| BÜYÜK VERİ ANALİTİĞİ VE YÖNETİMİ (İNGİLİZCE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| BDA5121 | Girişimcilik ve Büyük Veri Yönetimi | Güz | 3 | 0 | 3 | 8 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi ECE GELAL SOYAK |
| Dersin Amacı: | Bu dersin temel amacı, öğrencileri büyük veri tarafından yönlendirilen girişimcilik fırsatlarını belirleme, değerlendirme ve bunlardan yararlanma konusunda bilgi ve becerilerle donatmaktır. Öğrenciler, verilerin yeni kurulan şirketlerde ve veri merkezli girişimlerde hem stratejik bir varlık hem de inovasyon için bir katalizör olarak nasıl hizmet edebileceğini keşfedeceklerdir. Ders, teknik büyük veri yetenekleri ile iş zekası arasındaki boşluğu doldurmayı amaçlamakta ve öğrencileri veriden para kazanma, dijital iş modelleri ve ölçeklenebilir, sürdürülebilir girişimler yaratmada verinin rolü hakkında eleştirel düşünmeye teşvik etmektedir. Vaka çalışmaları, gerçek dünyadan örnekler ve uygulamalı proje çalışmaları sayesinde öğrenciler veriye dayalı iş fikirlerini formüle etmeyi öğrenecek ve dinamik, yüksek büyüme ortamlarında veri stratejilerini uygulamanın yönetimsel zorluklarını anlayacaklardır. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler; Bu kursu tamamlayan öğrenciler şunları yapabilir; - Girişimcilik fırsatlarını belirlemek ve doğrulamak için büyük veriden nasıl yararlanılabileceğini anlama. - Yalın girişim ilkelerini veri odaklı iş modelleri bağlamında uygulayabileceklerdir. - Büyük veriyi temel bir değer faktörü olarak içeren iş modellerini tasarlama ve değerlendirme. - Startup ortamlarında veri varlıklarını yönetmek, idare etmek ve bunlardan para kazanmak için stratejiler geliştirmek. - Başarılı veri odaklı girişimlerin vaka çalışmalarını analiz etme ve temel başarı faktörlerini çıkarma. - Girişimcilik bağlamlarında veri kullanımıyla ilgili etik, yasal ve düzenleyici zorlukları ele alma. - İş fikirlerini yatırımcılar, ortaklar ve teknik ekipler de dahil olmak üzere paydaşlara etkili bir şekilde iletebilme. |
| Kurs, girişimcilik ve büyük verinin kesiştiği çok çeşitli disiplinler arası konuları kapsamaktadır. İlk modüllerde girişimci düşüncenin temelleri, fırsat tanıma ve yalın girişim metodolojileri tanıtılacak, ardından büyük verinin değer yaratma ve iş modeli inovasyonundaki rolü üzerine derinlemesine tartışmalar yapılacaktır. Öğrenciler, veri yaşam döngüsü yönetimi, veri yönetişimi ve girişimcilik girişimlerinde verilerin etik kullanımını inceleyeceklerdir. Veriye dayalı fırsatların belirlenmesi, veri ürünlerinin prototipinin oluşturulması ve pazara açılma stratejilerinin tasarlanması gibi pratik uygulamalara vurgu yapılmaktadır. Ek konular arasında yatırımcıların veri odaklı girişimlere bakış açıları, veri altyapısını ölçeklendirme ve dijital işletmelerde düzenleyici ve gizlilik zorluklarının üstesinden gelme yer almaktadır. |
| Hafta | Konu | Ön Hazırlık |
| 1) | Girişimciliğe Giriş ve Büyük Veri | |
| 2) | Veri analitiğini kullanarak pazardaki boşlukları belirlemek; müşteri ve sektör verileriyle girişim fikirlerini doğrulamak. | |
| 3) | Yalın Girişim ve Veri Odaklı Doğrulama; Minimum uygulanabilir ürün (MVP) ve verilerle A/B testi | |
| 4) | Büyük veri ekosistemlerine genel bakış (Hadoop, Spark, bulut platformları) | |
| 5) | İş Modelleri ve Veriden Para Kazanma | |
| 6) | Startup'larda Veri Yönetişimi ve Etik | |
| 7) | Verilerle Prototip Oluşturma ve Ürün Geliştirme | |
| 8) | MVP'den ölçeğe geçiş: zorluklar ve çözümler | |
| 9) | Veri Odaklı Girişimlere Finansman Sağlama | |
| 10) | Rekabet Avantajı ve Veri Ağı Etkileri | |
| 11) | Nihai proje geliştirme | |
| 12) | Final Proje Sunumları |
| Ders Notları / Kitaplar: | None |
| Diğer Kaynaklar: | - |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Küçük Sınavlar | 4 | % 40 |
| Sunum | 1 | % 40 |
| Rapor Teslimi | 1 | % 20 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 100 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Sunum / Seminer | 1 | 30 | 30 |
| Proje | 1 | 50 | 50 |
| Küçük Sınavlar | 3 | 15 | 45 |
| Rapor Teslimi | 1 | 30 | 30 |
| Toplam İş Yükü | 197 | ||
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bilimsel literatürü takip eder, eleştirel biçimde analiz eder ve mühendislik problemlerinin çözümünde etkin biçimde kullanır. | 5 |
| 2) | Büyük Veri Analitiği ve Yönetimi ile ilgili özgün projeler tasarlar, planlar, uygular ve yönetir. | 3 |
| 3) | Büyük Veri Analitiği ve Yönetimi ile ilgili çalışmaları bağımsız olarak yürütür, bilimsel sorumluluk alır ve elde edilen sonuçları eleştirel bir bakış açısıyla değerlendirir. | 1 |
| 4) | Yaptığı araştırma ve projelerin sonuçlarını akademik standartlara uygun biçimde yazılı, sözlü ve görsel olarak etkili bir şekilde sunar. | 2 |
| 5) | Büyük Veri Analitiği ve Yönetimi alanıyla ilgili uzmanlık gerektiren konularda bağımsız araştırma yapar, özgün düşünce geliştirir ve bu bilgileri uygulamaya aktarır. | 2 |
| 6) | Büyük Veri Analitiği ve Yönetimi alanına özgü ileri düzey kuramsal ve uygulamalı bilgileri etkin bir biçimde kullanır. | 2 |
| 7) | Mesleki, bilimsel ve etik değerlere uygun hareket eder; mühendislik uygulamalarının toplumsal, çevresel ve etik etkilerini gözeterek sorumluluk alır. | 5 |