| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| Büyük Veri Analizi | BLM505 | Seçmeli | Yüksek lisans | 1 | Güz | 8 |
Öğretim Elemanı Adı
Dr. Öğr. Üyesi Fidan KAYA GÜLAĞIZ
Prof. Dr. Ahmet SAYAR
Dr. Öğr. Üyesi Hikmetcan ÖZCAN
Dersin Öğrenme Kazanımları
1) Büyük veri uygulama alanlarını tanımlar
2) Büyük veri çatılarını kullanır
3) Seçilmiş teknikleri uygulayarak veriyi modeller ve analiz eder
4) Büyük veri entegre yaklaşımlarını geliştirir
5) Büyük verinin çekirdek-temel prensiplerini kavrar
6) Gerçek zamanlı akışkan veri analitiğini anlar
7) Soyal verileri ya da uzamsal büyük verileri analiz eder
8) Büyük veri uzmanlarında oluşan ekip içinde çalışabilir
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | ||||||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | ||
| Öğrenme Kazanımları | ||||||||||||
| 1 | Orta | Yüksek | ||||||||||
| 2 | Düşük | Düşük | Yüksek | |||||||||
| 3 | Orta | Düşük | Yüksek | Yüksek | ||||||||
| 4 | Düşük | Düşük | Yüksek | |||||||||
| 5 | Yüksek | |||||||||||
| 6 | Düşük | Yüksek | ||||||||||
| 7 | Orta | Yüksek | ||||||||||
| 8 | Orta | Yüksek | ||||||||||
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
Yok
Önerilen Destekleyici Dersler
Mining of Massive Data Sets. Anand Rajaraman, Jure Leskovec, and Jeffrey D. Ullman. Cambridge University Press. 2011. Big Data. Principles and best practices of scalable realtime data systems. Nathan Marz and James Warren. April 2015; ISBN 9781617290343; 328 pages
Dersin İçeriği
Büyük veri yönetimi ile ilgili olarak: Büyük veriler üzerine ölçeklenebilir hesaplama modelleri, büyük ölçekli geleneksel olmayan veri depolama çatıları; bunkar arasında graf, anahtar-değer ve kolon tabanlı depolama sistemleri sayılabilir, Büyük ver analizi ile ilgili olarak: özellik çıkarımı, öğrenme, ontoloji yapıları, benzerlik ölçüleri, boyut indirgeme, özet veri yapıları, akışkan veriler, çok boyutlu uzayda kümeleme ve sosyal network ağ madenciliği. İlave olarak; Apache Spark ve Hadoop büyük veri çatıları ve MapReduce konsepti görülecektir.
Önerilen/İstenen Ders Kaynakları
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
Değerlendirme Yöntemi ve Ölçütleri
Yarıyıl İçi Çalışmalarının Başarıya Oranı |
50% |
|||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
||||||||||||
Yarıyıl Sonu Sınavının Başarıya Oranı |
50% |
|||||||||||
Toplam | 100% | |||||||||||
Dersin Eğitim Dili
Türkçe
Mesleki Uygulama
İstenmemekte