AKTS - Büyük Veri Çözümlemeleri

Büyük Veri Çözümlemeleri (CMPE543) Ders Detayları

Ders Adı Ders Kodu Dönemi Saati Uygulama Saati Laboratuar Hours Kredi AKTS
Büyük Veri Çözümlemeleri CMPE543 3 0 0 3 5
Ön Koşul Ders(ler)i
N/A
Dersin Dili İngilizce
Dersin Türü N/A
Dersin Seviyesi Doktora
Ders Verilme Şekli Yüz Yüze
Dersin Öğrenme ve Öğretme Teknikleri Anlatım.
Dersin Koordinatörü
Dersin Öğretmen(ler)i
Dersin Asistan(lar)ı
Dersin Amacı Bu dersin amacı büyük verilerin paylaşımı, görselleştirilmesi, sınıflandırılması ve analiz edilmesi için gerekli yöntem ve teknolojileri sunmaktır.
Dersin Eğitim Çıktıları Bu dersi başarıyla tamamlayabilen öğrenciler;
  • Büyük verilerin barındırılması ve paylaşılması için doğru veri formatlarını ve servis modellerini seçebilmesi.
  • Web-tabanlı bir noSQL uygulaması geliştirmesi.
  • Hadoop, Hive ve Shark kullanarak sorgulamalar yaratması.
  • Geniş veri setlerini araştırmak için görselleştirme stratejilerini değerlendirmesi.
  • MapReduce model ve veri dönüşüm iş akışlarını kullanarak veri işleme iş hatları oluşturması.
  • R kullanarak büyük verileri analiz etmesi.
Dersin İçeriği Servis olarak altyapı (IaaS), Hadoop çerçevesi, hive altyapısı, veri görselleştirme, MapReduce modeli, NoSQL veritabanları, geniş ölçekli veri iş akışları, sınıflandırma, R kullanımı.

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

Hafta Konular Ön Hazırlık
1 Giriş Bölüm 1 (Ders Kitabı)
2 Büyük Verileri Barındırma ve Paylaşma Bölüm 2 (Ders Kitabı)
3 İlişkisel Olmayan Veritabanları Bölüm 3 (Ders Kitabı)
4 Büyük Verileri İşleme Bölüm 4 (Ders Kitabı)
5 Hadoop Kullanımı Bölüm 5 (Ders Kitabı)
6 Veri Paneli Geliştirme Bölüm 6 (Ders Kitabı)
7 Büyük Verileri Görselleştirme Bölüm 7 (Ders Kitabı)
8 MapReduce Modeli Bölüm 8 (Ders Kitabı)
9 MapReduce Modeli Bölüm 8 (Ders Kitabı)
10 Veri Dönüşüm İş Akışları Bölüm 9 (Ders Kitabı)
11 Mahout ile Verilerin Sınıflandırılması Bölüm 10 (Ders Kitabı)
12 R ile İstatistiksel Analizler Bölüm 11 (Ders Kitabı)
13 Çözümleme İş Akışları Geliştirme Bölüm 12 (Ders Kitabı)
14 Çözümleme İş Akışları Geliştirme Bölüm 12 (Ders Kitabı)
15 Gözden geçirme
16 Gözden geçirme

Kaynaklar

Ders Kitabı 1. Data Just Right: Introduction to Large-Scale Data & Analytics”, M. Manoochehri, Addison-Wesley, 2013
Diğer Kaynaklar 2. “Mining of Massive Datasets”, A. Rajaraman & J. D: Ullman, Cambridge University Press, 2011.
3. Apache Hadoop Project, available at http://hadoop.apache.org/

Değerlendirme System

Çalışmalar Sayı Katkı Payı
Devam/Katılım - -
Laboratuar - -
Uygulama - -
Alan Çalışması - -
Derse Özgü Staj - -
Küçük Sınavlar/Stüdyo Kritiği - -
Ödevler - -
Sunum - -
Projeler 3 30
Rapor - -
Seminer - -
Ara Sınavlar/Ara Juri 1 35
Genel Sınav/Final Juri 1 35
Toplam 5 100
Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı 65
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 35
Toplam 100

Kurs Kategorisi

Temel Meslek Dersleri
Uzmanlık/Alan Dersleri
Destek Dersleri X
İletişim ve Yönetim Becerileri Dersleri
Aktarılabilir Beceri Dersleri

Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi

# Program Yeterlilikleri / Çıktıları Katkı Düzeyi
1 2 3 4 5
1 Yazılım mühendisliği araştırma alanında en gelişmiş teknoloji ve literatürü kavrama X
2 Yazılım mühendisliğinde dünya çapında araştırma yapma ve bu alanda en iyi konferans ve dergilerde bilimsel makale yayınlama becerisi
3 Yazılım mühendisliğinde sayısal ve niteliksel çalışmalar yürütebilme X
4 Yazılım mühendisliği alanında akademik çevre ve endüstri arasında köprü kurabilmek için gerekli becerileri edinme ve gerçek dünyada karşılaşılan problemleri çözmek için yazılım mühendisliği yaklaşımlarını geliştirme ve uygulama X
5 Bilim ve teknolojideki güncel gelişmeleri takip edebilmek için gereken bilgiye ulaşma ve bilimsel araştırma gerçekleştirme veya yazılım mühendisliği alanına proje geliştirme becerisi X
6 Yazılım mühendisliği alanında mesleki, hukuksal, etik ve sosyal sorunlar hakkında farkındalık ve sorumluluk bilinci
7 Proje ve risk yönetim becerisi; girişimciliğin, yenilikçilik ve sürdürülebilir kalkınmanın önemi hakkında farkındalık; yazılım mühendisliği uygulamaları standartları ve yöntemleri için uluslararası mükemmellik standartlarının bilinmesi X
8 Karar alırken, Yazılım mühendisliği uygulamalarının evrensel, çevresel, sosyal ve hukuksal sonuçları konusunda farkındalık
9 Yazılım mühendisliği uygulamaları için mükemmellik standardını geliştirmek, benimsemek ve sürdürülebilir kullanımını desteklemek X

ECTS/İş Yükü Tablosu

Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü
Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) 16 3 48
Laboratuar
Uygulama
Derse Özgü Staj
Alan Çalışması
Sınıf Dışı Ders Çalışma Süresi 16 2 32
Sunum/Seminer Hazırlama
Projeler
Raporlar
Ödevler 3 5 15
Küçük Sınavlar/Stüdyo Kritiği
Ara Sınavlara/Ara Juriye Hazırlanma Süresi 1 10 10
Genel Sınava/Genel Juriye Hazırlanma Süresi 1 20 20
Toplam İş Yükü 125