BİLGİ PAKETİ / DERS KATALOĞU
| BİLGİSAYAR MÜHENDİSLİĞİ (YL) (TEZLİ) (İNGİLİZCE) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Genel Tanıtım Bilgileri
| Ders Kodu: | 3017002017 | ||||||||
| Ders İsmi: | Big Data Systems and Analytics | ||||||||
| Ders Yarıyılı: |
Güz |
||||||||
| Ders Kredileri: |
|
||||||||
| Öğretim Dili: | EN | ||||||||
| Ders Koşulu: | |||||||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||
| Dersin Türü: | Department Elective | ||||||||
| Dersin Seviyesi: |
|
||||||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||||||
| Dersin Koordinatörü: | Dr.Öğr.Üyesi Recep DURANAY | ||||||||
| Dersi Veren(ler): | |||||||||
| Dersin Yardımcıları: |
Dersin Amaç ve İçeriği
| Dersin Amacı: | Bu, Büyük Veri Sistemleri ve Analitik yüksek lisans seviyesinde bir giriş dersidir. Büyük Veri Sistemleri ve Analitikteki birçok kavram ve algoritmaya, teoriye ve pratik çalışmaya geniş bir giriş yapar. Temel kavramlar ve seçilen konular, algoritmalar ve uygulamalar sunulmaktadır. |
| Dersin İçeriği: | Veri tufanı, Bilgi İşlem Modeli: Bulutlar, Veri Merkezleri, Sanallaştırma, Araştırma Modeli: 4. Paradigma, Veri Bilimi Süreci: DIKW, Öneri Sistemleri, Algoritmalar: Kullanıcı Tabanlı En Yakın Komşu İşbirliğine Dayalı Filtreleme, Öneri Sistemlerinin Vektör Uzayı Formülasyonu, Öğeye Dayalı İşbirliğine Dayalı Filtreleme, k En Yakın Komşular ve Yüksek Boyutlu Uzaylar, Paralel Hesaplamanın Temel İlkeleri, Büyük Veri Uygulamaları ve Analitiği için Bulut Bilişim Teknolojileri: Apache Veri Analizi Açık Yığın, MapReduce, Hadoop, Web Arama, Metin Madenciliği ve Teknolojileri, Kmeans ve MapReduce Paralellik, PageRank, NoSQL, BigTable, HBase, İndeksleme Teknolojileri, Pig and Hive, Pig PageRank, Pig K-means, Build Search Engine, Nesnelerin İnterneti ve Sensörler. |
Öğrenme Kazanımları
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
|||||||||||||||||||||||||||||||||
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Veri akışı, Bilgi İşlem Modeli: Bulutlar, Veri Merkezleri, Sanallaştırma | |
| 2) | Araştırma Modeli: 4. Paradigma, Veri Bilimi Süreci: DIKW | |
| 3) | Tavsiye Sistemleri, Algoritmalar: Kullanıcı Tabanlı En Yakın Komşu İşbirlikçi Filtreleme, Tavsiye Sistemlerinin Vektör Uzayı Formülasyonu | |
| 4) | Öğe Tabanlı İşbirlikçi Filtreleme, k En Yakın Komşular ve Yüksek Boyutlu Uzaylar | |
| 5) | Paralel Hesaplamanın Temel İlkeleri | |
| 6) | Büyük Veri Uygulamaları ve Analitiği için Bulut Bilişim Teknolojileri | |
| 7) | Apache Veri Analizi Açık Yığın, MapReduce, Hadoop, Web Araması | |
| 8) | Ara Sınav | |
| 9) | Metin Madenciliği ve Teknolojileri | |
| 10) | Kmeans ve MapReduce Paralellik, PageRank | |
| 11) | NoSQL, BigTable, HBase, İndeksleme Teknolojileri, Pig and Hive, Pig PageRank, Pig | |
| 12) | K-means, Arama Motoru Yapma | |
| 13) | Nesnelerin ve Sensörlerin İnterneti | |
| 14) | Proje Gösterimi / Ara Sınav II |
Kaynaklar
| Ders Notları / Kitaplar: | Distributed and Cloud Computing: From Parallel Processing to The Internet of Things, K. Hwang, G. Fox and J. Dongarra, Morgan Kaufmann Publishers, 2012. |
| Diğer Kaynaklar: | Distributed and Cloud Computing: From Parallel Processing to The Internet of Things, K. Hwang, G. Fox and J. Dongarra, Morgan Kaufmann Publishers, 2012. |
Ders - Program Öğrenme Kazanım İlişkisi
| Ders Öğrenme Kazanımları | 1 |
2 |
