Kodu | Dersin Adı | Yarıyıl | Süresi(T+U) | Kredisi | AKTS Kredisi |
---|---|---|---|---|---|
YBS413 | BÜYÜK VERİ ANALİZİ | 7 | 3 | 3 | 8 |
DERS BİLGİLERİ |
|
---|---|
Dersin Öğretim Dili : | Türkçe |
Dersin Düzeyi | LİSANS, TYY: + 6.Düzey, EQF-LLL: 6.Düzey, QF-EHEA: 1.Düzey |
Dersin Türü | Zorunlu |
Dersin Veriliş Şekli | - |
Dersin Koordinatörü | Dr.Öğr.Üyesi DİDEM TETİK KÜÇÜKELÇİ |
Dersi Veren Öğretim Üyesi/Öğretim Görevlisi | Dr.Öğr.Üyesi SÜREYYA İMRE BIYIKLI |
Ders Ön Koşulu | Yok |
AMAÇ VE İÇERİK |
|
---|---|
Amaç: | Dersin amacı; Büyük Veri, doğası gereği birçok disiplini içerisinde barındırmaktadır. Popüler hale geldikçe birçok yazılım ve donanım aracı ile yeni algoritmalar ortaya çıkmaktadır. Bir veri bilimcinin, gerçek dünyadaki zorluklarla baş edebilmesi için değişen bu eğilimleri takip etmesi gerekmektedir. bu ders öğrencilere, Büyük veri alanında yeterli donanıma sahip olmalarını sağlayacak temel bilgileri kazandırmayı hedeflemektedir. |
İçerik: | Dersin içeriği, Büyük veri kavramı, büyük veriyi etkin kullanan şirketler, Hadoop, Spark gibi temel büyük veri teknolojileri ve büyük ölçekli makine öğrenmesi yöntemleri vb. konuları içermektedir. |
DERSİN ÖĞRENME ÇIKTILARI (Öğrenciler, bu dersi başarı ile tamamladıklarında aşağıda belirtilen bilgi, beceri ve/veya yetkinlikleri gösterirler.) |
---|
Büyük veriden güdümlü ve güdümsüz çıkarım elde eder. {conclude} |
Büyük veriyi R/Python gibi programlama dilleri kullanarak analiz eder. {analysis} |
Büyük verinin grafiksel temsili ile ilgili uygulamalar yapar. {create} |
Güncel uygulama alanlarını tanır. {recognize} |
Büyük veri analizinden elde ettiği bilgi keşfini günlük hayattaki problemleri çözmek için uyarlar. {modify} |
HAFTALIK DERS KONULARI VE ÖNGÖRÜLEN HAZIRLIK ÇALIŞMALARI |
|||
---|---|---|---|
Hafta | Ön Hazırlık | Konular | Yöntem |
1 | Ders Tanıtımı | Ders Tanıtımı, Büyük Veriye Giriş | Anlatım, Tartışma, Uygulama |
2 | Literatür Okuması, Ödev | Büyük Veriye Giriş, Büyük Verinin Bileşenleri, Büyük Veri Analitiği | Anlatım, Tartışma, Uygulama |
3 | Literatür Okuması, Ödev | Büyük Veri Teknolojilerini Kullanan Şirketler ve Kullanım Alanları | Anlatım, Tartışma, Uygulama |
4 | Literatür Okuması, Ödev | Büyük Veri Teknolojileri ve Araçları: Hadoop, Eşle İndirge(MapReduce), Spark, NoSQL, MongoDB, Pig, Impala | Anlatım, Tartışma, Uygulama |
5 | Literatür Okuması, Ödev | Büyük Veri için Makine Öğrenmesine Giriş, Öğrenme Stratejileri ve Analiz Süreci | Anlatım, Tartışma, Uygulama |
6 | Literatür Okuması, Ödev | Proje/Ödev Çalışmalarının Gözden Geçirilmesi | Anlatım, Tartışma, Uygulama |
7 | Literatür Okuması, Ödev | Proje/Ödev Çalışmalarının Gözden Geçirilmesi | Anlatım, Tartışma, Uygulama |
