Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
---|---|---|---|---|---|
Büyük Veri | BSM 562 | 0 | 3 + 0 | 3 | 6 |
Ön Koşul Dersleri | |
Önerilen Seçmeli Dersler | |
Dersin Dili | Türkçe |
Dersin Seviyesi | YUKSEK_LISANS |
Dersin Türü | Seçmeli |
Dersin Koordinatörü | Dr.Öğr.Üyesi MUSTAFA AKPINAR |
Dersi Verenler | |
Dersin Yardımcıları | |
Dersin Kategorisi | Diğer |
Dersin Amacı | Büyük veri kavramı, depolama ve analiz yöntemleri aktarılacaktır. Büyük
veride sıklıkla uygulanan araçların kullanımı anlatılacaktır. Ayrıca büyük veri
uygulamalarının geliştirilmesi için gerekli altyapılar ile R, Python ve Java dilleri ile uygulamalar yapılacaktır. |
Dersin İçeriği | Veri bilimindeki temel kavramlar, büyük veri depolama ve analizi, görselleştirmesi, kullanılan araçlar ve uygulamalarının aktarılması |
# | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
---|---|---|---|
1 | To learn big data analysis and basic concepts | Anlatım, Soru-Cevap, Alıştırma ve Uygulama, | Ödev, Proje / Tasarım, Sınav, |
2 | Understanding model development with programming | Alıştırma ve Uygulama, Soru-Cevap, Anlatım, | Sınav, Proje / Tasarım, Ödev, |
3 | To learn big data infrastructure systems | Soru-Cevap, Anlatım, | Sınav, Proje / Tasarım, |
4 | Implementing storage and analysis processes | Grup Çalışması, Alıştırma ve Uygulama, Soru-Cevap, Anlatım, Proje Temelli Öğrenme , Bireysel Çalışma, | |
5 | Understanding the integration of technologies | Grup Çalışması, Alıştırma ve Uygulama, Proje Temelli Öğrenme , Bireysel Çalışma, | Performans Görevi, Proje / Tasarım, |
Hafta | Ders Konuları | Ön Hazırlık |
---|---|---|
1 | Büyük Veriye Giriş, Temel Bilgilendirme | |
2 | Python’a Giriş | |
3 | R Dili | |
4 | Büyük Veri Entegrasyon ve Planlama Gereksinimleri | |
5 | Depolama & Analiz | |
6 | Depolama & Analiz Teknolojileri | |
7 | Hadoop Sistemler | |
8 | Hadoop Sistem Uygulamaları-Cloudera | |
9 | Pig & Hive | |
10 | Büyük Veride MongoDB Java Uygulamaları | |
11 | Kafka & Zookeeper | |
12 | Spark Uygulamaları | |
13 | Spark Uygulamaları | |
14 | Proje Sunumları |
Kaynaklar | |
---|---|
Ders Notu | Çevrimiçi kaynak
• Stanford University, Computer Science Course - CS246: Mining Massive Datasets - CS345A: Data Mining Anand Rajaraman and Jeffrey David Ullman Available online at: http://infolab.stanford.edu/~ullman/mmds.html • Brigham Young University, Big Data Science & CAPSTONE Course Available online at: http://bigdata.cs.byu.edu/
Kitap
1- Hands-On Big Data Modeling, James Lee, Tao Wei, Suresh Kumar Mukhiya 2- An Introduction to Data Science (2013) 3rd edition , Jeffrey Stanton 3- Big Data Fundamentals, Thomas Erl, Wajid Khattak, Paul Buhler 4- R Programming for Data Science(2016), Roger D. Peng. 5- Big Data: Principles And Best Practices of Scalable Real-Time Data Systems, Nathan Marz with James Warren 6- Mining of Massive Datasets 2nd edition |
Ders Kaynakları | Çevrimiçi kaynak
• Stanford University, Computer Science Course - CS246: Mining Massive Datasets - CS345A: Data Mining Anand Rajaraman and Jeffrey David Ullman Available online at: http://infolab.stanford.edu/~ullman/mmds.html • Brigham Young University, Big Data Science & CAPSTONE Course Available online at: http://bigdata.cs.byu.edu/
Kitap
1- Hands-On Big Data Modeling, James Lee, Tao Wei, Suresh Kumar Mukhiya 2- An Introduction to Data Science (2013) 3rd edition , Jeffrey Stanton 3- Big Data Fundamentals, Thomas Erl, Wajid Khattak, Paul Buhler 4- R Programming for Data Science(2016), Roger D. Peng. 5- Big Data: Principles And Best Practices of Scalable Real-Time Data Systems, Nathan Marz with James Warren 6- Mining of Massive Datasets 2nd edition |
Değerlendirme Sistemi | |
---|---|
Yarıyıl Çalışmaları | Katkı Oranı |
1. Kısa Sınav | 20 |
1. Ara Sınav | 40 |
1. Proje / Tasarım | 40 |
Toplam | 100 |
1. Final | 50 |
1. Yıl İçinin Başarıya | 50 |
Toplam | 100 |
AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
---|