| Ders Adı | Kodu | Yarıyıl | T+U Saat | AKTS | |
| Büyük Veriye Giriş | VBL5007 | 1 | 3 + 0 | 7,5 |
| Birim Bölüm | VERİ BİLİMİ VE ANALİTİĞİ - YL |
| Derece Seviye | Lisansüstü - Seçmeli - Türkçe |
| Dersin Verilişi | Yüz yüze |
| EBS Koordinatörü | Prof. Dr. Serpil TÜRKYILMAZ (Yıl: 2025 - 2026) |
| Ders Veren | |
| Amaç |
Bu ders Büyük Verideki mevcut teknolojileri, araçları, mimarileri ve sistemlerin kullanımını kapsıyarak analitik veri üretimi, depolama, yönetim, transfer, gelen büyük verilerde derinlemesine analizi kapsamaktadır. |
| Ders İçeriği |
Çeşitli alanlarda ortaya çıkan bigdata uygulamalarını inceleyerek, uygulama, geliştirme konularını da kapsayarak yaygın olarak kullanılan büyük veri uygulamalarını test eder. Ayrıca büyük veriyi analiz etmek için veri madenciliği ve makine öğrenme algoritmaları üzerinde durulacak. |
| Ders Kaynakları |
1. Big Data Fundamentals: Concepts, Drivers & Techniques (1st ed.). Thomas Erl, Wajid Khattak, and Paul Buhler. Prentice Hall Press, Upper Saddle River, NJ, USA. 2016.
2. Big Data, Principles and Best Practices of Scalable Realtime Data Systems, Nathan Marz and James Warren, Manning Publications 2015.
3. Hadoop: The Definitive Guide, Tom White, O’Reilly, 2015.
|
| Yarıyıl İçi Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | 0 |
| Yarıyıl Sonu Çalışmalar | Katkı Yüzdesi (%) |
| Bu bilgi girilmemiştir. | |
| Toplam | %0 |
| Yarıyıl İçinin Başarıya Oranı | %0 |
| Yarıyıl Sonu Çalışmalar | %0 |
| Toplam | %0 |
| Kategori | Ders İlişki Yüzdeleri (%) |
|
Aktarılabilir Beceri Dersleri
|
0
|
|
Beşeri, İletişim ve Yönetim Becerileri Dersleri
|
0
|
|
Destek Dersleri
|
0
|
|
Ek Dersler
|
0
|
|
Kategori
|
0
|
|
Mesleki Seçmeli Dersler
|
0
|
|
Temel Meslek Dersleri
|
0
|
|
Uygulama Dersleri
|
0
|
|
Uzmanlık / Alan Dersleri
|
0
|
|
Yetkinlik Tamamlayıcı Ders
|
0
|
| Ders İş Yükü | Öğretim Metotlar / Öğretim Metodu | Süresi (Saat) | Sayısı | Toplam İş Yükü (Saat) |
| Toplam İş Yükü (Saat) | 0 | |||
| AKTS = Toplam İş Yükü (Saat) / 25.5 (s) | 0 | |||
| AKTS | 3,0 | |||
| Hafta | Konu | Öğretim Metodu |
|---|---|---|
| 1 | Büyük Veriye Giriş: Kavramlar, terminoloji, özellikleri ve 5V, yapılandırılmış, yapılandırılmamış, yarı yapılandırılmış ve metadata gibi büyük Veri türlerini kapsar. İş ve araştırma motivasyonlarını kapsar. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 2 | Büyük Veride Depolama ve Analiz: Kümeler gibi depolama kavramları kapsar, dağıtık dosya sistemleri, RDBMS, NoSQL, sharding, bellek depolama, aynı zamanda paralel, dağıtık, toplu veri işleme ve Hadoop gibi büyük veri işleme konseptlerini kapsar. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 3 | Büyük Veri Analizi Teknikleri: Nicel, nitel veri madenciliği, istatistiksel analiz, Machine Learning, anlamsal analiz ve görsel veri analizi gibi analiz teknikleri ve konularını kapsar. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 4 | MapReduce Çerçevesi ve Hadoop: Paralel süreçler ve büyük veri işleme için diğer tasarım desenleri kapsar. Cloudera sanal makine. HDFS, YARN ve Hue. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 5 | Java ile mapreduce API ve Basic Programlama: Hadoop MapReduce Java API'yi inceleyeceğiz. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 6 | Hive kullanımı: "veri ambarı" HDFS'ler ve Hadoop. Depolanan veriler üzerinde SQL sorguları. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 7 | Spark Kullanımı: MapReduce çerçevesinin bellek tabanlı veri analizi ve RDD-Spark. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 8 | Flume ve Kafka eğitimi. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 9 | Spark veri akışı, Kafka ve Cassandra: Hızlı verilerin işlenmesi için standart haline gelmiş yığın kullanımı. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 10 | Spark ile MLLib, Machine Learning: Veriler üzerinde öngörüde bulunmak için öğrenme algoritmalarını gözden geçireceğiz. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 11 | Büyük Veri Kümelerinde görselleştirme: Büyük verinin içeriğini ve özelliklerini grafiksel olarak incelenmesini göreceğiz. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 12 | Büyük veride ileri konular ve uygulamlar. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Büyük veride ileri konular ve uygulamalar. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| 13 | Büyük veride ileri konular ve uygulamalar. | Ders Sınıf Dışı Çalışma Tartışmalı Ders |
| Ders Öğrenme Çıktısı | Ölçme Değerlendirme | Öğretim Metodu | Öğrenme Faaliyeti |
| Büyük veri kavramlarını, terminolojiyi, veri analitiği özelliklerini, 5V-yapısal-yapısal olmayan-metadata gibi büyük veri tiplerini öğrenir | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Nitel - nicel veri madenciliği, istatistiksel analiz, A/B testi, korelasyon, regresyon analizi gibi analiz tekniklerini kavrarlar. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Kümeleme, dağıtık dosya sistemleri, ilişkisel veritabanı sistemleri, NoSQL, hafıza içi depolama gibi depolama kavramlarına ve paralel, dağıtık, toplu veri işleme gibi büyük veri işleme kavramlarına hakim olur. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
| Büyük veri işlenmesinde Cloudera sanal makina, HDFS (Hadoop Dağıtık Dosya Sistemi), YARN (Yet Another Resource Negotiator and Hue) gibi paralel işleme ve diğer dizayn kalıplarını kavrarlar. | Yazılı Sınav Ödev / Proje | Ders Sınıf Dışı Çalışma Tartışmalı Ders | Dinleme ve anlamlandırma Araştırma – yaşam boyu öğrenme, yazma, okuma, Bilişim Dinleme ve anlamlandırma, gözlem/durumları işleme, eleştirel düşünme, soru geliştirme |
DERS ÖĞRENME ÇIKTISI |
PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ | PÇ |
|---|---|---|---|---|---|---|---|---|---|---|---|
| Ortalama Değer | - | - | - | - | - | - | - | - | - | - | - |
