DERS TANITIM ve UYGULAMA BİLGİLERİ

Dersin Adı Kodu Yarıyıl T+U+L (saat/hafta) Türü (Z / S) Yerel Kredi AKTS
Büyük Veri Analitiği IT 560 Bahar 03+00+00 Zorunlu 3 7.5
Akademik Birim: Yönetim Bilişim Sistemleri
Öğrenim Türü: Örgün Eğitim
Ön Koşullar Yok
Öğrenim Dili: İngilizce
Dersin Düzeyi: Yüksek Lisans
Dersin Koordinatörü: Mehmet Aydın & Zeki Erdem
Dersi Veren(ler): Zeki Erdem
Dersin Amacı: 1) Veri bilimi ve büyük veri analitiğinin detaylarını öğrenmek
2) Büyük Veri Analitiği için gerekli araçları, açık kaynak kodlu programları, veri depolama sistemlerini öğrenmek
Dersin İçeriği: Büyük Veri tanımı, Hadoop, HDFS, Mapreduce, Spark and Strom, Sqoop, Pig and Hive. Tarihsel, gerçek-zaman yakın ve gerçek-zamanlı büyük Veri analtiği.
Dersin Öğrenme Çıktıları (ÖÇ):
    Dersin Öğrenme Yöntem ve Teknikleri Ders, ödevler, sınıf içi ara sınav ve final sınavı.


    HAFTALIK PROGRAM

    HaftaKonularÖn Hazırlık
    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14


    ZORUNLU ve ÖNERİLEN OKUMALAR

    - Apache Hadoop Online Documentation: http://hadoop.apache.org/docs/current/
    - Apache Hbase: http://hbase.apache.org/
    - Apache Hive: http://hive.apache.org/
    - Apache Mahout - Scalable Machine Learning Library: http://mahout.apache.org/
    - Some Time Series Data Collections: http://www-bcf.usc.edu/~liu32/data.htm
    - Mahout Testing Data: https://cwiki.apache.org/confluence/display/MAHOUT/Collections
    - Collecting Online Data (Facebook Graph API and Twitter Stream API)
    Facebook Graph API, Twitter Stream API, Quandl: financial, economic and social datasets


    DİĞER KAYNAKLAR

    -


    DEĞERLENDİRME SİSTEMİ

    Yarıyıl İçi ÇalışmalarıSayıKatkı Payı (%)
    Total: 0 0


    İŞ YÜKÜ HESAPLAMASI

    EtkinliklerSayısıSüresi (saat)Toplam İş Yükü (saat)
    Toplam İş Yükü (saat):0


    PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ

    # PY1 PY2 PY3 PY4 PY5 PY6 PY7 PY8 PY9 PY10 PY11 PY12