Bilgi Paketi / Ders Kataloğu
| Bilgisayar Bilimleri ve Mühendisliği Doktora (İngilizce) | |||||
| Doktora | Programın Süresi: 4 | Kredi Sayısı: 240 | TYYÇ: 8. Düzey | QF-EHEA: 3. Düzey | EQF: 8. Düzey |
Ders Genel Tanıtım Bilgileri
| School/Faculty/Institute | Graduate School | ||||||
| Course Code | CSE 617 | ||||||
| Course Title in English | Big Data in Cloud Computing | ||||||
| Course Title in Turkish | Bulut Hesaplamalarda Büyük Veri | ||||||
| Language of Instruction | EN | ||||||
| Type of Course | Flipped Classroom | ||||||
| Level of Course | Advanced | ||||||
| Semester | Güz | ||||||
| Contact Hours per Week |
|
||||||
| Estimated Student Workload | 201 hours per semester | ||||||
| Number of Credits | 7.5 ECTS | ||||||
| Grading Mode | Standard Letter Grade | ||||||
| Pre-requisites | None | ||||||
| Expected Prior Knowledge | Big Data; Cloud Computing | ||||||
| Co-requisites | None | ||||||
| Registration Restrictions | Only Doctorate Students | ||||||
| Overall Educational Objective | To gain a comprehensive understanding of cloud computing fundamentals, its associated technologies, and their integration with big data infrastructures, and to apply, design, implement, and optimize cloud-based solutions tailored for large-scale data applications. | ||||||
| Course Description | Big Data in Cloud Computing course delves into the intersection of cloud computing and big data technologies. Students will gain insight into cloud-related technologies such as virtual servers, SAAS, IAAS, and cloud-based databases, and how they integrate with big data infrastructures. The course aims to empower learners with the skills to design and implement optimized cloud solutions for large-scale data challenges. | ||||||
| Course Description in Turkish | Bulut Bilişimde Büyük Veri dersi, bulut bilişim ve büyük veri teknolojilerinin kesişimine odaklanmaktadır. Öğrenciler, sanal sunucular, SAAS, IAAS ve bulut tabanlı veritabanları gibi bulutla ilgili teknolojilere ve bunların büyük veri altyapılarıyla nasıl entegre edildiğine dair bilgi edineceklerdir. Ders, öğrencilere büyük ölçekli veri zorlukları için optimize edilmiş bulut çözümlerini tasarlama ve uygulama becerilerini kazandırmayı amaçlamaktadır. |
Course Learning Outcomes and CompetencesUpon successful completion of the course, the learner is expected to be able to:1) Bulut bilişimle ilgili temel kavramların, avantajların ve zorlukların derinlemesine anlaşıldığını göstermek 2) Sanal sunucular, SAAS, IAAS ve bulut tabanlı veritabanları gibi bulutla ilgili temel teknolojileri tanımlayın ve açıklayın, bunların operasyonlarını ve uygulama senaryolarını anlayın; 3) Ölçeklenebilirlik ve performans açısından optimize ederek Hadoop ve Spark gibi büyük veri altyapılarını bulut ortamında tasarlamak ve uygulamak 4) Büyük veri teknolojilerini bulut platformlarına sorunsuz bir şekilde entegre etmek, veri bütünlüğünü ve verimli işlemeyi sağlamak için stratejiler tasarlamak ve uygulamak 5) Optimizasyona, maliyet etkinliğine ve performans ölçümlerine odaklanarak büyük veri uygulamalarının bulut ortamlarına dağıtımında en iyi uygulamaları uygulamak 6) Yenilikçi ve etkili bulut tabanlı çözümler önererek, büyük veri ve bulut bilişimle ilgili gerçek dünya sorunlarını eleştirel bir şekilde analiz etmek 7) Bulut ortamlarında büyük veri depolama, işleme ve analizin etik ve güvenlik sonuçlarını anlayın ve ele almak, veri gizliliğini ve ilgili düzenlemelere uygunluğu sağlamak |
| Program Learning Outcomes/Course Learning Outcomes | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
|---|
Relation to Program Outcomes and Competences
| N None | S Supportive | H Highly Related |
| Program Outcomes and Competences | Level | Assessed by |
| Prepared by and Date | , |
| Course Coordinator | TUNA ÇAKAR |
