Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
Büyük Veriye Giriş | BSM 461 | 7 | 3 + 0 | 3 | 5 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler | |
Dersin Dili | Türkçe |
Dersin Seviyesi | Lisans |
Dersin Türü | Seçmeli |
Dersin Koordinatörü | Dr.Öğr.Üyesi NUR BANU OĞUR |
Dersi Verenler | Dr.Öğr.Üyesi KEVSER OVAZ AKPINAR, |
Dersin Yardımcıları | |
Dersin Kategorisi | Diğer |
Dersin Amacı |
Büyük veri kavramı, görselleştirme ve analiz yöntemleri aktarılacaktır. Büyük
veride sıklıkla uygulanan araçların kullanımı anlatılacaktır. Ayrıca büyük veri
uygulamalarının geliştirilmesi için gerekli altyapılar ve Python’a giriş yapılacaktır.
|
Dersin İçeriği | Veri bilimindeki temel kavramlar, büyük veri analizi, görselleştirmesi, kullanılan araçlar ve uygulamalarının aktarılması |
# | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
---|---|---|---|
1 | Büyük veri analizi ve temel kavramları öğrenmek | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav , Ödev, Proje / Tasarım, |
2 | Programlama ile model geliştirmeyi kavramak | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Sınav , Ödev, Proje / Tasarım, |
3 | Büyük veri altyapı sistemlerini öğrenmek | Anlatım, Soru-Cevap, | Sınav , Proje / Tasarım, |
4 | Verinin grafiksel temsili hakkında bilgi sahibi olma | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, Grup Çalışması, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
5 | Arama motorları ve öneri sistemleri oluşturmada temel yöntemleri kavramak | Alıştırma ve Uygulama, Grup Çalışması, Bireysel Çalışma, Proje Temelli Öğrenme , | Proje / Tasarım, Performans Görevi, |
Hafta | Ders Konuları | Ön Hazırlık |
---|---|---|
1 | Büyük veriye giriş, temel bilgilendirme | |
2 | Python’a giriş | |
3 | R dili | |
4 | Veri analizi ve görselleştirme | |
5 | Hadoop Sistemleri | |
6 | Striim, Cloudera | |
7 | Makine öğrenmesi: doğrusal regresyon, sınıflandırma, kümeleme | |
8 | Apache Spark, Hive, Cassandra | |
9 | Spark ile No Sql, Kafka sistemi, RabbitMQ | |
10 | Spark ML kütüphanesi uygulamaları | |
11 | PageRank, arama sistemleri | |
12 | Tensor Flow, VoltDB, Data Flow ile analiz | |
13 | Endüstriyel kontrol sistemlerinde büyük veri | |
14 | Proje sunumu |
Kaynaklar | |
---|---|
Ders Notu | |
Ders Kaynakları |
Sıra | Program Çıktıları | Katkı Düzeyi | |||||
---|---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | |||
1 | Matematik, fen bilimleri ve ilgili mühendislik disiplinine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, karmaşık mühendislik problemlerinde kullanabilme becerisi. | X | |||||
2 | Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | X | |||||
3 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | X | |||||
4 | Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | X | |||||
5 | Karmaşık mühendislik problemlerinin veya disipline özgü araştırma konularının incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. | X | |||||
6 | Bilişim Teknolojilerinin yönetim, denetim, gelişim ve güvenliği/güvenilirliği hakkında bilgi sahibi olma ve farkındalık, | ||||||
7 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | X | |||||
8 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, tasarım ve üretim raporları hazırlayabilme, etkin sunum yapabilme, açık ve anlaşılır talimat verme ve alma becerisi. | X | |||||
9 | Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. | X | |||||
10 | Etik ilkelerine uygun davranma, mesleki ve etik sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | ||||||
11 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | ||||||
12 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. |
Değerlendirme Sistemi | |
---|---|
Yarıyıl Çalışmaları | Katkı Oranı |
1. Ara Sınav | 40 |
1. Ödev | 40 |
1. Kısa Sınav | 10 |
2. Kısa Sınav | 10 |
Toplam | 100 |
1. Final | 50 |
1. Yıl İçinin Başarıya | 50 |
Toplam | 100 |
AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
---|---|---|---|
Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 14 | 3 | 42 |
Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 14 | 3 | 42 |
Ara Sınav | 1 | 10 | 10 |
Ödev | 1 | 18 | 18 |
Final | 1 | 15 | 15 |
Toplam İş Yükü | 127 | ||
Toplam İş Yükü / 25 (Saat) | 5,08 | ||
Dersin AKTS Kredisi | 5 |