerinin (log dosyalarının) analizi, tıklama yolu (clickstream) takibi ve kullanıcı segmentasyonu. | |||
| 13 | E-ticaret ve sosyal medya madenciliği; kullanıcı ortak filtreleme (collaborative filtering) ve basit ürün öneri sistemleri. | |||
| 14 | Web madenciliğinde yasal konular, etik kurallar (robots.txt analizi), veri gizliliği ve genel dönem projesi sunumları. |
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 2 | 2 |
| Final Sınavı | 1 | 2 | 2 |
| Quiz | 14 | 2 | 28 |
| Derse Katılım | 14 | 3 | 42 |
| Ödev Problemleri için Bireysel Çalışma | 14 | 2 | 28 |
| Toplam İş Yükü (saat) | 102 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | |
| ÖÇ 1 | |||||
| ÖÇ 2 | |||||
| ÖÇ 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek