Büyük Veri Setleri Üzerinde Veri Madenciliği
Bilişim Sistemleri Mühendisliği
Fen Bilimleri Enstitüsü
Yüksek lisans
| Dersin Adı | Dersin Kodu | Dersin Türü | Dersin Düzeyi | Dersin Yılı | Dersin Verildiği Dönem | AKTS Kredisi |
|---|---|---|---|---|---|---|
| Büyük Veri Setleri Üzerinde Veri Madenciliği | BTM548 | Seçmeli | Yüksek lisans | 1 | Bahar | 10 |
Öğretim Elemanı Adı
Doç. Dr. Süleyman EKEN
Arş. Gör. Seda BALTA
Arş. Gör. M.M. Enes YURTSEVER
Dersin Öğrenme Kazanımları
1) Büyük veri setlerini kullanmayı öğrenir
2) Büyük veri çatılarını kullanır
3) Büyük ölçekli verisetleri üzerinde çeşitli algoritmaları test eder
4) Büyük veri analizi uygulamalarına hazırlanmayı öğrenir
5) Seçilmiş teknikleri uygulayarak veriyi modeller ve analiz eder
6) Büyük veri entegre yaklaşımlarını geliştirir
7) Gerçek zamanlı akışkan veri analitiğini anlar
8) Büyük veri uzmanlarında oluşan ekip içinde çalışabilir
Program Yeterliliği İlişkisi
| Program Yeterlilikleri | ||||||||
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | ||
| Öğrenme Kazanımları | ||||||||
| 1 | Orta | |||||||
| 2 | ||||||||
| 3 | ||||||||
| 4 | ||||||||
| 5 | ||||||||
| 6 | ||||||||
| 7 | ||||||||
| 8 | ||||||||
Eğitim Şekli
Yüz Yüze
Ön Koşullar, Diğer Koşullar
Yok
Önerilen Destekleyici Dersler
Olasılık, Veri yapıları ve algoritmalar, lineer cebir
Dersin İçeriği
Veri Madenciliği, Hadoop MapReduce ve Apache Spark, Benzer Öğeleri Bulma, Akan Veri Madenciliği, Link Analizi, Sık Öğe Setleri, Kümeleme, Web'de Reklam, Öneri Sistemleri, Sosyal Ağ Çizgelerinde Veri Madenciliği, Boyut Azaltma, Büyük Ölçekli Makine Öğrenmesi
Haftalık Ders İzlencesi
1) Veri Madenciliği2) Hadoop MapReduce ve Apache Spark
3) Benzer Öğeleri Bulma
4) Mining Data Streams
5) Link Analizi
6) Sık Öğe Setleri
7) Kümeleme
8) Web'de Reklam
9) Ara sınav
10) Öneri Sistemleri
11) Sosyal Ağ Çizgelerinde Veri Madenciliği
12) Boyut Azaltma
13) Büyük Ölçekli Makine Öğrenmesi
14) Proje Sunumları
15) Proje Sunumları
16) Final sınavı
Önerilen/İstenen Ders Kaynakları
1- RAJARAMAN, Anand; ULLMAN, Jeffrey David. Mining of massive datasets. Cambridge University Press, 2011.
Planlanan Öğrenim Faaliyetleri Ve Eğitim Yöntemi
1) Anlatım
2) Soru-Cevap
3) Tartışma
4) Alıştırma ve Uygulama
5) Benzetim
6) Örnek Olay
7) Laboratuvar/Çalıştay
8) Bireysel Çalışma
9) Problem Çözme
10) Proje Temelli Öğrenme
Değerlendirme Yöntemi ve Ölçütleri
Yarıyıl İçi Çalışmalarının Başarıya Oranı |
60% |
|||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
||||||||||||
Yarıyıl Sonu Sınavının Başarıya Oranı |
40% |
|||||||||||
Toplam | 100% | |||||||||||
Dersin Eğitim Dili
Türkçe
Mesleki Uygulama
İstenmemekte