| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Büyük Veri | CENG 569 | | 1 | 3 + 0 | 3 | 7,50 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Büyük verinin temel kavramlarını öğrenme |
| 2. Büyük veriyle ilişkili dosya sistemi, bellek, hesaplama ve algoritmik değiş tokuşların ardındaki teoriyi anlama |
| 3. Analiz gerçekleştirmek ve içgörü kazanmak için büyük veri çerçevelerinden ve dağıtılmış sistemlerden nasıl yararlanılacağını anlama |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu dersin amacı öğrencilere büyük veri yönetimi ve analitiğinin temellerini öğretmektir. Büyük veri bilimcileri ve mühendisleri tarafından kullanılan bazı önemli teknolojiler, platformlar, araçlar ve sistemler konusunda deneyim kazanacaklar. Konular arasında veri depolama ve erişim mekanizmaları, akış, büyük veri uygulamaları ve finans, sağlık vb. gerçek dünya alanlarından toplanan büyük verilere uygulanan temel makine öğrenimi algoritmaları yer almaktadır. |
| |
Üretken Yapay Zeka Kullanımı:
Öğrenciler bu derste anlatılanları pekiştirme ve öğrenme amaçlı yapay zeka araçlarını kullanabilirler. Ama ödev, proje ve sınav sorularının çözümlerinde bu araçlardan faydalanamazlar.
|
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Büyük Veriye giriş |
| 2 | Büyük Veri Özellikleri |
| 3 | Veri Analizi Süreci |
| 4 | Büyük Veri Modelleme ve Yönetimi |
| 5 | Büyük Veri İşleme Teknolojileri |
| 6 | Hadoop ve MapReduce |
| 7 | NoSQL Veritabanları |
| 8 | Ara sınav |
| 9 | NoSQL Veritabanları |
| 10 | Spark'a Giriş |
| 11 | Spark SQL |
| 12 | Spark Streaming |
| 13 | Büyük Veri ile Makine Öğrenimi |
| 14 | Grafik Analizi |
| |
| Kaynaklar: |
| Big Data Analytics, Seema Acharya and Subhasini Chellappan, Addison-Wesley, 2015. |
| |
| Diğer Kaynaklar: |
| . |
| |
| Öğretim Yöntem ve Teknikleri: |
| PowerPoint dersleri haftalık olarak yayınlanacaktır. Öğrencilerin materyalle ilgili sorularını göndermek için çevrimiçi tartışma forumunu kullanmaları teşvik edilecektir. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara Sınav | 1 | %30 |
| Proje | 1 | %30 |
| Final Sınavı | 1 | %40 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin AKTS İş Yükü:
|
| # | Aktivite | Adet | Süre (Saat) | İş Yükü |
| 1 | Derslere Katılım (haftalık bazda) | 14 | 3,00 | 42,00 |
| 2 | Laboratuvarlara/Derslere Katılım (haftalık bazda) | 0 | 0,00 | 0,00 |
| 3 | Notların önceden hazırlanması ve son haline getirilmesi (haftalık bazda) | 14 | 1,00 | 14,00 |
| 4 | İlgili materyalin toplanması ve seçilmesi (bir kez) | 1 | 5,00 | 5,00 |
| 5 | İlgili materyalin kendi kendine incelenmesi (haftalık bazda) | 14 | 1,00 | 14,00 |
| 6 | Ev ödevleri | 0 | 0,00 | 0,00 |
| 7 | Sınavlara Hazırlık | 0 | 0,00 | 0,00 |
| 8 | Ara Sınavlara Hazırlık (Sınavların süresi dahil) | 1 | 15,00 | 15,00 |
| 9 | Dönem Ödevi/Vaka Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 1 | 15,00 | 15,00 |
| 10 | Dönem Projesi/Saha Çalışması Raporunun Hazırlanması (sözlü sunum dahil) | 0 | 0,00 | 0,00 |
| 11 | Final Sınavına Hazırlık (sınav süresi dahil) | 1 | 20,00 | 20,00 |
| |