BÜYÜK VERİ KAVRAM VE UYGULAMALARI

Ders Açıklaması

Bu ders, insan yaşamının birçok yönünün dijitalleşmesi ve sosyal medya platformlarının giderek büyümesiyle giderek daha erişilebilir hale gelen büyük verileri incelemeyi amaçlar. Ders, büyük veri hakkında geniş bir anlayış ve büyük veri manipülasyonunun farklı yaklaşımlarını sunar. Öğrenciler, metin, video, ses, fotoğraf ve daha fazlası gibi çeşitli biçimlerde depolanabilen büyük verilerin terabaytlarca ve petabaytlarca depolama alanını nasıl işgal edebileceğini keşfedecekler. Bu derste Hadoop yazılımı, Hadoop Dağıtılmış Dosya Sistemi (HDFS) ve MapReduce tekniğinin yanı sıra denetimli ve denetimsiz makine öğrenimi yaklaşımları tanıtılmakta ve yapay sinir ağları kapsamlı bir şekilde incelenecektir. Dersi tamamlayan öğrencilerin farklı yöntem ve araçlar kullanarak internetten büyük veri kümelerini toplayabilmeleri ve işleyebilmeleri beklenmektedir.

BÜYÜK VERİ KAVRAM VE UYGULAMALARI

Değerlendirme Araçları (Aktif Dönem)

Değerlendirme öğesi tanımlanmamış.

Ders çıktıları

Henüz ders çıktısı tanımlanmamış.

Ders Müfredatı

Referans Kitaplar & Ders Materyalleri

1. 01 Kamal, R., & Saxena, P. (2019). Big Data Analytics: Introduction to Hadoop, Spark, and Machine Learning (1st ed.). McGraw-Hill Education.

Ders Çıktıları

1. L01 Büyük verinin temel kavramlarını, özelliklerini ve gerçek yaşam bağlamlarındaki zorluklarını açıklar. SOLO 4
2. L02 Hadoop, HDFS, HBase, MapReduce ve YARN dahil olmak üzere büyük veri ekosistemi bileşenlerinin mimarisini ve işlevlerini açıklar. SOLO 3
3. L03 Büyük ölçekli yapılandırılmış ve yapılandırılmamış veri kümelerini depolamak, yönetmek ve işlemek için dağıtık hesaplama yöntemlerini uygular. SOLO 3.5
4. L04 Spark ve ilgili büyük veri araçlarını kullanarak veri işleme ve analiz görevlerini uygular. SOLO 4
5. L05 Büyük veri problemlerini analiz eder ve sınıflandırma, regresyon ve gözetimsiz öğrenme teknikleri dahil uygun makine öğrenmesi yaklaşımlarını seçer. SOLO 3.5
6. L06 Farklı büyük veri teknolojilerinin iş ve gerçek yaşam uygulamaları için uygunluğunu ve ölçeklenebilirliğini değerlendirir. SOLO 5
7. L07 Analitik sonuçları teknik ve teknik olmayan hedef kitleler için etkili biçimde görselleştirir. SOLO 5
8. L08 Etik, gizlilik, güvenlik ve veri sahipliği konularını dikkate alarak büyük veri kümelerini toplar, işler, yorumlar ve veriye dayalı bir çözüm geliştirir. SOLO 5

Program Çıktıları

1. P01 Kullanıcıların iş verilerine erişmesine izin vermek için çağdaş bir nesne yönelimli dilde bir kullanıcı arabirimi oluşturabilir
2. P02 Kullanıcı ihtiyaçlarını tanımlayın ve analiz edin ve bilgi işlem tabanlı sistemlerin seçiminde, oluşturulmasında, entegrasyonunda, değerlendirilmesinde ve yönetiminde bunları dikkate alabilir
3. P03 Ortak iş fonksiyonlarını analiz edebilir ve uygun bilgi teknolojisi çözümlerini belirleyebilir, tasarlayabilir ve geliştirebilir
4. P04 Uygun problem çözme stratejilerini kullanarak çağdaş iş ortamları için yazılım çözümleri tasarlayabilir ve geliştirebilir
5. P05 Çağdaş iş ortamlarını desteklemek için veritabanı sunucusunu yapılandırabilir ve yönetebilir
6. P06 Küçük ila orta ölçekli bir şirket için ilişkisel bir veritabanını yönetebilir
7. P07 BT tabanlı çözümleri kullanıcı ortamına etkin bir şekilde entegre edebilir
8. P08 Profesyonel, etik, yasal, güvenlik ve sosyal konuları ve sorumlulukları anlayabilir
9. P09 Profesyonel ortamla uyumlu etkili iletişim becerilerini uygulayabilir
10. P10 Profesyonel ortamla uyumlu ekip çalışmasında etkili işbirliği becerilerini uygulayabilirler

Pç-Dç Matrisi