Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
BIG DATA TECHNOLOGIES	İkinci Düzey	CENG 529	Seçmeli	1	7.50	7.50	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	N/A
Eğitimin Dili	English
Koordinatör	DR. ÖĞRETİM ÜYESİ FEHİM KÖYLÜ
Dersi Veren Öğretim Eleman(lar)ı	Dr. Fehim KÖYLÜ
Yardımcı Öğretim Eleman(lar)ı
Dersin Veriliş Şekli	live in a classroom environment
Dersin Amacı	Literature review of processing techniques and tools on cluster computers for terabyte-sized data stacks, called big data technologies,
Dersin Tanımı	Literature review of processing techniques and tools on cluster computers for terabyte-sized data stacks, called big data technologies,

Dersin İçeriği

1	BIG DATA CONCEPT, CLASSIC COMPLEXITY METRIC FOR SOFTWARE AND DATA PROCESSING
2	UNITS OF DATA, DATA SOURCES, KEY TECHNIQUES, DATA EXTRACTION, CLEANING, AND INTEGRATION
3	DATA FLOW AND MANAGEMENT, DATA SEARCH, ANALYTICS, AND VISUALIZATION, DATA SECURITY AND PRIVACY
4	THE FOUR AGE OF SCIENTIFIC DISCOVERY (EXPERIMENTAL, THEORETICAL, COMPUTATIONAL, DATA EXPLORATION AND MODELING)
5	THE FIRST BIG DATA PROBLEM, INTERNET SEARCH ENGINE, GOOGLE PAPERS
6	V KEYWORDS FOR BIG DATA,
7	DATA DEFINITION, DIFFERENT TYPES OF DATA, DIKW PYRAMID, DATA LANDSCAPE,
8	TYPES OF ATTRIBUTES, ORDINAL, NOMINAL, INTERVAL, RATIO, DISCRETE/CONTINUOUS, SIMPLE/COMPOSITE, SINGLE-VALUED/MULTI-VALUED, RECORD, DATA MATRIX, DOCUMENT DATA, TRANSACTION DATA, GRAPH DATA, SPATIAL DATA, TEMPORAL DATA, SEQUENTIAL DATA, SPARSE DATA,
9	DATABASE MANAGEMENT SYSTEMS, RELATIONAL DATA, STRUCTURED DATA, RELATIONAL ALGEBRA, RELATIONAL QUERIES, NORMALIZATION
10	PARALLEL AND DISTRIBUTED PROGRAMMING PARADIGMS, PARTITIONING, MPI, MAP REDUCE,
11	APACHE HADOOP AND RELATED PROJECTS, HADOOP ECOSYSTEM, HDFS, YARN, MAP REDUCE EXAMPLES,
12	HBASE, CASSANDRA, MAHOUT, HIVE,
13	SPARK
14
15
16
17
18
19
20

Dersin Öğrenme Çıktıları

1	Map reduce programming concept
2	Data, information, knowledge and wisdom process
3	Machine learning
4	Artificial intelligence and deep learning
5	Cluster computing
6
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1	Matematik, fen ve Mühendislik bilgilerini uygulama becerisi
2	Deney tasarlama ve yapma ile deney sonuçlarını yorumlama becerisi
3	istenen gereksinimleri karşılayacak biçimde bir sistemi, parçayı veya süreci tasarımlama
4	Disiplinler arası takımlarda çalışabilme becerisi
5	Mühendislik problemleri tanımlama, formüle etme ve çözme becerisi
6	Mesleki ve etik sorumluluk bilinci
7	Mühendislik çözümlerinin evrensel ve toplumsal boyutlarda etkinliklerini anlamak için gerekli genişlikte eğitim
8	Yaşam boyu öğrenmenin gerekliliği bilinci
9	Mühendislik problemlerini tanımlayabilme, çözüm yöntemi geliştirme ve çözümlerde yenilikçi yöntemler uygulama ve geliştirebilme becerisi
10	Çalışmalarını ulusal ve uluslararası ortamlarda yazılı ya da sözlü olarak aktarabilme becerisi
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	3	42
Ödevler	2	20	40
Sunum / Seminer hazırlama	2	15	30
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	4	3	12
Ara sınavlar	1	4	4
Proje (Yarıyıl ödevi)	0	0	0
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	4	3	12
Yarıyıl sonu sınavı	1	4	4
Araştırma	0	0	0
Toplam iş yükü			186
AKTS			7.50

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	50
Kısa sınav	0	0
Ödev	2	50
Yarıyıl içi toplam		100
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı
Yardımcı Kaynaklar

Ders İle İlgili Dosyalar