8 | - | ARA SINAV | - |
9 | Literatür Okuması, Ödev | Büyük Veri İle Görselleştirme | Anlatım, Tartışma, Uygulama |
10 | Literatür Okuması, Ödev | Büyük Veri Analizi için İstatistiksel Yöntemler | Anlatım, Tartışma, Uygulama |
11 | Literatür Okuması, Ödev | Basit(Naive) Bayes ile Büyük Veri Analizi | Anlatım, Tartışma, Uygulama |
12 | Literatür Okuması, Ödev | Basit ve Çok Değişkenli Regresyon ile Büyük Veri Analizi | Anlatım, Tartışma, Uygulama |
13 | Literatür Okuması, Ödev | K-En Yakın Komşu Algoritması ile Büyük Veri Analizi | Anlatım, Tartışma, Uygulama |
14 | Literatür Okuması, Ödev | Karar ağaçları ile Büyük Veri Analizi | Anlatım, Tartışma, Uygulama |
15 | Literatür Okuması, Ödev | Logistic Regresyon ile Büyük Veri Analizi | Anlatım, Tartışma, Uygulama |
16 | - | FİNAL | - |
17 | - | FİNAL | - |
KAYNAKLAR |
---|
Gürsakal, N. (2014). Büyük Veri. Dora Yayıncılık. |
Bernard Marr(Çeviri:Başak Gündüz), Büyük Veri İş Başında, 45 Yıldız Şirket, Büyük Veriyi Nasıl Kullandı?, MediaCat Kitapları, 2016. |
M. Erdal Balaban & Elif Kartal, “Veri Madenciliği ve Makine Öğrenmesi, Temel Algoritmaları ve R Dili ile Uygulamaları”, İkinci Baskı, Çağlayan Yayınevi, 2018. |
ÖLÇME VE DEĞERLENDİRME |
|||
---|---|---|---|
Yarıyıl İçi Yapılan Çalışmaların Ölçme ve Değerlendirmesi | Etkinlik Sayısı | Katkı Yüzdesi | Açıklama |
(0) Etkisiz | (1) En Düşük | (2) Düşük | (3) Orta | (4) İyi | (5) Çok İyi |
---|---|---|---|---|---|
0 | 1 | 2 | 3 | 4 | 5 |
KNOWLEDGE | |||||||
---|---|---|---|---|---|---|---|
Theoretical | |||||||
Program Yeterlilikleri/Çıktıları | Katkı Düzeyi | ||||||
0 | 1 | 2 | 3 | 4 | 5 | ||
1 |
Define concepts such as management, manager and leader.
|
4 | |||||
2 |
Analyze the accuracy, reliability and validity of the new information obtained from the data.
|
5 |
KNOWLEDGE | |||||||
---|---|---|---|---|---|---|---|
Factual | |||||||
Program Yeterlilikleri/Çıktıları | Katkı Düzeyi | ||||||
0 | 1 | 2 | 3 | 4 | 5 | ||
1 |
Report the obtained data.
|
5 | |||||
2 |
Prepare software and projects related with the field.
|
5 |
SKILLS | |||||||
---|---|---|---|---|---|---|---|
Cognitive | |||||||
Program Yeterlilikleri/Çıktıları | Katkı Düzeyi | ||||||
0 | 1 | 2 | 3 | 4 | 5 | ||
1 |
Use the appropriate resources for data analysis related with the field.
|
5 | |||||
2 |
Analyze the work processes.
|
5 |
SKILLS | |||||||
---|---|---|---|---|---|---|---|
Practical | |||||||
Program Yeterlilikleri/Çıktıları | Katkı Düzeyi | ||||||
0 | 1 | 2 | 3 | 4 | 5 | ||
1 |
Manage projects as part of a team.
|
5 | |||||
2 |
Apply the material, techniques and analyzes in relation with the subject for project and work flows.