|||||||
|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | |||||||||
| 1) Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. | |||||||||
| 2) Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. | |||||||||
| 3) Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. | |||||||||
| 4) Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. | |||||||||
| 5) Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. | |||||||||
| 6) Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. | |||||||||
| 7) Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. | |||||||||
| 8) Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. | |||||||||
| 9) Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. | |||||||||
| 10) Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. | |||||||||
Ders - Öğrenme Kazanımı İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | Bilgisayar Bilimi ve Mühendisliği alanında bilimsel araştırma yaparak geniş ve derin bilgilere ulaşma, değerlendirme, yorumlama ve uygulama becerisi. | |
| 2) | Sınırlı ya da eksik bilgiyi kapatmak ve uygulamak için bilimsel yöntemleri kullanma ve farklı disiplinlerin bilgilerini bütünleştirme kabiliyeti. | |
| 3) | Bilgisayar Bilimi ve Mühendisliği problemlerini kurgulayabilme, problemleri çözmek için yöntemler geliştirebilme ve çözümde yenilikçi yöntemler kullanabilme. | |
| 4) | Yeni ve/veya orijinal fikirler ve algoritmalar geliştirme becerisi; sistem, bileşen veya süreç tasarımında yenilikçi çözümler geliştirmek. | |
| 5) | Bilgisayar Mühendisliğinde uygulanan güncel teknikler ve yöntemler ve bunların kısıtları hakkında geniş bilgi sahibi olma kabiliyeti. | |
| 6) | Analitik modelleme ve deneysel araştırma tasarlama ve uygulama, süreçte karşılaşılan karmaşık durumları çözme ve yorumlama becerisi. | |
| 7) | Bir yabancı dili (İngilizce) en az Avrupa Dil Portföyü seviyesinde sözlü ve yazılı iletişimde kullanabilme kabiliyeti. | |
| 8) | Çok disiplinli ekiplerde liderlik etme, karmaşık durumlara çözüm geliştirme ve sorumluluk alma kabiliyeti. | |
| 9) | Toplumsal, yasal, etik ve ahlaki değerlerin bilincinde olmak ve bu değerler çerçevesinde araştırma ve uygulama çalışmaları yapabilmek. | |
| 10) | Bilgisayar Bilimi ve Mühendisliği alanında yeni ve gelişmekte olan uygulamalar hakkında farkındalık ve bunları inceleme ve gerekirse öğrenme kabiliyeti. |
Öğrenme Etkinliği ve Öğretme Yöntemleri
| Anlatım | |
| Bireysel çalışma ve ödevi | |
| Ders | |
| Grup çalışması ve ödevi | |
| Okuma | |
| Ödev | |
| Problem Çözme | |
| Proje Hazırlama |
Ölçme ve Değerlendirme Yöntemleri ve Kriterleri
| Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
| Ödev | |
| Uygulama | |
| Bireysel Proje | |
| Grup Projesi | |
| Sunum | |
| Raporlama |
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 1 | % 30 |
| Projeler | 1 | % 20 |
| Ara Sınavlar | 1 | % 20 |
| Yarıyıl/Yıl Sonu Sınavı | 1 | % 30 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 70 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 30 | |
| Toplam | % 100 | |
İş Yükü ve AKTS Kredisi Hesaplaması
| Aktiviteler | Aktivite Sayısı | Süre (Saat) | İş Yükü |
| Ders Saati | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışması | 14 | 7 | 98 |
| Proje | 1 | 50 | 50 |
| Ödevler | 1 | 60 | 60 |
| Ara Sınavlar | 1 | 3 | 3 |
| Final | 1 | 3 | 3 |
| Toplam İş Yükü | 256 | ||