BİLGİ TEKNOLOJİLERİ (İNGİLİZCE, TEZLİ) | |||||
Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey |
Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
BDA5011 | 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: | 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. |
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. |
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. |
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 |
Ders Notları: | Lecture notes will be provided. |
Diğer Kaynaklar: | Big Data Science & Analytics: A Hands-On Approach. Bahga, A. and Madisetti, V., 2016. |
Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
Devam | % 0 | |
Laboratuar | % 0 | |
Uygulama | % 0 | |
Arazi Çalışması | % 0 | |
Derse Özgü Staj | % 0 | |
Küçük Sınavlar | % 0 | |
Ödev | % 0 | |
Sunum | % 0 | |
Projeler | 1 | % 20 |
Seminer | % 0 | |
Ara Sınavlar | 1 | % 30 |
Ara Juri | % 0 | |
Final | 1 | % 50 |
Rapor Teslimi | % 0 | |
Juri | % 0 | |
Bütünleme | % 0 | |
Toplam | % 100 | |
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 30 | |
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 70 | |
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 | 14 | 10 | 140 |
Sunum / Seminer | 0 | 0 | 0 |
Proje | 1 | 12 | 12 |
Ödevler | 0 | 0 | 0 |
Küçük Sınavlar | 0 | 0 | 0 |
Ara Juri | 0 | 0 | 0 |
Ara Sınavlar | 1 | 3 | 3 |
Rapor Teslimi | 0 | 0 | 0 |
Juri | 0 | 0 | 0 |
Final | 1 | 3 | 3 |
Toplam İş Yükü | 200 |
Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
1) | Temel yazılım mühendisliği bilgisini ve becerilerini kullanır | |
2) | Yazılım Mühendisliği uygulamaları için gerekli olan program geliştirme becerisini uygular. | |
3) | Veri yapılarını kullanır ve algoritma geliştirme bilgilerini uygular. | |
4) | İşletim sistemleri üzerinde sistem programları geliştirir. | |
5) | Bilgisayar organizasyonu, tasarımı ve mimarilerini tanımlar. | |
6) | Bilgisayar ağları ve ağ güvenliği yapılarını oluşturur. | |
7) | İş zekası, veri madenciliği ve veri analizi araçlarını kullanır, tekniklerini uygular. | |
8) | Veritabanı uygulamaları ve WEB tabanlı programlar geliştirir. | |
9) | Bilgi teknolojileri projelerini tanımlar, analiz eder, tasarlar ve yönetir. | |
10) | Eğitimde teknoloji tabanlı ortamları ve araçları kullanır ve geliştirir. | |
11) | İş ortamındaki bilişim teknolojileri ihtiyaçlarını saptar, tanımlar ve çözer. | |
12) | Bilişim teknolojileri yetkinliklerini mesleki sorumluluklar ve etik kuralları çerçevesinde kullanır. |