| 1 | Veri Madenciliği Kavramları: Öğrenciler, veri madenciliği ve veri analitiği kavramlarını tanıyacak ve veri analizine giriş seviyesinde bir anlayış geliştirecektir. |
| 2 | Veri Ön İşleme Becerileri: Öğrenciler, gerçek dünya verilerini temizleyebilme, dönüştürebilme ve hazırlayabilme becerilerini kazanacak ve eksik veya hatalı verilerle başa çıkma yöntemlerini öğrenecektir. |
| 3 | Veri Görselleştirme Yetkinlikleri: Öğrenciler, verileri etkili bir şekilde görselleştirebilecek, görsel analizler yapabilecek ve verilerinizi anlamlı hikayelere dönüştürebilecek becerileri edinecektir. |
| 4 | Veri Madenciliği Teknikleri: Öğrenciler, sınıflandırma, regresyon, kümeleme ve ilişki analizi gibi temel veri madenciliği tekniklerini anlayacak ve bu teknikleri uygulayabilecek düzeyde olacaktır. |
| 5 | Derin Öğrenme ve Metin Madenciliği: Öğrenciler, yapay sinir ağları ve derin öğrenme temellerini öğrenecek ve doğal dil işleme ve metin madenciliği alanında temel bilgilere sahip olacaktır. |
| 6 | Veri Madenciliğinde Etik ve Mahremiyet: Öğrenciler, veri madenciliği sürecinde karşılaşabilecekleri etik ve mahremiyet sorunlarını anlayacak ve veri güvenliği konusunda duyarlılık kazanacaktır. |
| 7 | Veri Madenciliği Uygulamaları: Öğrenciler, farklı endüstrilerde veri madenciliği uygulamalarını ve veri analitiği projelerini anlayacak ve bu konuda pratik bilgiye sahip olacaktır. |
| 8 | Problem Çözme ve Analitik Düşünme: Öğrenciler, veri analizi ve veri madenciliği süreçlerini anlayarak, karmaşık problemleri çözmek ve veriye dayalı kararlar almak için analitik düşünme becerilerini geliştirecektir. |
| 9 | Takım Çalışması ve İletişim: Öğrenciler, veri madenciliği projelerini takım halinde yürütecek ve projelerini etkili bir şekilde sunabilecek iletişim becerilerini geliştirecektir. |