| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Büyük Veri | SWE 307 | 5 | 3 + 0 | 3 | 5 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Lisans |
| Dersin Türü | Zorunlu |
| Dersin Koordinatörü | Prof.Dr. AHMET ÖZMEN |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Alanına Uygun Öğretim |
| Dersin Amacı | Büyük veri kavramı, görselleştirme ve analiz yöntemleri tanıtılmaktadır. Büyük verilerde sık kullanılan araçlar açıklanmaktadır. Ayrıca, büyük veri uygulamaları geliştirmek ve Python'a giriş için gerekli altyapılar tanıtılmaktadır. |
| Dersin İçeriği | Veri biliminde temel kavramlar, büyük veri analizi, görselleştirme, araçlar ve uygulamalar. |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Büyük veri analizi ve temel kavramların öğrenilmesi | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav , Ödev, Proje / Tasarım, |
| 2 | Programlama ile model geliştirme anlama | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav , Ödev, Proje / Tasarım, |
| 3 | Büyük veri altyapı sistemlerinin öğrenilmesi | Anlatım, Soru-Cevap, | Sınav , Proje / Tasarım, |
| 4 | Verilerin grafiksel gösterimi hakkında bilgi sahibi olunması | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Grup Çalışması, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
| 5 | Arama motorlarında ve öneri sistemlerinde temel yöntemleri kavrayabilme | Alıştırma ve Uygulama, Grup Çalışması, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Büyük veriye giriş, temel bilgiler | |
| 2 | Python'a giriş | |
| 3 | R Dili | |
| 4 | Veri analizi ve görselleştirme | |
| 5 | Hadoop Sistemleri | |
| 6 | Striim, Cloudera | |
| 7 | Makina öğrenmesi: doğrusal regresyon, sınıflandırma, kümelendirme | |
| 8 | Apache Spark, Hive, Cassandra | |
| 9 | Spark with No Sql, Kafka system, RabbitMQ | |
| 10 | Spark ML kütüphane uygulamaları | |
| 11 | PageRank, arama sistemleri | |
| 12 | Tensor Flow ile analiz, VoltDB, Data Flow | |
| 13 | Büyük veri uygulamaları | |
| 14 | Projelerin değerlendirilmesi |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Nasir Raheem, Big Data: A Tutorial-Based Approach, CRC Press, 2019, ISBN0429592450, 9780429592454 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 40 |
| 1. Kısa Sınav | 10 |
| 2. Kısa Sınav | 10 |
| 1. Performans Görevi (Uygulama) | 40 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 14 | 1 | 14 |
| Ara Sınav | 1 | 15 | 15 |
| Kısa Sınav | 2 | 4 | 8 |
| Performans Görevi (Uygulama) | 1 | 25 | 25 |
| Final | 1 | 20 | 20 |
| Toplam İş Yükü | 124 | ||
| Toplam İş Yükü / 25 (Saat) | 4,96 | ||
| Dersin AKTS Kredisi | 5 | ||