| YÖNETİCİLER İÇİN İŞLETME (TÜRKÇE, TEZSİZ) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| ISL5130 | Büyük Veri Bilimi Yönetimi | Güz Bahar |
3 | 0 | 3 | 8 |
| Bu dersin açılması ilgili bölüm tarafından yarıyıl başında belirlenir |
| Öğretim Dili: | Tr |
| Dersin Türü: | Departmental Elective |
| Dersin Seviyesi: | LİSANSÜSTÜ |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi SERKAN YEŞİLYURT |
| Dersin Amacı: | Bu dersin amacı, öğrencilere büyük veri kavramının temelini öğretmek, büyük veri kaynaklarının nasıl işlendiğini, analiz edildiğini ve anlamlı bilgiye dönüştürüldüğünü uygulamalı örneklerle kavratmaktır. Ders kapsamında öğrenciler; yapılandırılmış ve yapılandırılmamış verilerle çalışma, veri işleme ve temizleme, veri madenciliği, veri görselleştirme ve temel düzeyde makine öğrenmesi tekniklerini öğrenir. Ayrıca Hadoop, Spark gibi büyük veri platformlarının mimarisi ve kullanım alanları tanıtılır. Öğrencilerin büyük veri bilimi süreçlerini etik, güvenlik ve gizlilik çerçevesinde değerlendirebilmeleri de amaçlanmaktadır. Gerçek hayattan alınmış veri setleriyle çalışarak, öğrendiklerini pratikte uygulama ve problem çözme becerileri kazanmaları hedeflenmektedir. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler; Bu dersi başarıyla tamamlayan öğrenciler: 1. Büyük veri kavramını, özelliklerini ve veri bilimi ile ilişkisini açıklar. 2. Yapılandırılmış ve yapılandırılmamış veri türlerini tanır, analiz eder. 3. Büyük veri işleme araçları ve platformlarını (ör. Hadoop, Spark) temel düzeyde kullanır. 4. Python gibi programlama dillerini kullanarak veri temizleme, görselleştirme ve analiz yapar. 5. Temel düzeyde makine öğrenmesi tekniklerini büyük veri analitiğine uygular. 6. Gerçek hayat problemleri için veri temelli çözüm önerileri geliştirir. 7. Veri güvenliği, gizlilik ve etik konularında farkındalık geliştirir. |
| Bu ders, büyük veri kavramının tanımı, önemi ve veri bilimi ile ilişkisini kapsamlı biçimde ele alır. Yapılandırılmış ve yapılandırılmamış verilerle çalışma, veri toplama ve ön işleme teknikleri, büyük veri altyapıları (Hadoop, Spark), veri madenciliği, veri görselleştirme ve temel düzeyde makine öğrenmesi uygulamaları ders kapsamında incelenir. Ayrıca etik, güvenlik ve mahremiyet gibi büyük veriyle ilgili temel tartışmalar da dersin bir parçasıdır. Uygulamalı içeriklerde Python gibi programlama dilleri ve Jupyter Notebook ortamı kullanılacaktır. Gerçek dünya veri setleri ile proje geliştirme süreci desteklenecektir. |
| Hafta | Konu | Ön Hazırlık | |
| 1) | Büyük Veri Nedir? Tanımı ve Tarihçesi | Yok | |
| 2) | Büyük Veri’nin 5V Özellikleri (Hacim, Hız vb.) | Yok | |
| 3) | Veri Bilimi ve Veri Bilimcisi Kimdir? | Yok | |
| 4) | Veri Kaynakları ve Veri Türleri | Yok | |
| 5) | Büyük Veri Altyapıları: Hadoop ve Spark | Yok | |
| 6) | Veri Toplama ve Ön İşleme | Yok | |
| 7) | Veri Görselleştirme Teknikleri | Yok | |
| 8) | Python ile Veri Analizi | Yok | |
| 9) | Makine Öğrenmesine Giriş | Yok | |
| 10) | Büyük Veri ve Yapay Zekâ | Yok | |
| 11) | Etik, Gizlilik ve Güvenlik Sorunları | Yok | |
| 12) | Gerçek Yaşamdan Büyük Veri Uygulamaları | Yok | |
| 13) | Mini Proje Sunumları | Yok | |
| 14) | Büyük veri teknolojilerinde trendler | Yok | |
