GERİ DÖN
Ders Öğretim Planı
| Dersin Kodu | Dersin Adı | Dersin Türü | Yıl | Yarıyıl | AKTS | Kredi |
|---|---|---|---|---|---|---|
| EYON324 | Büyük Veriye Giriş | Seçmeli Ders Grubu | 3 | 6 | 5.00 | 3.00 |
Dersin Seviyesi
Lisans
Dersin Sunulduğu Dil
Türkçe
Dersin Amacı
Bu dersin amacı; “büyük veri” kavramını, verinin hacim, hız ve çeşitlilik boyutlarıyla (3V) incelemek, büyük veri ekosistemi içinde yer alan teknolojiler (örneğin dağıtık depolama, Hadoop, Spark, NoSQL) ve analiz yöntemleri (veri entegrasyonu, akış işleme, makine öğrenmesi) hakkında temel bilgi kazandırmak; ayrıca yönetim bilişim sistemleri bağlamında büyük verinin iş, organizasyon ve toplumsal uygulamaları ile etik ve yönetişim boyutlarını tartışmaktır.
Dersi Veren Öğretim GörevlisiGörevlileri
Öğrenme Çıktıları
| 1 | Büyük veri kavramını ve 3 V’sini tanımlayabilme (Volume, Velocity, Variety) |
| 2 | Büyük veri teknolojileri (HDFS, MapReduce, Spark, NoSQL) hakkında temel bilgi sahibi olma |
| 3 | Dağıtık veri depolama ve işleme modellerini açıklayabilme |
| 4 | Büyük veri analitiği süreçlerini, akış verisi işleme ve veri entegrasyonu bağlamında değerlendirebilme |
| 5 | Yönetim bilişim sistemleri perspektifinden büyük verinin iş uygulamaları, organizasyonel etkileri ve etik/gizlilik konularını analiz edebilme |
| 6 | Seçilen bir büyük veri platformunda basit bir uygulama veya prototip gerçekleştirme becerisi kazanma |
Öğrenim Türü
Birinci Öğretim
Dersin Ön Koşulu Olan Dersler
Yok
Ders İçin Önerilen Diğer Hususlar
Yok
Dersin İçeriği
Kavram Tanımı 3 V’ler Ekosistem Teknolojileri Dağıtık Depolama Analitik Süreçler Etik & Yönetişim
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Teorik | [OgretimYontemVeTeknikleri] | [OnHazirlik] |
|---|---|---|---|
| 1 | Dersin tanıtımı; büyük verinin yükselişi ve önemi | ||
| 2 | Büyük veri kavramı & 3 V’si (hacim, hız, çeşitlilik) | ||
| 3 | Büyük veri ekosistemi: mimari ve bileşenler | ||
| 4 | Dağıtık veri depolama ve dosya sistemleri (HDFS vs geleneksel) | ||
| 5 | MapReduce ve paralel işleme modelleri | ||
| 6 | Apache Spark giriş & in-memory işleme | ||
| 7 | Vize sınavı | ||
| 8 | NoSQL veritabanları ve büyük veri depolama çözümleri | ||
| 9 | Veri entegrasyonu, veri gölleri (data lakes) ve akış verisi işleme | ||
| 10 | Büyük veri analitiği: makine öğrenmesi, kümeleme, sınıflandırma | ||
| 11 | Veri görselleştirme ve raporlama büyük veri bağlamında | ||
| 12 | İş dünyası uygulamaları: büyük verinin organizasyonlarda kullanımı | ||
| 13 | Etik, gizlilik, güvenlik ve yönetişim büyük veri bağlamında | ||
| 14 | Genel tekrar, değerlendirme, final proje teslimi |
Ders Kitabı Malzemesi Önerilen Kaynaklar
Planlanan Öğrenme Aktiviteleri ve Metodları
Değerlendirme
| Yarıyıl (Yıl) İçi Etkinlikleri | Adet | Değer |
|---|---|---|
| Ara Sınav | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | Adet | Değer |
| Final Sınavı | 1 | 100 |
| Toplam | 100 | |
| Yarıyıl (Yıl) İçi Etkinlikleri | 40 | |
| Yarıyıl (Yıl) Sonu Etkinlikleri | 60 | |
Staj Durumu
İş Yükü Hesaplaması
| Etkinlikler | Sayısı | Süresi (saat) | Toplam İş Yükü (saat) |
|---|---|---|---|
| Ara Sınav | 1 | 1 | 1 |
| Final Sınavı | 1 | 1 | 1 |
| Proje Hazırlama | 1 | 30 | 30 |
| Ara Sınav İçin Bireysel Çalışma | 1 | 40 | 40 |
| Final Sınavı içiin Bireysel Çalışma | 1 | 60 | 60 |
| Toplam İş Yükü (saat) | 132 | ||
Program ve Öğrenme Çıktıları İlişkisi
| PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 | PÇ 12 | PÇ 13 | PÇ 14 | PÇ 15 | |
| ÖÇ 1 | 3 | ||||||||||||||
| ÖÇ 2 | 5 | ||||||||||||||
| ÖÇ 3 | 3 | ||||||||||||||
| ÖÇ 4 | 4 | ||||||||||||||
| ÖÇ 5 | 4 | ||||||||||||||
| ÖÇ 6 | 3 |
* Katkı Düzeyi : 1 Çok düşük 2 Düşük 3 Orta 4 Yüksek 5 Çok yüksek