Bilgi Paketi / Ders Kataloğu
| Mekatronik ve Robotik Mühendisliği (İngilizce) (Tezli) | |||||
| Yüksek Lisans | Programın Süresi: 2 | Kredi Sayısı: 120 | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF: 7. Düzey |
Ders Genel Tanıtım Bilgileri
| School/Faculty/Institute | Graduate School | ||||
| Course Code | ITC 543 | ||||
| Course Title in English | Applications in Big Data Management | ||||
| Course Title in Turkish | Applications in Big Data Management | ||||
| Language of Instruction | EN | ||||
| Type of Course | Flipped Classroom | ||||
| Level of Course | Intermediate | ||||
| Semester | Spring | ||||
| Contact Hours per Week |
|
||||
| Estimated Student Workload | 174 hours per semester | ||||
| Number of Credits | 7.5 ECTS | ||||
| Grading Mode | Standard Letter Grade | ||||
| Pre-requisites | None | ||||
| Expected Prior Knowledge | None | ||||
| Co-requisites | None | ||||
| Registration Restrictions | Only Graduate Students | ||||
| Overall Educational Objective | To learn the basic designing data warehouse and big data systems. | ||||
| Course Description | The aim of this course is to provide the students with an understanding of how to getting insight using big data. Querying, data warehouse design, understanding schemas, reporting layer and data visualization, and big data ecosystem will be completed and the information about the end-to-end solution will be transferred. | ||||
| Course Description in Turkish | Bu dersin amacı öğrencilere büyük veriyi kullanarak nasıl öngörü elde edeceklerini anlamalarını sağlamaktır. Sorgulama, veri ambarı tasarımı, şemaları anlama, raporlama katmanı ve veri görselleştirme ve büyük veri ekosistemi tamamlanacak ve uçtan uca çözümle ilgili bilgiler aktarılacaktır. |
Course Learning Outcomes and CompetencesUpon successful completion of the course, the learner is expected to be able to:1) OLTP Sistemlerini tasarlamak ve sorgulamak 2) OLAP Sistemlerini tasarlamak ve sorgulamak 3) Modern veri ambarı mimarisini tasarlamak 4) Gerçek dünya sorunları ve veri sistemleri üzerinde uygulamak |
| Program Learning Outcomes/Course Learning Outcomes | 1 | 2 | 3 | 4 |
|---|---|---|---|---|
| 1) | ||||
| 2) | ||||
| 3) | ||||
| 4) | ||||
| 5) | ||||
| 6) | ||||
| 7) | ||||
| 8) | ||||
| 9) | ||||
| 10) |
Relation to Program Outcomes and Competences
| N None | S Supportive | H Highly Related |
| Program Outcomes and Competences | Level | Assessed by | |
| 1) | N | ||
| 2) | N | ||
| 3) | N | ||
| 4) | N | ||
| 5) | N | ||
| 6) | N | ||
| 7) | N | ||
| 8) | N | ||
| 9) | N | ||
| 10) | N |
| Prepared by and Date | , |
| Course Coordinator | İLKER BEKMEZCİ |
| Semester | Spring |
| Name of Instructor | Prof. Dr. İLKER BEKMEZCİ |
Course Contents
| Hafta | Konu |
| 1) | Büyük Veriye Giriş |
| 2) | İstatistik ve Keşif Amaçlı Veri Analizi |
| 3) | İş Zekası: OLAP, Veri Ambarı ve Sütun Deposu |
| 4) | Veri Madenciliğine Giriş |
| 5) | Denetimsiz Yöntemler |
| 6) | Denetimli Yöntemler |
| 7) | WEKA Aracına Giriş |
| 8) | Weka için veri setinin hazırlanması |
| 9) | Makine Öğrenimi: Kümeleme (Denetimsiz Öğrenme) |
| 10) | Makine Öğrenimi: Sınıflandırma (Denetimli Öğrenme) |
| 11) | Makine Öğrenimi ve Harita Azaltma |
| 12) | Grafik Algoritmaları ve MapReduce |
| 13) | Final Proje Sunumları |
| 14) | Final Proje Sunumları |
| 15) | Proje/Sunum Dönemi |
| 16) | Proje/Sunum Dönemi |
| Required/Recommended Readings | 1. Business Intelligence, Analytics, and Data Science: A Managerial Perspective, 4th edition, ISBN 978-0-13-463328-2, by Ramesh Sharda, Dursun Delen, and Efraim Turban, Pearson Education,2018 2. Data Mining: Practical Machine Learning Tools and Techniques (Morgan Kaufmann Series in Data Management Systems) 4th Edition, Ian H. Witten, Eibe Frank, Mark A. Hall, Christopher J. Pal | |||||||||||||||
| Teaching Methods | Flipped classroom. Students will work individually for assignments. | |||||||||||||||
| Homework and Projects | Assignments, Quizzes & Project | |||||||||||||||
| Laboratory Work | None | |||||||||||||||
| Computer Use | Required | |||||||||||||||
| Other Activities | None | |||||||||||||||
| Assessment Methods |
|
|||||||||||||||
| Course Administration |
Academic dishonesty and plagiarism will be subject to Law on Higher Education Article 54. |
|||||||||||||||
ECTS Student Workload Estimation
| Activity | No/Weeks | Hours | Calculation | ||||
| No/Weeks per Semester | Preparing for the Activity | Spent in the Activity Itself | Completing the Activity Requirements | ||||
| Ders Saati | 14 | 2 | 1.5 | 49 | |||
| Laboratuvar | 14 | 2 | 1.5 | 49 | |||
| Ödevler | 9 | 2 | 1 | 27 | |||
| Ara Sınavlar | 1 | 30 | 30 | ||||
| Final | 1 | 30 | 3 | 33 | |||
| Total Workload | 188 | ||||||
| Total Workload/25 | 7.5 | ||||||
| ECTS | 7.5 | ||||||