| Ders Notları: | Ders süresince eğitmen tarafından hazırlanacak haftalık ders slaytları, örnek veri setleri ve Python uygulama dosyaları öğrencilerle paylaşılacaktır. Ayrıca çevrim içi platformlar (Kaggle, Google Dataset Search) üzerinden destekleyici kaynaklara yönlendirme yapılacaktır. Marr, B. (2016). Big Data in Practice: How 45 Successful Companies Used Big Data Analytics to Deliver Extraordinary Results. Wiley. McKinney, W. (2022). Python for Data Analysis. O’Reilly. |
| Diğer Kaynaklar: | Weekly lecture slides, sample datasets, and Python notebooks will be shared with students by the instructor. Supplementary resources will be introduced via online platforms such as Kaggle and Google Dataset Search. Marr, B. (2016). Big Data in Practice: How 45 Successful Companies Used Big Data Analytics to Deliver Extraordinary Results. Wiley. McKinney, W. (2022). Python for Data Analysis. O’Reilly. |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Devam | 14 | % 10 |
| Laboratuar | % 0 | |
| Uygulama | % 0 | |
| Arazi Çalışması | % 0 | |
| Derse Özgü Staj | % 0 | |
| Küçük Sınavlar | % 0 | |
| Ödev | 2 | % 20 |
| Sunum | % 0 | |
| Projeler | % 0 | |
| Seminer | % 0 | |
| Ara Sınavlar | 1 | % 30 |
| Ara Juri | % 0 | |
| Final | 1 | % 40 |
| Rapor Teslimi | % 0 | |
| Juri | % 0 | |
| Bütünleme | % 0 | |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
| Toplam | % 100 | |
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | İşletmelerin yönetim, organizasyon, pazarlama, finans ve insan kaynakları alanlarında gerekli kavram ve teorilere hakim olur ve bu alanlarda stratejik kararlar alabilir. | |
| 2) | İşletme alanında öğrendiği bilgileri iş hayatında etkin bir şekilde uygulayabilir ve karşılaştığı karmaşık iş problemlerine çözüm üretebilir. | |
| 3) | İşletme ile ilgili bilimsel araştırmaları analiz edebilir, bu araştırmalarda yer alabilir ve yenilikçi çözümler geliştirebilir. | |
| 4) | İşletme yönetiminde kullanılan bilgisayar yazılımları ve dijital araçlara hakim olarak, veri analizinde teknolojiyi etkin bir şekilde kullanabilir. | |
| 5) | Hem bireysel hem de grup çalışmalarında gerekli iletişim ve sorumluluk yetkinliğine sahip olur, çok disiplinli ve çok kültürlü takımlarda liderlik yapabilir. | |
| 6) | İşletmelerin faaliyetlerinde etik değerlere, sosyal sorumluluğa, sürdürülebilirliğe ve işçi-tüketici ilişkilerinde adil yönetim anlayışına uygun hareket edilmesi gerektiğini benimser. | |
| 7) | İşletme alanındaki bilgilerini, yaşam boyu öğrenme yaklaşımı doğrultusunda sürekli yeniler, geliştirir ve çevresindekilerle paylaşır. | |
| 8) | İşletmelerde karşılaşılan sorunları analitik bir bakış açısıyla analiz eder, stratejik çözümler geliştirir ve bu çözümlerin uygulanmasını kontrol eder. | |
| 9) | Değişen pazar koşullarına göre bilgi ve becerilerini günceller, yenilikçi ve sürdürülebilir iş stratejileri geliştirme yeterliliğine sahip olur | |
| 10) | Bir mal veya hizmet işletmesinde hem ticari başarı hem de topluma fayda sağlayan, sürdürülebilirlik odaklı yatırım projeleri hazırlayabilir, uygulayabilir ve değerlendirebilir. | |
| 11) | İşletmelerin çalışanlarına sağladıkları güvenceler, olanaklar ve çalışma ortamının önemini kavrar, iş yerinde eşitlikçilik, etik ve sürdürülebilirlik ilkelerine dayalı bir yönetim anlayışını benimser |