|
5 |
OCCUPATIONAL | |||||||
---|---|---|---|---|---|---|---|
Autonomy & Responsibility | |||||||
Program Yeterlilikleri/Çıktıları | Katkı Düzeyi | ||||||
0 | 1 | 2 | 3 | 4 | 5 | ||
1 |
Fulfill responsibility with a focus on result in individual and team studies.
|
5 |
OCCUPATIONAL | |||||||
---|---|---|---|---|---|---|---|
Learning to Learn | |||||||
Program Yeterlilikleri/Çıktıları | Katkı Düzeyi | ||||||
0 | 1 | 2 | 3 | 4 | 5 | ||
1 |
Recognizes what he/she knows about his/her field or not.
|
5 | |||||
2 |
Act the theoretical knowledge in real life with learning to learn approach.
|
5 | |||||
3 |
Apply different methods and techniques with an innovative approach in his/her research.
|
5 |
OCCUPATIONAL | |||||||
---|---|---|---|---|---|---|---|
Communication & Social | |||||||
Program Yeterlilikleri/Çıktıları | Katkı Düzeyi | ||||||
0 | 1 | 2 | 3 | 4 | 5 | ||
1 |
Apply the results obtained in accordance with voluntarism and social responsibility projects.
|
5 | |||||
2 |
Establish a healthy contact with colleagues
|
4 | |||||
3 |
Share the analyzes and obtained results with colleagues.
|
3 | |||||
4 |
Cooperate with colleagues at international level with the help of foreign language competency.
|
3 |
OCCUPATIONAL | |||||||
---|---|---|---|---|---|---|---|
Occupational and/or Vocational | |||||||
Program Yeterlilikleri/Çıktıları | Katkı Düzeyi | ||||||
0 | 1 | 2 | 3 | 4 | 5 | ||
1 |
Behave in accordance with ethical values regarding the collection, analysis and reporting of data.
|
5 | |||||
2 |
Participate the design of work processes and systems with full quality.
|
5 | |||||
3 |
Cooperate with other employees for the continuation of sustainability in the profession.
|
4 |
DERSİN İŞ YÜKÜ VE AKTS KREDİSİ |
|||
---|---|---|---|
Öğrenme-Öğretme Etkinlikleri İş Yükü | |||
Öğrenme-Öğretme Etkinlikleri | Etkinlik(hafta sayısı) | Süresi(saat sayısı) | Toplam İş Yükü |
Ders | 14 | 3 | 42 |
Derse Ön Hazırlık ve Ders Sonrası Pekiştirme | 13 | 3 | 39 |
Arazi Çalışması | 0 | 0 | 0 |
Grup Çalışması / Ödevi | 4 | 5 | 20 |
Laboratuvar | 0 | 0 | 0 |
Okuma | 0 | 0 | 0 |
Ödev | 4 | 4 | 16 |
Proje Hazırlama | 1 | 24 | 24 |
Seminer | 0 | 0 | 0 |
Staj | 0 | 0 | 0 |
Teknik Gezi | 0 | 0 | 0 |
Web Tab. Öğrenme | 0 | 0 | 0 |
Uygulama | 0 | 0 | 0 |
Yerinde Uygulama | 0 | 0 | 0 |
Mesleki Faaliyet | 0 | 0 | 0 |
Sosyal Faaliyet | 0 | 0 | 0 |
Tez Hazırlama | 0 | 0 | 0 |
Alan Çalışması | 0 | 0 | 0 |
Rapor Yazma | 1 | 4 | 4 |
Final Sınavı | 1 | 1 | 1 |
Final Sınavı Hazırlığı | 7 | 4 | 28 |
Ara Sınav | 1 | 1 | 1 |
Ara Sınav Hazırlığı | 7 | 4 | 28 |
Kısa Sınav | 0 | 0 | 0 |
Kısa Sınav Hazırlığı | 0 | 0 | 0 |
TOPLAM | 53 | 0 | 203 |
Genel Toplam | 203 | ||
Toplam İş Yükü / 25.5 | 8 | ||
Dersin AKTS(ECTS) Kredisi | 8,0 |