| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Büyük Veri | BSM 562 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Dr.Öğr.Üyesi MUSTAFA AKPINAR |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Büyük veri kavramı, depolama ve analiz yöntemleri aktarılacaktır. Büyük
veride sıklıkla uygulanan araçların kullanımı anlatılacaktır. Ayrıca büyük veri
uygulamalarının geliştirilmesi için gerekli altyapılar ile R, Python ve Java dilleri ile uygulamalar yapılacaktır. |
| Dersin İçeriği | Veri bilimindeki temel kavramlar, büyük veri depolama ve analizi, görselleştirmesi, kullanılan araçlar ve uygulamalarının aktarılması |
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | To learn big data analysis and basic concepts | Anlatım, Soru-Cevap, Tartışma, | |
| 2 | Understanding model development with programming | Tartışma, Soru-Cevap, Anlatım, | |
| 3 | To learn big data infrastructure systems | Soru-Cevap, Anlatım, | |
| 4 | Implementing storage and analysis processes | Problem Çözme, Tartışma, Soru-Cevap, Anlatım, Gözlem, Deney ve Laboratuvar, | |
| 5 | Understanding the integration of technologies | Problem Çözme, Tartışma, Gözlem, Deney ve Laboratuvar, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Büyük Veriye Giriş, Temel Bilgilendirme | |
| 2 | Python’a Giriş | |
| 3 | R Dili | |
| 4 | Büyük Veri Entegrasyon ve Planlama Gereksinimleri | |
| 5 | Depolama & Analiz | |
| 6 | Depolama & Analiz Teknolojileri | |
| 7 | Hadoop Sistemler | |
| 8 | Hadoop Sistem Uygulamaları-Cloudera | |
| 9 | Pig & Hive | |
| 10 | Büyük Veride MongoDB Java Uygulamaları | |
| 11 | Kafka & Zookeeper | |
| 12 | Spark Uygulamaları | |
| 13 | Spark Uygulamaları | |
| 14 | Proje Sunumları |
| Kaynaklar | |
|---|---|
| Ders Notu | Çevrimiçi kaynak
• Stanford University, Computer Science Course - CS246: Mining Massive Datasets - CS345A: Data Mining Anand Rajaraman and Jeffrey David Ullman Available online at: http://infolab.stanford.edu/~ullman/mmds.html • Brigham Young University, Big Data Science & CAPSTONE Course Available online at: http://bigdata.cs.byu.edu/
Kitap
1- Hands-On Big Data Modeling, James Lee, Tao Wei, Suresh Kumar Mukhiya 2- An Introduction to Data Science (2013) 3rd edition , Jeffrey Stanton 3- Big Data Fundamentals, Thomas Erl, Wajid Khattak, Paul Buhler 4- R Programming for Data Science(2016), Roger D. Peng. 5- Big Data: Principles And Best Practices of Scalable Real-Time Data Systems, Nathan Marz with James Warren 6- Mining of Massive Datasets 2nd edition |
| Ders Kaynakları | Çevrimiçi kaynak
• Stanford University, Computer Science Course - CS246: Mining Massive Datasets - CS345A: Data Mining Anand Rajaraman and Jeffrey David Ullman Available online at: http://infolab.stanford.edu/~ullman/mmds.html • Brigham Young University, Big Data Science & CAPSTONE Course Available online at: http://bigdata.cs.byu.edu/
Kitap
1- Hands-On Big Data Modeling, James Lee, Tao Wei, Suresh Kumar Mukhiya 2- An Introduction to Data Science (2013) 3rd edition , Jeffrey Stanton 3- Big Data Fundamentals, Thomas Erl, Wajid Khattak, Paul Buhler 4- R Programming for Data Science(2016), Roger D. Peng. 5- Big Data: Principles And Best Practices of Scalable Real-Time Data Systems, Nathan Marz with James Warren 6- Mining of Massive Datasets 2nd edition |
| 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 | Bilgi ve İletişim Teknolojileri konularında ileri uygulamaları yapacak düzeyde genişlemesine ve derinlemesine bilgi sahibidir. | ||||||
| 7 | Tanımlanmış bilgi ve iletişim teknolojileri problemlerini çözmek için yöntem geliştirir ve bu yenilikçi yöntemleri uygular. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 |
|---|---|---|---|---|---|---|---|---|
| 1 | To learn big data analysis and basic concepts | |||||||
| 2 | Understanding model development with programming | |||||||
| 3 | To learn big data infrastructure systems | |||||||
| 4 | Implementing storage and analysis processes | |||||||
| 5 | Understanding the integration of technologies |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Kısa Sınav | 20 |
| 1. Ara Sınav | 40 |
| 1. Proje / Tasarım | 40 |
| Toplam | 100 |
| 1. Final | 50 |
| 1. Yıl İçinin Başarıya | 50 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|