| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Bıg Data Analytıcs | SWE 524 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | İngilizce |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi DENİZ BALTA |
| Dersi Verenler | Dr.Öğr.Üyesi DENİZ BALTA, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Öğrencilere büyük veriyi depolama ve analiz etmede kullanılan yöntem ve teknolojileri tanıtmak, bu büyük miktardaki veriyi güvenilir ve ucuz bir şekilde saklama, verimli bir şekilde analiz etme ve sonunda anlamlı bilgiler elde etme becerisine sahip olmak. |
| Dersin İçeriği | Büyük veri ve temel kavramlar Büyük veri altyapı sistemleri Depolama ve analiz Büyük veri teknolojileri |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Büyük veri analitiği ve temel kavramlarını öğrenmek | Anlatım, Soru-Cevap, Tartışma, | |
| 2 | Büyük veri altyapı sistemlerini öğrenmek ve kurabilmek | Anlatım, Soru-Cevap, Tartışma, | |
| 3 | Büyük veriyi depolama ve analiz etme süreçlerini öğrenme | Anlatım, Tartışma, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Introduction to Big Data | |
| 2 | Apache Hadoop and applications | |
| 3 | Apache Pig& Apache Hive | |
| 4 | Big Data Analytics with Spark SQL, DataFrames, and Datasets | |
| 5 | Real-Time Analytics with Spark Streaming and Structured Streaming | |
| 6 | Data Storage – Mongo DB, Elasticsearch | |
| 7 | Data Storage – Mongo DB, Elasticsearch applications | |
| 8 | Apache Kafka | |
| 9 | Apache Spark- Spark SQL | |
| 10 | Machine Learning with Spark and Hadoop | |
| 11 | Apache Spark- Real Time Streaming | |
| 12 | Spark Streaming and Kafka Integration- applications | |
| 13 | Spark Applications | |
| 14 | Project Presentations |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | Ankam, V. (2016). Big data analytics: A handy reference guide for data analysts and data scientists to help obtain value from big data analytics using Spark on Hadoop clusters. Big Data: Principles And Best Practices of Scalable Real-Time Data Systems, Nathan Marz with James Warren |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır. | ||||||
| 2 | Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular. | ||||||
| 3 | Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır. | ||||||
| 4 | Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir. | ||||||
| 5 | Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır. | ||||||
| 6 | Her ölçekte yazılım sistemi için proje planlaması; zaman, kaynak, bütçe ve risk yönetimi yapar, alternatif çözüm yolları belirler. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 |
|---|---|---|---|---|---|---|---|
| 1 | Büyük veri analitiği ve temel kavramlarını öğrenmek | ||||||
| 2 | Büyük veri altyapı sistemlerini öğrenmek ve kurabilmek | ||||||
| 3 | Büyük veriyi depolama ve analiz etme süreçlerini öğrenme |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 40 |
| 1. Proje / Tasarım | 40 |
| 1. Kısa Sınav | 10 |
| 2. Kısa Sınav | 10 |
| Toplam | 100 |
| 1. Final | 50 |
| 1. Yıl İçinin Başarıya | 50 |
| 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 |
| Kısa Sınav | 2 | 15 | 30 |
| Ara Sınav | 1 | 15 | 15 |
| Proje / Tasarım | 1 | 10 | 10 |
| Final | 1 | 15 | 15 |
| Toplam İş Yükü | 150 | ||
| Toplam İş Yükü / 25 (Saat) | 6 | ||
| Dersin AKTS Kredisi | 6 | ||