| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Büyük Ölçekli Veri Analizi | YBS 611 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Doktora |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Doç.Dr. HALİL İBRAHİM CEBECİ |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Bilişim sistemlerinin gelişimine paralel olarak üstel olarak artan farklı biçimdeki yüksek miktarda farklı özellikteki verileri yönetmek, analiz etmek ve yorumlamak önem arz etmektedir. Bu ders kapsamında uygulama temelli bir anlatım ile büyük veri analitiği hakkında temeller oturtulmaya çalışılacaktır. |
| Dersin İçeriği | Ders kapsamında büyük veri analitiği teorik altyapısı (kullanılan teknolojiler, analiz yöntemleri, görselleştirme teknikleri) anlatılacaktır. Ayrıca Büyük veri platformları hakkında bilgiler sunulurken ayrıca EXCEL 2013 ile büyük veri analitiği uygulamalarına değinilecektir. |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Büyük Veri kavramını anlamak | Anlatım, Soru-Cevap, Beyin Fırtınası, | |
| 2 | Büyük veri hazırlama ve ön-işleme süreçlerini kavramak | Anlatım, Beyin Fırtınası, Tartışma, Grupla Çalışma, | |
| 3 | Veri analitiği kavramını anlamak ve büyük veri ile ilişkisini sorgulamak | Anlatım, Beyin Fırtınası, Grupla Çalışma, Rol Oynama, Deney ve Laboratuvar, | |
| 4 | Görsel Analitik kavramını anlamak ve Büyük Veri alanında kullanımını kavramak | Eğitsel Oyun, Rol Oynama, Eğitsel Oyun, Deney ve Laboratuvar, Gezi / Gözlem, Anlatım, | |
| 5 | Büyük Verinin işletmelerdeki uygulama alanlarını incelemek | Anlatım, Bireysel Çalışma, Gözlem, | |
| 6 | EXCEL yardımıyla Büyük Veri uygulamaları gerçekleştirmek | Anlatım, Bireysel Çalışma, Gözlem, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Genel Giriş ve Değerlendirme | |
| 2 | İş Zekası ve Karar Verme | |
| 3 | İstatistik ve Analitiğe Giriş | |
| 4 | Büyük Veri Kavramı | |
| 5 | Teknolojik Altyapı | |
| 6 | Teknolojik Altyapı | |
| 7 | İş Analitiği Yöntemleri - Veri | |
| 8 | İş Analitiği Yöntemleri - Metin | |
| 9 | Ara Sınav | |
| 10 | İş Analitiği Yöntemleri - Web | |
| 11 | İş Analitiği Yöntemleri - Sosyal Medya | |
| 12 | Görselleştirme | |
| 13 | Siber Güvenlik | |
| 14 | Genel Değerlendirme |
| Kaynaklar | |
|---|---|
| Ders Notu | Sabis üzerinden paylaşılacak derse ait sunumlar |
| Ders Kaynakları | Erl, T., Khattak W., Buhler P. (2016). “Big Data Fundamentals_ Concepts, Drivers & Techniques”, Prentice Hall DUNLOP, Neil. (2015) “Beginning Big Data with Power BI and Excel 2013”, APRESS Minelli, M., Chambers, M., Dhiraj, A.,(2013). “Big Data, Big Analytics”, Wiley Schmarzo, B.,(2013). “Big Data Understanding How Data Powers Big Business”, Wiley |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | En az bir yabancı dili de kullanarak kendi disiplininde derinlemesine bilgi sahibidir. | X | |||||
| 2 | Kendi disiplinindeki kavram, uygulama, model ve teoriler ile araştırma yöntem bilgisini, bilimsel çalışmalarda ele aldığı işletme ve yönetim sorunlarının çözümünde disipline orijinal katkı sunacak şekilde kullanır. | X | |||||
| 3 | Sahip olduğu bilgileri etik değerlere uygun, yasalar çerçevesinde, doğru ve güvenli şekilde kullanır. | X | |||||
| 4 | Disiplini ile ilgili sosyal konular hakkında farkındalığını gösterir. | X | |||||
| 5 | Bilimsel çalışmalarını nitelikli bilimsel mecralarda yayınlatabilir. | X | |||||
| 6 | Bilimsel çalışmalarını sözlü olarak bilimsel toplantılarda akademik teamüllere uygun bir şekilde sunabilir. | X | |||||
| 7 | Toplumsal refah oluşturmak için inovasyona dayalı girişimciliği stratejik eylemler ile ilişkilendirebilir ve tasarlayabilir. | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
|---|---|---|---|---|---|---|---|---|
| 1 | Büyük Veri kavramını anlamak | |||||||
| 2 | Büyük veri hazırlama ve ön-işleme süreçlerini kavramak | |||||||
| 3 | Veri analitiği kavramını anlamak ve büyük veri ile ilişkisini sorgulamak | |||||||
| 4 | Görsel Analitik kavramını anlamak ve Büyük Veri alanında kullanımını kavramak | |||||||
| 5 | Büyük Verinin işletmelerdeki uygulama alanlarını incelemek | |||||||
| 6 | EXCEL yardımıyla Büyük Veri uygulamaları gerçekleştirmek |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 40 |
| 1. Performans Görevi (Uygulama) | 40 |
| 1. Ödev | 20 |
| Toplam | 100 |
| 1. Final | 40 |
| 1. Yıl İçinin Başarıya | 60 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 2 | 32 |
| Ara Sınav | 1 | 10 | 10 |
| Ödev | 1 | 10 | 10 |
| Performans Görevi (Uygulama) | 1 | 20 | 20 |
| Final | 1 | 20 | 20 |
| Toplam İş Yükü | 140 | ||
| Toplam İş Yükü / 25 (Saat) | 5,6 | ||
| Dersin AKTS Kredisi | 6 | ||