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 YBS ve yenilikçi bilgi teknolojilerinin organizasyonlarda etkin kullanımı ve uygulanması konusundaki geniş kapsamlı kavramların bilgisine sahip olduğunu gösterir
2. P02 YBS projelerinin yönetiminde ve örgütsel süreçlerin iyileştirilmesinde özerklik ve sorumluluk göstermek
3. P03 Alandaki güncel sorunları araştırmak ve değerlendirmek için ilgili kurumsal çerçeveler, YBS'den teoriler, ilgili müttefik alanlar ve disiplinlerle ilgili kapsamlı bir anlayış sergilemek
4. P04 Bilişim sistemlerinin edinilmesini, geliştirilmesini, uygulanmasını ve yönetimini kolaylaştırmak için YBS bilgisini uygulamak
5. P05 Bilişim teknolojisi inovasyonlarının yarattığı fırsatlardan yararlanarak YBS stratejisi ile örgütsel strateji arasında uyumunu sağlamak için YBS bilgisini uygulamak
6. P06 Gizlilik, bilgi güvenliği ve bilgilerin etik kullanımı gibi önemli YBS konularında etik ve mantık göstermek
7. P07 Kanıta dayalı karar vermeyi kolaylaştırmak için kurumsal ve çevresel verilerin toplanmasına ve analizine uygun teknolojiler ve teknikler uygulamak
8. P08 Örgütsel sorunları doğru bir şekilde tanımlamak ve YBS kullanarak çözümler önermek için kurumsal verileri analiz etmek
9. P09 Profesyonel ortamla tutarlı etkili iletişim becerileri uygulamak
10. P10 Profesyonel ortamla tutarlı etkin işbirliği becerileri uygulamak

Pç-Dç Matrisi