VBL5022 - Veri Tabanı Sistemlerinin Gerçeklenmesi

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ

LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ

VERİ BİLİMİ VE ANALİTİĞİ - YL

(2025 - 2026) Ders Bilgi Formu

Ders Adı	Kodu	Yarıyıl	T+U Saat	AKTS	Z / S
Veri Tabanı Sistemlerinin Gerçeklenmesi	VBL5022	1	3 + 0	7,5	Seçmeli

Birim Bölüm	Veri Bilimi ve Analitiği - YL - Lisansüstü (Yüz Yüze)
Amaç	Veritabanı sistem gerçeklemeye ilişkin kuramsal derinlik ve uygulamalı yeterlilik kazandırmak, mimari değişim sürecini merkezi sistemlerden paralel paradigmalara geçiş perspektifinden irdelemek.
Ders İçeriği	1. Veritabanı sistem bileşenlerini yapısal analiz yöntemleriyle değerlendirebilme 2. Geleneksel ve çağdaş veritabanı algoritmalarını uygulayıp mukayese edebilme 3. Paralel işleme ortamlarına yönelik veritabanı bileşenleri tasarlayıp iyileştirebilme 4. Çeşitli mimarilerde sistem performansı ve ölçeklenebilirlik analizi yapabilme 5. Edinilen kuram ve yöntemleri gerçek hayat veri yönetimi problemlerine uygulayabilme
EBS Koordinatörü	Kadriye Nurdanay ÖZTÜRK

Hafta	Konu
1	Veri Tabanları Sistem Mimarisi, SQL, İleri SQL
2	Rekürsif SQL,İleri Kümeleme sorguları
3	Disk Performansı, Disk Erişim Modelleri, Dosya Yapıları:Yığın, sıralı, Hash dosyaları
4	Dizin Yapıları: Hash-esaslı (Static, Linear, Extendible Hashing) Ağaç esaslı yaklaşımlar (ISAM, B+ Tree)
5	Dizin Yapıları: B+-tree
6	Dizin Yapıları: LSM-tree
7	Harici Sıralama ve Birleşim(Join) Algoritmaları: Listeleme-esaslı, Sıralama-esaslı
8	Birleşim(Join) Algoritmaları: Hash-Join ve performans karşılaştırmalar
9	Sorgu Planlama, Eniyileme: Maliyet Kestirim, Sezgisel, Parametric Yaklaşımlar
10	Sorgu Planlama, Eniyileme: Maliyet Kestirim, Sezgisel, Parametric Yaklaşımlar
11	Veri tabanı uygulamalarında performans ayar teknikleri
12	Paralel Veri Tabanı Mimarileri
13	Paralel Veri Tabanı Mimarileri: Bölümlendirme, Çoğaltma
14	Paralel Veri Tabanlarında Sorgu İşleme

Program Çıktıları
1	Veri bilimi ve analitiğinin temel bileşenlerine hâkim olma; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilme
2	Yapılandırılmış ve yapılandırılmamış veri tiplerini analiz etme becerisine sahip olma; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilme
3	Veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilme; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilme
4	Veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilme
5	Karmaşık veri odaklı problemleri analiz edebilme, uygun çözüm yolları geliştirebilme ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilme
6	Veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilme, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilme; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilme
7	Veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilme; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilme, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilme
8	Veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilme, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilme; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilme
9	Veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahip olma; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilme
10	Veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilme; çok disiplinli takımlarda etkin biçimde çalışabilme, iletişim kurabilme ve iş birliğine dayalı çözümler geliştirebilme
11	Veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkim olma; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilme, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket edebilme

Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)

Ders Öğrenme Çıktısı	PÇ 1	PÇ 2	PÇ 3	PÇ 4	PÇ 5	PÇ 6	PÇ 7	PÇ 8	PÇ 9	PÇ 10	PÇ 11
Öğrenci veritabanı sistem modülleri ve görevleri ve çalışma prensipleri hakkında detaylı bilgiye sahip olacaktır.	-	-	-	-	-	-	-	-	-	-	-
Öğrenci paralel veri tabanları bağlamında gerekli olan yeni algoritma ve teknikleri analayabilir.	-	-	-	-	-	-	-	-	-	-	-
Öğrenci sistem gerçekleştirmede karmaşık veri yapılarini anlayabilir ve aralarındaki farkı analiz edebilir.	-	-	-	-	-	-	-	-	-	-	-
Öğrenci yeni veri yapıları tasarımı için fikir yürütebilir.	-	-	-	-	-	-	-	-	-	-	-
Öğrenci veritabanı sisteminin bazı kısımlarında değişiklik yapabilir, sistemin çalışmasına etkilerini analiz edebilir.	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-

https://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451248