Bu dersin sonunda öğrenciler; 1) Büyük veri kavramlarını, terminolojiyi, veri analitiği özelliklerini, belli başlı büyük veri tiplerini öğreneceklerdir. 2) Nitel - nicel veri madenciliği, istatistiksel analiz, A/B testi, korelasyon, regresyon analizi gibi analiz tekniklerini kavrarlar. 3) Kümeleme, dağıtık dosya sistemleri, ilişkisel veritabanı sistemleri, hafıza içi depolama gibi depolama kavramlarına ve paralel, dağıtık, toplu veri işleme gibi büyük veri işleme kavramlarına hakim olurlar.
DERSİN VERİLİŞ BİÇİMİ
Uzaktan Eğitim
DERSİN ÖNKOŞULLARI
Yok
ÖNERİLEN DERSLER
Yok
DERS TANIMI
Büyük veri genel anlamıyla; yapısal, yarı yapısal ya da yapısal olmayan, büyük depolama alanları gerektiren, bilinen yazılım araçları ile makul zamanlarda işlenmesi zor olan verileri ifade etmektedir. Bu dersin amacı, büyük veri analizi ve veri bilimindeki temel kavramları ve yöntemleri tanıtmak ve öğrencilere "Büyük Veri"nin gerçek dünyada kullanımının temel özelliklerini kavramalarını sağlamaktır.
DERS İÇERİĞİ
HAFTA
KONULAR
1. Hafta
Veri Madenciliğine Giriş
2. Hafta
Veri Madenciliğinin Görevleri
3. Hafta
Veri Madenciliğinin Görevleri
4. Hafta
Veri Madenciliğinin Bileşenleri
5. Hafta
Veri Madenciliğinin Bileşenleri
6. Hafta
Veri Madenciliği İle Diğer Analitik Yöntemlerin Karşılaştırılması
7. Hafta
Veri Madenciliği İle Diğer Analitik Yöntemlerin Karşılaştırılması
8. Hafta
Arasınav
9. Hafta
Karar Süreçleri, İş Zekası Ve Veri Madenciliği
10. Hafta
Veri Madenciliği Metodolojisi
11. Hafta
Veri Madenciliği Yöntemlerinin Sınıflandırılması
12. Hafta
Veri Madenciliğinin İstatistiksel Altyapısı
13. Hafta
Veri Madenciliği Yöntemleri Ve Uygulamaları
14. Hafta
Veri Madenciliği Yöntemleri Ve Uygulamaları
ZORUNLU YA DA ÖNERİLEN KAYNAKLAR
1. Big Data Fundamentals: Concepts, Drivers & Techniques (1st ed.). Thomas Erl, Wajid Khattak, and Paul Buhler. Prentice Hall Press, Upper Saddle River, NJ, USA. 2016. 2. Big Data, Principles and Best Practices of Scalable Realtime Data Systems, Nathan Marz and James Warren, Manning Publications 2015.
