Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Büyük Veri AnalitiğiBLM512737.5300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiYüksek Lisans
Dersin TürüSeçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Yüksek Lisans Programı
Seçmeli @ Bilgisayar Mühendisliği ABD Bilgisayar Mühendisliği Doktora Programı
Ders KategorisiUzmanlık/Alan Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimBilgisayar Mühendisliği Bölümü
Dersin KoordinatörüSerkan Ayvaz
Dersi Veren(ler)Serkan Ayvaz
Asistan(lar)ı
Dersin AmacıBüyük veri analitiği, gizli örüntüleri ve faydalı içgörüleri keşfetmek için sürekli artan büyük verileri analiz etme sürecidir. Bu dersin amacı, öğrencilere büyük veri analitiğinin temel kavram ve yöntemlerini aktarmak ve öğrencilerin büyük veri çözümlerinde uygulanan büyük veri analitiği yaklaşım ve teknolojilerini öğrenmelerine yardımcı olmaktır.
Dersin İçeriğiBu ders, Hadoop ekosisteminin temelleri, Hadoop mimarisi ve HDFS, MapReduce programlama, Hadoop yönetimi, Spark programlamaya giriş, PySpark ve Scala dillerini kullanarak Spark programlama, RDD'lerle bellek içi hesaplama, NoSQL veritabanları ve dağıtık veri depolama, Spark kullanılarak makine öğrenimi ve akan veri işleme konularını kapsar.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • Tom White.2012.Hadoop: The Definitive Guide, ISBN-13: 978-1449311520
  • Holden Karau, Andy Konwinsky, Patrick Wendell, Matei Zaharia. Learning Spark. O'Reilly Media. ISBN: 978-1-4493-5862-4
  • Jimmy Lin and Chris Dyer. Data-Intensive Text Processing with MapReduce.
  • Bahga, A. and Madisetti, V., 2016. Big Data Science & Analytics: A Hands-On Approach.
  • Mohammed Guller. Big Data Analytics with Spark A Practitioner’s Guide to Using Spark for Large Scale Data Analysis.
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Büyük veri analitiği için kullanılan mimari bileşenleri ve programlama modellerini anlarlar.
  2. Dağıtık dosya sistemlerinin temellerini ve MapReduce programlama modelini öğrenirler.
  3. Büyük veri ortamlarında veri analitiği yöntemlerini uygulayabilirler.
  4. Dağıtık veri depolama ve NoSQL veritabanları kavramlarını öğrenirler.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2DÖÇ-3DÖÇ-4
PÇ-1----
PÇ-2----
PÇ-3----
PÇ-4----
PÇ-5----
PÇ-6----
PÇ-7----
PÇ-8----
PÇ-9----
PÇ-10----

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Büyük veriye giriş
2Hadoop ekosisteminin temelleri
3Hadoop mimarisi ve HDFS
4MapReduce programlama
5Hadoop yönetimi: bir kümeyi yapılandırma, uygulama ve bakımını yapma
6NoSQL veritabanları: dağıtık veri işlemleri ve entegrasyonu
7Apache Spark’a giriş
8Ara Sınav 1 / Uygulama veya Konu Tekrarı
9RDD'ler ve bellek içi hesaplama
10PySpark ile programlama
11Scala ile programlama
12Spark ile makine öğrenimi
13Spark ile akan veri işleme
14Öğrenci sunumları
15Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev110
Sunum/Jüri
Projeler130
Seminer/Workshop
Ara Sınavlar120
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması146
Derse Özgü Staj
Ödev110
Küçük Sınavlar/Stüdyo Kritiği
Projeler150
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)120
Final (Sınav Süresi + Sınav Hazırlık Süresi)130
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok