ENDÜSTRİ 4.0 (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
COP4434 IBM Büyük Veri ve Analitik Güz 3 0 3 6
Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir

Temel Bilgiler

Öğretim Dili: En
Dersin Türü: Departmental Elective
Dersin Seviyesi: LİSANSÜSTÜ
Dersin Veriliş Şekli: Yüz yüze
Dersin Koordinatörü: Dr. Öğr. Üyesi CEMAL OKAN ŞAKAR
Dersi Veren(ler): Prof. Dr. TAŞKIN KOÇAK
Dr. Öğr. Üyesi CEMAL OKAN ŞAKAR
Dersin Amacı: Öğrenciler, IBM'den üst düzey yöneticilerin derslerini alacaklar. Her ders farklı bir konuyu ele alacak ve öğretim üyesi kendi deneyimlerini konunun teorik temelleri ile paylaşacaktır. Kurslar, temel kavramlar, hizmetler, IBM yazılımı, donanım teklifleri ve IBM varlıkları da dahil olmak üzere İş Analitiği ve Büyük Veri yeteneklerini ve hizmet alanlarını içerecektir. Ayrıca, Büyük Veri hizmetlerinin etkili bir şekilde kullanılmasını göstermek için endüstri uygulamarı tartışılacaktır. Dersler, öğrencilerin başarılı bir profesyonel kariyere hazırlanmalarında yardımcı olacaktır.

Öğrenme Çıktıları

Bu dersi başarıyla tamamlayabilen öğrenciler;
Beklenen faydalar aşağıdaki gibi çok boyutludur:
- Mezun olan mühendislerin profesyonel iş için çok daha hazır olmaları
- Gerçek hayat problemlerine ve iş ihtiyaçlarına yönelik akademik araştırmaları (tez dahil) yönlendirmek
- Yeni teknolojilerin uygulaması olarak yeni sanayi projeleri yaratmak

Dersin İçeriği

Ders, Büyük Veri hizmetleri, IBM yazılımı, donanım konseptleri ve IBM varlıkları da dahil olmak üzere Büyük Veri ve Analitiği yetenekleri ve uygulama alanlarını içerecektir. Ayrıca, Büyük Veri hizmetlerinin etkili bir şekilde kullanılmasını göstermek için endüstri uygulamaları kullanılacaktır.

Haftalık Ayrıntılı Ders İçeriği

Hafta Konu Ön Hazırlık
1) Daha İyi İş Çıktıları için Büyük Veri ve Analitiği
2) Endüstri Tabanlı Büyük Veri, En Çok Kullanıldığı Alanlar
3) Büyük Veri Teknolojisine ve IBM Büyük Veri Platformuna Genel Bir Bakış
4) IBM Büyük Veri Platformu, Veri Gezgini
5) Veri depolama
6) Bilgi Entegrasyonu, Master Data Yönetimi, Guardium, OPTİM
7) Hadoop Teknolojisi
8) Ara sınav
9) Müşteri için Ana Veri Yönetimi
10) Yapısal Olmayan Verilerin Kuruluşa Entegrasyonu
11) Metin Analitiği
12) Büyük Veri ve Analitik Altyapı
13) Büyük Veri ve Analitik Altyapı
14) Tekrar

Kaynaklar

Ders Notları: Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die by E. Siegel
Diğer Kaynaklar:

Değerlendirme Sistemi

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Devam 0 % 0
Laboratuar 0 % 0
Uygulama 0 % 0
Arazi Çalışması 0 % 0
Derse Özgü Staj 0 % 0
Küçük Sınavlar 2 % 5
Ödev 0 % 0
Sunum 0 % 0
Projeler 1 % 25
Seminer 0 % 0
Ara Sınavlar 1 % 30
Ara Juri 0 % 0
Final 1 % 40
Rapor Teslimi 0 % 0
Juri 0 % 0
Bütünleme % 0
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 35
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 65
Toplam % 100

AKTS / İş Yükü Tablosu

Aktiviteler Aktivite Sayısı Süre (Saat) İş Yükü
Ders Saati 14 3 42
Laboratuvar 0 0 0
Uygulama 0 0 0
Derse Özgü Staj 0 0 0
Arazi Çalışması 0 0 0
Sınıf Dışı Ders Çalışması 0 0 0
Sunum / Seminer 0 0 0
Proje 1 20 20
Ödevler 0 0 0
Küçük Sınavlar 2 14 28
Ara Juri 0 0 0
Ara Sınavlar 1 25 25
Rapor Teslimi 0 0 0
Juri 0 0 0
Final 1 30 30
Toplam İş Yükü 145

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