BIG DATA ANALYSIS PROGRAMME COURSE DESCRIPTION

Code	Name of the Course Unit	Semester	In-Class Hours (T+P)	Credit	ECTS Credit
YBS413	BIG DATA ANALYSIS	7	3	3	8

GENERAL INFORMATION
Language of Instruction :	Türkçe
Level of the Course Unit :	LİSANS, TYY: + 6.Düzey, EQF-LLL: 6.Düzey, QF-EHEA: 1.Düzey
Type of the Course :	Zorunlu
Mode of Delivery of the Course Unit	-
Coordinator of the Course Unit	Dr.Öğr.Üyesi DİDEM TETİK KÜÇÜKELÇİ
Instructor(s) of the Course Unit	Dr.Öğr.Üyesi SÜREYYA İMRE BIYIKLI
Course Prerequisite	No

OBJECTIVES AND CONTENTS
Objectives of the Course Unit:	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.
Contents of the Course Unit:	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.

KEY LEARNING OUTCOMES OF THE COURSE UNIT (On successful completion of this course unit, students/learners will or will be able to)
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}

WEEKLY COURSE CONTENTS AND STUDY MATERIALS FOR PRELIMINARY & FURTHER STUDY
Week	Preparatory	Topics(Subjects)	Method
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	-

SOURCE MATERIALS & RECOMMENDED READING
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.

ASSESSMENT
Assessment & Grading of In-Term Activities	Number of Activities	Degree of Contribution (%)	Description	Examination Method
Ara Sınav (Vize)	1	40
Ödev Değerlendirme	1	10
DÖNEM SONU- Sınavı (Final)	1	50
TOPLAM	3	100

Level of Contribution
0	1	2	3	4	5

KNOWLEDGE
Theoretical
	Programme Learning Outcomes	Level of Contribution
		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
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Report the obtained data.						5
2	Prepare software and projects related with the field.						5

SKILLS
Cognitive
	Programme Learning Outcomes	Level of Contribution
		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
	Programme Learning Outcomes	Level of Contribution
		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
	Programme Learning Outcomes	Level of Contribution
		0	1	2	3	4	5
1	Fulfill responsibility with a focus on result in individual and team studies.						5

OCCUPATIONAL
Learning to Learn
	Programme Learning Outcomes	Level of Contribution
		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
	Programme Learning Outcomes	Level of Contribution
		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
	Programme Learning Outcomes	Level of Contribution
		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

WORKLOAD & ECTS CREDITS OF THE COURSE UNIT
Workload for Learning & Teaching Activities
Type of the Learning Activites	Learning Activities (# of week)	Duration (hours, h)	Workload (h)
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