BAHÇEŞEHİR ÜNİVERSİTESİ BİLGİ PAKETİ / DERS KATALOĞU
| BİLGİSAYAR MÜHENDİSLİĞİ (İNGİLİZCE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Tanıtım Bilgileri
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| BDA5011 | Büyük Veri ve Analitik | Güz Bahar |
3 | 0 | 3 | 12 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
Temel Bilgiler
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi SERKAN AYVAZ |
| Dersin Amacı: | Bu ders, büyük veri analizi ve veri bilimi alanlarına genel bir bakış sağlar. Konu başlıkları, büyük veri problemleri, uygulamaları ve sistemlerinin ardındaki terminoloji ve temel kavramları içeren veri analizi bağlamında ele alınmaktadır. Bu derste öğrenciler, ölçeklenebilir büyük veri analizi için kullanılan ve daha kolay ve daha erişilebilir hale getiren Hadoop ve ilgili Büyük Veri İşleme araçlarının nasıl kullanılacağını öğreneceklerdir. |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler; • Temel Big Data ve NoSQL konseptleri hakkında geniş bir anlayış elde edinir • Günümüzde piyasada büyük talep gören büyük veri analitiği temel becerileri öğrenir. • MapReduce programlarını ve NoSQL veritabanlarını uygulayabilir ve kullanabilir. |
Dersin İçeriği
| Bu derste, NoSQL veritabanları, Hadoop'a veri taşıma, HBase ile gerçek zamanlı veri analizi, Apache Hive ve Pig gibi büyük veri analitiği araçları içeren büyük veri analizi ile ilgili teknolojileri ele alınacaktır. |
Haftalık Ayrıntılı Ders İçeriği
| Hafta | Konu | Ön Hazırlık |
| 1) | Ders içeriğinin tartışılması, Hadoop ekosistemine genel bakış | |
| 2) | Hadoop Mimarisi, Temel Linux Komutları, Hadoop Kurulumu | |
| 3) | Hadoop'a veri transferi (SQOOP ile pratik uygulamalar) | |
| 4) | Apache Pig ve Pig Latin Temelleri | |
| 5) | Pig Latin Operatörleri ve Örnekleri | |
| 6) | Pig ile Programlama ve Örnekler | |
| 7) | Hive ve Hive Mimarisine Genel Bakış | |
| 8) | HIVE Yapılandırma, Veritabanı ve Tablo İşlemleri alıştırmaları | |
| 9) | HIVE Partition yapma, Bucket kullanımı, Veri Yüklenme, Operatörler ve Yerleşik Fonksiyonlar üzerinde Alıştırmalar ve Impala'ya Genel Bakış | |
| 10) | HIVE View, Index, HIVEQL(Where, Order By, JOINS) Üzerine Alıştırmalar | |
| 11) | Spark ve Spark Mimarisine Genel Bakış | |
| 12) | Spark & Uygulamalı Pratikler | |
| 13) | Spark & Uygulamalı Pratikler | |
| 14) | Grup ödevlerinin öğrenci sunumları |
Kaynaklar
| Ders Notları / Kitaplar: | Lecture notes will be provided. |
| Diğer Kaynaklar: | Big Data Science & Analytics: A Hands-On Approach. Bahga, A. and Madisetti, V., 2016. |
Değerlendirme Sistemi
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Projeler | 1 | % 20 |
| Ara Sınavlar | 1 | % 30 |
| Final | 1 | % 50 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 30 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 70 | |
| Toplam | % 100 | |
AKTS / İş Yükü Tablosu
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışması | 14 | 10 | 140 |
| Proje | 1 | 12 | 12 |
| Ara Sınavlar | 1 | 3 | 3 |
| Final | 1 | 3 | 3 |
| Toplam İş Yükü | 200 | ||
Program ve Öğrenme Kazanımları İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | İleri düzey Bilgisayar Mühendisliği kavramlarını tanımlamak ve uygulamak | |
| 2) | Gelişmiş mühendislik problemlerini formüle edip çözmek | |
| 3) | İleri düzey matematik, fen ve mühendislik bilgisi gerçek promlemler üzerinde uygulamak. | |
| 4) | Araştırma projesi doğrultusunda literatürü dikkatlice gözden geçirip, kendi sonuçları ile önceki literatür arasında bağlantı kurmak | |
| 5) | Mühendislik alanındaki bilimsel araştırmaları yorumlayıp analiz etmek ve çalışma alanındaki bilgileri kullanmak | |
| 6) | Disiplinlerarası etkileşim bulunan araştırma takımlarında etkin şekilde çalışmak | |
| 7) | Bilimsel bilgiye ulaşmak | |
| 8) | Mevcut bilgiyi geliştirme yöntemleri bulmak | |
| 9) | Araştırma konusu ile ilgili fikir ve bulgularını sözlü ve yazılı olarak etkin şekilde ifade edebilmek | |
| 10) | Araştırma bulgularını seminer ve konferanslarda savunabilmek | |
| 11) | İlerleme raporlarını yayınlanmış doküman, tez, makalelere dayandırarak yazmak | |
| 12) | Profesyonel ve etik davranış sorumluluğu sergilemek | |
| 13) | Yeni profesyonel uygulamalar ve yetileri yorumlamak için farkındalık geliştirmek |