| BESLENME VE DİYETETİK (TÜRKÇE,TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| 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 |
| Öğretim Dili: | En |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Doç. Dr. CEMAL OKAN ŞAKAR |
| Dersi Veren(ler): |
Doç. Dr. 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. |
|
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 |
| 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. Dersin öğrenme yöntemleri anlatım, grup çalışması, teknoloji destekli öğrenme, proje hazırlama, uygulama şeklindedir. |
| 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 | ||
| Ders Notları: | Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die by E. Siegel |
| Diğer Kaynaklar: | S Chandramouli et al, Big Data Analytics, ISBN: 9789393330468 | Year: 2024 |
| 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 | |
| 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 | ||
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Beslenme ve Diyetetik alanındaki teorik ve metodolojik yaklaşımları, kanıt-temelli ilkeleri ve bilimsel literatürü uygulamalarında sistematik olarak kullanmak. | |
| 2) | Mesleki uygulamalarında etik ilke ve değerlere uygun davranmayı, temel değer ve sosyal hakların evrenselliğini gözetmek. | |
| 3) | Yaşam boyu öğrenme, sorun çözme ve eleştirel düşünme becerilerini kullanmak. | |
| 4) | Birey, aile ve toplumun sağlığının korunması, iyileştirilmesi ve geliştirilmesi için teorik ve uygulama bilgisine sahip olmak. | |
| 5) | Toplumsal sorumluluk bilinci ile interdisipliner anlayış içinde araştırma, proje ve etkinliklerde rol almak. | |
| 6) | Diğer diyetisyenlerin yetiştirilmesi, sağlık profesyonellerinin ve bireylerin beslenme konusunda eğitilmeleri için sorumluluk almak ve tüm süreçlere aktif bir şekilde katılmak. | |
| 7) | Toplumda beslenme ile ilgili problemler için daha fazla risk altında bulunan özel grupların (gebeler, emziren anneler, bebekler, adölesanlar, yaşlılar vb) beslenme durumunu değerlendirmek. | |
| 8) | Farklı ortamlarda, danışanları ve iş arkadaşlarıyla etkili profesyonel ilişkilerin başlatılması için etkin bir şekilde iletişim kurmak. | |
| 9) | Beslenme ve diyetetik alandaki uygulama ve araştırmalarda bilişim ve sağlık bakım teknolojilerini kullanmak. | |
| 10) | Sağlık bilimlerine yönelik veritabanları ve bilgi kaynaklarında literatür taraması yapmak, bilgiye erişme ve kullanma becerisi kazanmak. | |
| 11) | En az bir yabancı dili kullanarak alanındaki bilgileri izleme ve meslektaşları ile uluslararası düzeyde iletişim ve işbirliği gerçekleştirebilmek. | |
| 12) | Diyetetik uygulamalarını, içinde bulunduğu toplumun kültürel farklılıklarını ve bu toplum içindeki farklı grupların farklı sağlık ihtiyaçlarını da dikkate alarak gerçekleştirmek. |