Büyük Veri Analitiği ve Veri Madenciliği dersinde Büyük Verinin saklanması, yönetimi, analizi ve çözümlemesi konuları ve bu amaçla kullanılan çeşitli Veri Madenciliği ve Makine Öğrenmesi teknikleri anlatılacak, bu bağlamda Büyük Veri setlerinden karar destek sistemleri için anlamlı ve faydalı bilgilerin elde edilme yöntemlerinin öğretimi amaçlanacaktır.
Ön Koşullar
Yok
Eş Koşullar
Yok
Özel Koşullar
Dersin alınabilmesi için öğrenciden beklenen asgari yeterlilikler.(Örnekler: Yabancı dil seviyesi, derse devam, önceden edindiği kurumsal yeterlilikler vs. gibi)
Öğretim Üyesinin ismi, Gün, XX.XX-XX.XX, xxx Yerleşkesi Ofis no
Öğretim Yöntem ve Teknikleri
-Teori, Uygulama
Temel Kaynaklar
-“Big Data Science & Analytics: A Hands-On Approach”, A. Bahga, V.Madisetti, VPT, 2016.
Diğer Kaynaklar
-“Mining of Massive Datasets”, 2nd ed., J.Leskovec, A.Rajamaran, J.D.Ullman, Cambridge University Press, 2014.
-“Big Data Analytics with R and Hadoop”, V. Prajapati, Packt Publishing, 2013.
Haftalık Ders Programı
Hafta
Dersin İçeriği
Öğretim Yöntem ve Teknikleri
1. Hafta
Büyük Veri Nedir ?
Teori
2. Hafta
Büyük Veri Analitiği Platformları – I (MapReduce)
Teori, Uygulama
3. Hafta
Büyük Veri Analitiği Platformları – II (Hadoop)
Teori, Uygulama
4. Hafta
Büyük Veri Analitiği Platformları – III (GraphLab)
Teori, Uygulama
5. Hafta
Veri Ön İşleme, Veri Temizleme, Veri Normalleştirme
Teori, Uygulama
6. Hafta
Kümeleme, Sınıflandırma
Teori, Uygulama
7. Hafta
Yapılandırılmış Veri Madenciliği
Teori, Uygulama
8. Hafta
Metin Analizi
Teori, Uygulama
9. Hafta
Boyut İndirgeme
Teori, Uygulama
10. Hafta
Web Madenciliği
Teori, Uygulama
11. Hafta
Bağlı Büyük Veri
Teori, Uygulama
12. Hafta
R Dili – İstatistiksel Analiz, Veri Görselleştirme
Teori, Uygulama
13. Hafta
Büyük Verinin Görselleştirilmesi
Teori, Uygulama
14. Hafta
İleri Konular ve Araştırma Alanları
Teori, Uygulama
15. Hafta
16. Hafta
17. Hafta
Değerlendirme Ölçütleri
Ölçüt Tipleri
Adet
Yüzdesi(%)
Ara sınav(lar)
1
30
Projeler
1
30
Final
1
40
ÖÇ-1
Büyük Veri seti ile klasik veri seti arasındaki temel farkları tanımlar.
ÖÇ-2
Büyük Verinin saklanması için kullanılan farklı platformları tanır.
ÖÇ-3
Büyük Veri analizinde kullanılan Makine Öğrenmesi tekniklerini öğrenir.
ÖÇ-4
Büyük Veriden anlamlı bilgiler çıkarma ve bu veriyi görselleştirme tekniklerini öğrenir.
ÖÇ-5
Büyük Veri analitiği ile ilişkili güncel problemleri ve uygulama alanlarını tanır ve proje/çözüm üretebilecek temel bilgi donanımına sahip olur.
ÖÇ-6
R dilinde istatistiksel analiz ve veri görselleştirmeyi öğrenir.
Program Çıktıları
PÇ-1
Matematik ve Bilgisayar bilimleri konularında bilimsel araştırma yapacak düzeyde kuramsal ve uygulamalı bilgilere sahiptir.
PÇ-2
Lisans düzeyi yeterliliklerine dayalı olarak, aynı veya farklı bir alanda bilgilerini uzmanlık düzeyinde geliştirir, derinleştirir ve istatistik metotları kullanarak analiz eder ve yorumlar.
PÇ-3
Alanı ile ilgili uygulamalarda karşılaşılan ve öngörülemeyen karmaşık sorunların çözümü için yeni stratejik yaklaşımlar geliştirir ve sorumluluk alarak çözüm üretir.
PÇ-4
Alanında edindiği uzmanlık düzeyindeki bilgi ve becerileri eleştirel bir yaklaşımla değerlendirir ve öğrenmesini yönlendirir.
PÇ-5
Alanındaki güncel gelişmeleri ve kendi çalışmalarını, nicel ve nitel veriler ile destekleyerek alanındaki ve alan dışındaki gruplara, yazılı, sözlü ve görsel olarak sistemli biçimde aktarır.
PÇ-6
Alanının gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini ileri düzeyde kullanır.
PÇ-7
Alanında karşılaştığı problemleri modelleyip etkin algoritmalar geliştirir ve güncel programlama dilleri kullanarak söz konusu problemleri çözüme kavuşturur.
PÇ-8
Alanı ile ilgili verilerin toplanması, yorumlanması, uygulanması ve duyurulması aşamalarında toplumsal, bilimsel, kültürel ve etik değerleri gözetir.
PÇ-9
Alanı ile ilgili karşılaşılan sorunların çözümünde stratejik karar verme süreçlerini kullanarak işlevsel etkileşim kurar.
PÇ-10
En az bir yabancı dili kullanarak ileri düzeyde yazılı, sözlü ve görsel iletişim kurar ve tartışır.
