General information
- Subject code
- MS-2042
- Credits
- 6
- Student workload
- 180
- Semester
- Autumn semester
- Academic year
- 2026-2027
- Subject type
- Elective
- Form of education
- Full-time
- Language of instruction
- Azerbaijani
- In-class hours
- a) 30 saat mühazirə
- Out-of-class hours
- a) 150 saat fərdi iş
About the subject
Bu fənn tələbələrə böyük həcmli və mürəkkəb verilənlər toplularından (big data) gizli qanunauyğunluqları, tendensiyaları və dəyərli biznes inzibatlarını (insights) aşkar etmək üçün məlumatların i̇ntellektual analizi (data mining) metod və alətlərini öyrətmək üçün nəzərdə tutulmuşdur. kurs çərçivəsində data təmizləmə, assosiasiya qaydalarının tapılması (association rule mining / market basket analysis), klasterləşdirmə, təsnifatlandırma və anomaliyaların tespiti (anomaly detection) kimi əsas metodologiyalar tədris olunur. tələbələr müasir intellektual analiz proqramları və alqoritmləri vasitəsilə strukturlaşdırılmış və strukturlaşdırılmamış (mətn, sosial media, veb datası) verilənləri emal etməyi, müştəri davranış xəritələrini çıxarmağı və biznes problemlərinin həllinə yönəlmiş intellektual modellər qurmağı mənimsəyəcəklər. fənn tələbələrdə xam məlumatları strateji biznes biliklərinə çevirmək və data əsaslı avtomatlaşdırılmış qərarqəbuletmə sistemlərini tətbiq etmək bacarıqlarını formalaşdırır.
Teaching methods
- lecture
- problem-based learning
- project-based learning
- interactive discussion
- teamwork
- case study
- presentations
Course learning outcomes (CLO)
CLO 1: Böyük data kütlələrindən gizli qanunauyğunluqları, assosiasiyaları və struktur nümunələrini aşkar etmək üçün data mining metodologiyalarını (crisp-dm) tətbiq edir.
CLO 2: Məlumat dəstlərində assosiasiya qaydalarının çıxarılması (association rule mining: apriori, fp-growth) vasitəsilə satınalma səbəti analizini (market basket analysis) həyata keçirir.
CLO 3: Mətn və strukturlaşdırılmamış verilənlərin analizi (text mining, sentiment analysis) metodları ilə müştəri rəylərini və rəqəmsal media datalarını emal edir.
CLO 4: Məlumat dəstlərində kənarlaşmaların (outlier detection) müəyyən edilməsi alətləri vasitəsilə biznesdə anomaliyaları və əməliyyat risklərini aşkar edir.
CLO 5: Çıxarılmış intellektual data nümunələrini şərh edərək strateji biznes qərarlarının verilməsi və əməliyyat səmərəliliyinin artırılması üçün tövsiyələr paketini formalaşdırır.
Topic plan
No topics have been added.
Reading list
No reading list has been added.
Assessment
| Form | Description | Score | Related CLO |
|---|---|---|---|
| Cari qiymətləndirmə | Cari qiymətləndirmə - fənn üzrə tələbənin semestr müddətində fəaliyyətinin qiymətləndirilməsi olmaqla, mühazirə və məşğələ (laboratoriya) dərs materiallarının mənimsənilmə səviyyəsini qiymətləndirilir. | 30 bal | FTN 1-5 |
| Davamiyyət | Tələbə fənn üzrə dərslərin 25%-dən çoxunda iştirak etmədiyi halda imtahana buraxılmır. | 10 bal | - |
| Tələbənin sərbəst işi | Tələbəyə fənn üzrə semestr ərzində 1 sərbəst işin (zəruri hallarda sərbəst işlərin sayı artırıla bilər) yerinə yetirilməsi tapşırığı verilir. | 10 bal | FTN-- |
| İmtahan | İmtahan şifahi, yazılı, yazılı-elektron, test üsulu ilə keçirilir | 50 bal | FTN 1-5 |