Ders Adı Büyük Veri
Ders Kodu 088c753effb0416eb3
Dersin Türü Zorunlu
Ders Biriminin Seviyesi Lisansüstü
Yıl Hazırlık
Dönem 1.Yarıyıl
AKTS 6
Dersi Veren(ler) 2-Ecir Uğur KÜÇÜKSİLLE
Dersin Yardımcıları
Dersin Öğrenme Çıktıları Büyük Veri Kavramı hakkında bilgi sahibi olurlar Büyük veri teknolojilerini bilirler ve kullanabilirler Büyük Veri teknolojilerini kullanarak projeler geliştirebilirler
Ders İşleme Biçimi Yüz Yüze
-
Dersin İçeriği Büyük Veri, Hadoop, Hadoop HDFS Mimarisi, Hadoop YARN Mimarisi, Hadoop MapReduce Mimarisi, Apache Pig, Apache Hive, Apache Spark, Apache Spark Makine Öğrenmesi, Apache Kafka, MongoDB, Elasticsearch
Dersin Verildiği Diller Türkçe
Dersin Hedefleri Büyük Veri kavramı hakkında bilgi sahibi olmayı sağlamak Büyük Veri teknolojilerini ve kullanımını öğretmek Büyük Veri projeleri yapabilme yeteneği kazandırmak
Dersin Amacı Büyük veri kavramı ve büyük veri teknolojilerini öğretmek, bu teknolojileri kullanarak projeler geliştirmek.
WorkPlacement Yok
Hafta Konular  
1 Büyük Veri Nedir ?, Hadoop Nedir?, Hadoop Bileşenleri, Cloudera Sanal Makinesi
2 Hadoop HDFS Mimarisi, Hadoop HDFS Komutları
3 Hadoop YARN Mimarisi, Hadoop MapReduce Mimarisi
4 Apache Pig Nedir ?, Apache Pig Veri Tipleri, Apache Pig Operatörleri, Apache Pig Fonksiyonları, Apache Pig ve Veri Tabanı, Apache Pig ve Kullanıcı Tanımlı Fonksiyonlar
5 Apache Hive Nedir ?, Apache Hive Veri Tipleri, Apache Hive ile Tablo Oluşturma, Apache Hive Sorguları
6 Apache Spark Nedir ?, Apache Spark Mimarisi, Apache Spark ile Proje Geliştirme, Apache Spark RDD Yapısı
7 Apache Spark RDD Dönüşüm Metotları, Cloudera Ortamında Örnek Uygulama Geliştirme
8 Apache Spark RDD Action Metotları
9 Apache Spark – JSON,CSV,Avro,Parquet Entegrasyonu, Apache Spark Apache Hive Entegrasyonu
10 Apache Spark Real Time Streaming, Apache Spark Structured Streaming
11 Apache Spark ve Makine Öğrenmesi
12 Apache Kafka
13 MongoDB
14 Elasticsearch
No Bölüm Öğrenme Çıktısı Katkı Düzeyi
1 Matematik ve fen bilgilerini mühendislikte uygulama becerisi kazanır. 5
2 Deney tasarlama, deney yapma, deney sonuçlarını analiz etme ve yorumlama becerisi kazanır. 5
3 İstenen gereksinimleri karşılayacak biçimde bir sistemin(donanım veya yazılım) süreçlerini tasarlayabilir. 5
4 Çok disiplinli konularda çalışabilir. 5
5 Mühendislik problemlerini tanımlama, modelleme ve çözme becerisi kazanır 5
6 Mesleki ve etik sorumluluk bilinci kazanır. 3
7 Mühendislik çözümlerinin evrensel ve ulusal boyutlarda etkilerini anlama becerisi kazanır. 5
8 Yaşam boyu öğrenmenin gerekliliği, bilinci ve bunu gerçekleştirebilme becerisi kazanır 5
9 Mühendislik uygulamaları için gerekli olan teknikleri ve modern araçları kullanma becerisi kazanır 5
10 Zaman yönetimi yapabilme ve meslek gelişimi planlayabilme becerisi kazanır. 4
11 Bilgisayar mühendisliği ile ilgili projeleri ayrıntıları ile planlayabilme becerileri kazanır. 5
12 Yenilikçi ve sorgulayıcı düşünüp sıra dışı yollar keşfedebilme becerisi kazanır 5
Yarıyıl İçi Çalışmaları Sayısı Katkı Payı
Ara Sınav 1 80
Kısa Sınav 0 0
Ödev 1 20
Devam 0 0
Uygulama 0 0
Labaratuvar 0 0
Proje 0 0
Atölye 0 0
Seminer 0 0
Arazi Çalışması 0 0
TOPLAM 100
Yıliçinin Başarıya Oranı 40
Finalin Başarıya Oranı 60
TOPLAM 100
AKTS kredilerinin belirlenmesinde öğrenci işyükü anketlerinden faydalanılmaktadır.
Etkinlik Sayısı Süresi Toplam
Ders Süresi (Sınav Haftaları Hariç) 14 3 42
Sınıf Dışı Ders Çalışma Süresi 14 2 28
Ödevler 2 10 20
Sunum 0 0 0
Proje 1 10 10
Laboratuar Çalışması 0 0 0
Arazi ya da Alan Çalışması 0 0 0
Ara Sınavlar 1 8 8
Yarıyıl Sonu Sınavı 1 10 10
İşyükü Saati (30) 30
Toplam İşyükü / Saat 0    
Dersin Akts Kredisi 0    
Ders Notu Yok
Diğer Kaynaklar Big Data Fundamentals: Concepts, Drivers & Techniques, Thomas Erl and Wajid Khattak, Prentice Hall Learning Apache Spark 2.0, Muhammad Asif Abbasi, Packt Publishing
Materyal
Dökümanlar Yok
Ödevler Yok
Sınavlar Yok
Materyal Diğer Yok
Planlanmış Öğrenme Faaliyetleri ve Öğretim Yöntemleri
Konferanslar, Uygulamalı Dersler, Sunumlar, Seminerler, Projeler, Laboratuar Uygulamaları(gerekirse)