| Semester | Güz |
| Name of Instructor | Dr. Öğr. Üyesi TUNA ÇAKAR |
Course Contents
| Hafta | Konu |
| 1) | Bulut Bilişime Giriş Bulut bilişime, geçmişe ve evrime genel bakış. |
| 2) | Bulut Hizmeti Modelleri: SAAS, PAAS ve IAAS Hizmet Olarak Yazılım (SAAS), Hizmet Olarak Platform (PAAS) ve Hizmet Olarak Altyapı (IAAS) konularını derinlemesine inceleyin. |
| 3) | Sanallaştırma ve Sanal Sunucular Sanallaştırma kavramı, yararları, türleri ve bulut ortamlarındaki rolü. |
| 4) | Bulut Tabanlı Ağlar ve Depolama Çözümleri Bulut ağına giriş, depolama sistemleri ve bunların bulut ortamlarındaki önemi. |
| 5) | Büyük Verinin Temelleri Büyük veri nedir? Özellikleri, zorlukları ve önemi. |
| 6) | Büyük Veri Altyapıları: Hadoop Ekosistemi Hadoop ekosistemini, bileşenlerini ve işlevlerini derinlemesine inceleyin. |
| 7) | Bulutta Spark ve Gerçek Zamanlı Veri İşleme Apache Spark'a giriş ve bulutta gerçek zamanlı veri işlemenin avantajları. |
| 8) | Büyük Veriyi Bulut Platformlarıyla Entegrasyon Büyük veri sistemlerini bulut platformlarıyla entegre etmeye yönelik yöntemler, araçlar ve stratejiler. |
| 9) | Bulutta Optimizasyon ve Performans Ayarlama Buluttaki büyük veri uygulamaları için performansı optimize etme teknikleri. |
| 10) | Bulut Tabanlı Büyük Veri Sistemlerinde Güvenlik ve Gizlilik Veri güvenliğini ve gizliliğini sağlamaya yönelik zorluklar, çözümler ve en iyi uygulamalar. |
| 11) | Bulut Ortamlarında Maliyet Yönetimi ve Ölçeklenebilirlik Bulut altyapılarında etkili maliyet yönetimi ve ölçeklenebilirlik için teknikler ve stratejiler. |
| 12) | Bulut Bilişim ve Büyük Veride Yükselen Trendler Geleceğe bir bakış: Bulut ve büyük veri teknolojilerinde sırada ne var? |
| 13) | Örnek Olay İncelemeleri: Bulutta Gerçek Dünya Büyük Veri Uygulamaları Başarılı büyük veri ve bulut entegrasyonunun gerçek dünyadaki örnekleri analiz ediliyor. |
| 14) | Kurs İncelemesi ve Gelecek Etkileri Tüm dersin özeti ve bulut ile büyük veri teknolojilerinin gelecekteki etkileri üzerine bir tartışma. |
| 15) | Proje/Sunum Dönemi |
| 16) | Proje/Sunum Dönemi |
| Required/Recommended Readings | None | ||||||||||||||||||
| Teaching Methods | Lecturing and exercises in the classroom with computers. In-class exercises and 3 Projects will be carried out by students | ||||||||||||||||||
| Homework and Projects | In-class exercises, 2 Projects, 2 Midterm exams, Term project | ||||||||||||||||||
| Laboratory Work | Programming exercises | ||||||||||||||||||
| Computer Use | For Programming | ||||||||||||||||||
| Other Activities | None | ||||||||||||||||||
| Assessment Methods |
|
||||||||||||||||||
| Course Administration |
cakart@mef.edu.tr 02123953600 Instructor’s office and phone number, office hours, email address: To be announced -Office: 5th Floor, #18; Phone number: 0 212 395 37 50; Email: cakart@mef.edu.tr Rules for attendance: Minimum of 70% attendance required. Missing a quiz: Provided that proper documents of excuse are presented, each missed quiz by the student will be given a grade which is equal to the average of all of the other quizzes. No make-up will be given. Missing a midterm: Provided that proper documents of excuse described in the MEF University graduate regulations are presented, a make-up will be given Missing a final: Provided that proper documents of excuse described in the MEF University graduate regulations are presented, a make-up will be given Statement on academic dishonesty and plagiarism: 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 | 1 | 3 | 2 | 84 | ||
| Proje | 2 | 18 | 2 | 40 | |||
| Küçük Sınavlar | 3 | 4 | 1 | 15 | |||
| Ara Sınavlar | 2 | 15 | 2 | 34 | |||
| Rapor Teslimi | 1 | 25 | 3 | 28 | |||
| Total Workload | 201 | ||||||
| Total Workload/25 | 8.0 | ||||||
| ECTS | 7.5 | ||||||