|
|
| YZM3036 | Büyük Veri Analizi | 2+0+0 | AKTS:4 | | Yıl / Yarıyıl | Bahar Dönemi | | Ders Duzeyi | Lisans | | Yazılım Şekli | Seçmeli | | Bölümü | YAZILIM MÜHENDİSLİĞİ BÖLÜMÜ | | Ön Koşul | Yok | | Eğitim Sistemi | Yüz yüze | | Dersin Süresi | 14 hafta - haftada 2 saat teorik | | Öğretim Üyesi | Dr. Öğr. Üyesi Mustafa Hakan BOZKURT | | Diğer Öğretim Üyesi | | | Öğretim Dili | Türkçe | | Staj | Yok | | | | Dersin Amacı: | | Bu ders, Büyük Veri ile ilgili öne çıkan konuları kapsamaktadır. Ders, büyük verinin özellikleri ve zorlukları, büyük veri platformları, büyük ölçekli veriler için depolama ve erişim mimarileri, büyük veri analitiği için makine öğrenimi algoritmaları ve araçları, veri akışı özellikleri ve veri akışları üzerinde gerçek zamanlı analitik, bağlantılı büyük verinin görselleştirmesi konularını ele almayı amaçlamaktadır. |
| Öğrenim Kazanımları | PÖKK | ÖY | | Bu dersi başarı ile tamamlayan öğrenciler : | | | | ÖK - 1 : | Büyük verinin ne olduğunu, özelliklerini tanımlayabilir | 3,4,5 | 1, | | ÖK - 2 : | Büyük veri problemlerini kavrayabilir | | 1,6, | | ÖK - 3 : | Veri çıkarımı, dönüşümü ve yüklemesi kavramlarını tanımlayabilir | 3,4,5 | 1,6, | | ÖK - 4 : | Güncel büyük veri teknolojileri hakkında genel bilgileri kavrayabilecek bu teknolojilerden yararlanarak işlem yapabilir | 3,4,5 | 1,6, | | ÖK - 5 : | Büyük veri akışları üzerinde nasıl analiz yapılacağını kavrayabilir | 3,4,5 | 1,6, | | PÖKK :Program öğrenim kazanımlarına katkı, ÖY : Ölçme ve değerlendirme yöntemi (1: Yazılı Sınav, 2: Sözlü Sınav, 3: Ev Ödevi, 4: Laboratuvar Çalışması/Sınavı, 5: Seminer / Sunum, 6: Dönem Ödevi / Proje),ÖK : Öğrenim Kazanımı | | |
| Büyük veri nedir? Büyük veriye giriş. Büyük veri analizi için ihtiyaç duyulan ve kullanılan güncel teknolojiler. Büyük verilerin çıkarımı, depolanması, dönüştürülmesi, yüklenmesi, etiketlenmesi ve keşfi. Büyük verinin analizi, görselleştirilmesi. Büyük veride makine öğrenmesi. |
| |
| Haftalık Detaylı Ders Planı | | Hafta | Detaylı İçerik | Önerilen Kaynak | | Hafta 1 | Büyük Veriye Giriş | | | Hafta 2 | Büyük Veri Teknolojileri | | | Hafta 3 | Büyük Veri Teknolojileri | | | Hafta 4 | Büyük Veri için Yazılım Dilleri | | | Hafta 5 | Veri Modelleri ve Sorgu Dilleri | | | Hafta 6 | Çıkarma, Dönüşüm, Yükleme | | | Hafta 7 | Çıkarma, Dönüşüm, Yükleme | | | Hafta 8 | Veri Görselleştirme | | | Hafta 9 | Arasınav | | | Hafta 10 | Büyük Veri Analitiği | | | Hafta 11 | Büyük Veri ile Makine Öğrenmesi | | | Hafta 12 | Büyük Veri ile Eğitmenli Öğrenme | | | Hafta 13 | Büyük Veri ile Eğitmensiz Öğrenme | | | Hafta 14 | Büyük Veri Uygulama Süreci Tasarımı | | | Hafta 15 | Büyük Veri Uygulaması | | | Hafta 16 | Dönem Sonu Sınavı | | | |
| 1 | Chambers, B., & Zaharia, M. 2018; Spark: The definitive guide: Big data processing made simple. " O'Reilly Media, Inc.". | | | 2 | Balusamy, B., Kadry, S., & Gandomi, A. H. 2021;. Big Data: Concepts, Technology, and Architecture. John Wiley & Sons. | | | |
| 1 | McKinney W., 2022, Python for Data Analysis: Data Wrangling with pandas, NumPy, and Jupyter, O?Reilly | | | 2 | Herend D. & Işık M. 2019; Adım Adım Bigdata ve Uygulamaları, Pusula Yayıncılık | | | |
| Ölçme Yöntemi | | Yöntem | Hafta | Tarih | Süre (Saat) | Katkı (%) | | Proje | 15 | | | 40 | | Dönem sonu sınavı | 16 | | 3 | 60 | | |
| Öğrenci Çalışma Yükü | | İşlem adı | Haftalık süre (saat) | Hafta sayısı | Dönem toplamı | | Yüz yüze eğitim | 2 | 14 | 28 | | Sınıf dışı çalışma | 2 | 14 | 28 | | Proje | 2 | 14 | 28 | | Dönem sonu sınavı için hazırlık | 1 | 14 | 14 | | Dönem sonu sınavı | 3 | 1 | 3 | | Toplam Çalışma Yükü | | | 101 |
|