DERS ADI

: BÜYÜK VERİ ANALİZİ VE İSTATİSTİKSEL MODELLER

DERECE PROGRAMLARI

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
UEC 2018 BÜYÜK VERİ ANALİZİ VE İSTATİSTİKSEL MODELLER ZORUNLU 3 0 0 4

Dersi Veren Birim

İktisat (İngilizce) (UOLP-New York Eyalet Üniversitesi (SUNY Albany))

Dersin Düzeyi

Lisans

Ders Koordinatörü

PROF. DR. BURÇAK MÜGE VURAL

Dersi Alan Birimler

İktisat (İngilizce) (UOLP-New York Eyalet Üniversitesi (SUNY Albany))

Dersin Amacı

Öğrencilere büyük veri işleme yöntemlerinin temel ilkelerini ve araçlarını tanıtmak ve gerçek dünyadaki büyük ve karmaşık veri setlerini analiz etmek ve yorumlamak için istatistiksel modelleme tekniklerini uygulama becerilerini kazandırmak.

Dersin Öğrenme Kazanımları

1   1. Büyük veri kavramlarını ve veri işleme mimarilerini (ör. Hadoop, Spark) temel düzeyde anlayabilecektir.
2   2. Regresyon, sınıflandırma ve kümeleme gibi istatistiksel modelleri büyük veri setlerine uygulayabilecektir.
3   3. Veri ön işleme, dönüştürme ve analiz süreçlerini Python veya R gibi programlama dilleriyle gerçekleştirebilecektir.
4   4. İstatistiksel model çıktılarının yorumunu yaparak elde edilen bulguları etkili şekilde sunabilecektir.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Büyük Veriye ve Veri Analitiğine Giriş
2 Büyük Verinin Türleri ve Kaynakları
3 Veri Depolama Sistemleri ve Dosya Formatları
4 Hadoop Ekosistemi ve MapReduce Temelleri
5 Apache Spark ve Dağıtık Hesaplama
6 Veri Temizleme ve Ön İşleme
7 Keşifsel Veri Analizi (EDA)
8 İstatistiksel Modelleme: Doğrusal ve Lojistik Regresyon
9 Sınıflandırma Yöntemleri ve Başarı Ölçütleri
10 Kümeleme Algoritmaları (K-Ortalamalar, Hiyerarşik)
11 Boyut İndirgeme ve Özellik Seçimi
12 Model Değerlendirme ve Çapraz Doğrulama
13 Vaka Çalışması: Büyük Veride Tahmine Dayalı Analiz
14 Final Proje Sunumları ve Genel Değerlendirme

Ders İçin Önerilen Kaynaklar

İlan Edilecektir.

Öğrenme ve Öğretme Yöntemleri

1. Ders Anlatımı
2. Sınıf içi çalışmalar
3. Grup Projesi

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 MT Midterm
2 ASS Assignment
3 FN Final
4 FCG FINAL COURSE GRADE MT * 0.35 +ASS * 0.25 + FN * 0.40
5 RST RESIT
6 FCGR FINAL COURSE GRADE (RESIT) MT * 0.35 + ASS * 0.25 + RST * 0.40


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Devam ve Katılım: Ders içi tartışmalara ve uygulamalara aktif katılım.
Ödevler: Gerçek veya simüle edilmiş büyük veri setleriyle uygulamalı çalışmalar.
Ara Sınav: Temel teorik bilgiler ve analiz tekniklerini kapsar.
Final Projesi: Gerçek bir büyük veri problemi üzerinde model geliştirme ve sunum.
Quizler: Kısa süreli teknik ve kavramsal bilgi değerlendirmeleri.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

1. Derslerin %70'ine girmek zorunludur.
2. Her türlü kopya işlemi cezalandırılacaktır.

Dersin Öğretim Üyesi İletişim Bilgileri

İlan Edilecektir.

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 14 2 28
Uygulama 14 1 14
Haftalık Ders öncesi/sonrası hazırlıklar 14 2 28
Vize Sınavına Hazırlık 1 14 14
Final Sınavına Hazırlık 1 10 10
Final Sınavı 1 2 2
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 98

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13PK.14
ÖK.134
ÖK.234
ÖK.344
ÖK.444

İLETİŞİM BİLGİLERİMİZ
Dokuz Eylül Üniversitesi Cumhuriyet Bulvarı No: 144 35210 Alsancak / İZMİR
Telefon: +90(232) 412 12 12 - Faks: +90 (232) 464 81 35

Copyright 2015 DEÜ. BİD

ANASAYFA / ÜNİVERSİTE HAKKINDA / DERECE PROGRAMLARI / ÖĞRENCİ İÇİN GENEL BİLGİLER / ULUSLARARASI İLİŞKİLER