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 Kuruluşlarda karşılaşılan güvenlik sorunlarına güvenlik protokolünü ve araçlarını anlayabilirler ve uygulayabilirler,
2. P02 Güvenlik sorunlarıyla mücadele etmek için güvenlik yazılımı tasarlayabilirler,
3. P03 Bilgisayar odaklı zorluklar için güvenlik çözümlerini tanımlayabilir, kategorize edebilir ve geliştirebilirler
4. P04 Bilgisayar güvenliği projelerinin yönetiminde özerklik ve sorumluluk gösterebilirler
5. P05 Bilgisayar teknolojisi güvenliğinde en son kavramları takip edebilirler
6. P06 Gerçekçi kısıtlamalar içinde istenen güvenlik ihtiyaçlarını karşılamak için bir hesaplama sistemi tasarlayabilir, uygulayabilir ve değerlendirebilirler
7. P07 Bilgisayar sistemlerinin güvenliğini sağlamak için gerekli olan uygun güvenlik tekniklerini, protokolleri, becerileri ve araçları kullanabilirler
8. P08 Profesyonel, etik, yasal, güvenlik ve sosyal konuları ve sorumlulukları anlayabilirler
9. P09 Profesyonel ortamla uyumlu ekip çalışmasında etkili işbirliği becerilerini uygulayabilirler
10. P10 Bir kuruluşta güvenli bir operasyonu kolaylaştırmak için uygun güvenlik teknolojisi ve tekniklerini uygulayabilirler

Pç-Dç Matrisi