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, Tartışma,
2 Understanding model development with programming Tartışma, Soru-Cevap, Anlatım,
3 To learn big data infrastructure systems Soru-Cevap, Anlatım,
4 Implementing storage and analysis processes Problem Çözme, Tartışma, Soru-Cevap, Anlatım, Gözlem, Deney ve Laboratuvar,
5 Understanding the integration of technologies Problem Çözme, Tartışma, Gözlem, Deney ve Laboratuvar,
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

Sıra Program Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Yaşadığı toplumun bilgi toplumu olmasına katkıda bulunmak, toplumsal, bilimsel, kültürel ve etik sorunlara çözüm sunmak amaçlarıyla alanındaki bilimsel, teknolojik, sosyal veya kültürel ilerlemeleri ulusal ve uluslararası bilimsel ortamlarda (toplantılarda) tanıtır.
2 Alanında bilimsel araştırma yaparak bilgiye genişlemesine ve derinlemesine ulaşır, alanında güncel teknik ve yöntemler ile bunların kısıtları hakkında kapsamlı bilgiye sahip olup ve elde ettiği bilgiyi değerlendirir, yorumlar ve uygular.
3 Alanı ile ilgili problemleri tanımlar ve formüle eder, yeni ve/veya özgün fikir ve yöntemler geliştirir; karmaşık sistem veya süreçleri tasarlar ve tasarımlarında yenilikçi/alternatif çözümler ile gelişmekte olan yenilikçi yöntemleri kullanır.
4 Kuramsal, deneysel ve modelleme esaslı araştırmaları tasarlar ve uygular, belirsiz, sınırlı ya da eksik verileri bilimsel yöntemlerle tamamlar; verilerin toplanması, yorumlanması, duyurulması aşamalarında ve mesleki tüm etkinliklerde toplumsal, bilimsel ve etik değerleri gözetir.
5 Alanındaki uygulamaların sosyal, çevresel, sağlık, güvenlik, hukuki boyutlarını ve iş hayatı uygulamalarını bilir ve bunların getirdiği kısıtların farkındadır. Disiplin içi ve çok disiplinli takımlarda etkin bir biçimde birlikte ve ya bağımsız çalışabilir ve sorumluluk alır.
6 Bilgi ve İletişim Teknolojileri konularında ileri uygulamaları yapacak düzeyde genişlemesine ve derinlemesine bilgi sahibidir.
7 Tanımlanmış bilgi ve iletişim teknolojileri problemlerini çözmek için yöntem geliştirir ve bu yenilikçi yöntemleri uygular.
# Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı PÇ 1 PÇ 2 PÇ 3 PÇ 4 PÇ 5 PÇ 6 PÇ 7
1 To learn big data analysis and basic concepts
2 Understanding model development with programming
3 To learn big data infrastructure systems
4 Implementing storage and analysis processes
5 Understanding the integration of technologies
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)