Yazılım Mühendisliği / seçmeli havuz
YZM354 · Büyük Veri
T+U+Li 3+0+0 · Kredi 3 · AKTSi 6 (müfredatta 6) · Seçmeli · kategori: regular · sitede son güncelleme 08.06.2026
Kaynak: https://obs.samsun.edu.tr/oibs/bologna/progCourseDetails.aspx?curCourse=376884&lang=tr · toplandı 12.11.2026 22:30
Bölüm durumu
Tüm dersler →Kural denetimii
geçti: 40kaldı: 1muaf: 0değerlendirilemedi: 1
İçerik uyumu (YZ)i
Henüz çalıştırılmadı.
Öğrenme çıktıları (YZ)i
Henüz çalıştırılmadı.
Kaynak ve ÖP uyumu (YZ)i
Henüz çalıştırılmadı.
Kural denetimi: geçmeyen kontroller (1)
| Kural | Alan | Önem | Gerekçe | Mevcut | Beklenen | Öneri |
|---|---|---|---|---|---|---|
| R7 Kaynaklar year_present · tr | references | düşük | Kaynakların çoğunda yayın yılı yazılmamış. | 0/3 kaynakta yayın yılı var | en az %50 | Kaynaklara yayın yılı (ve baskı bilgisi) ekleyin. |
Kaynak güncelliği (Modül D)i
Yalnızca sayfadaki yayın yıllarından hesaplanır. İçeriğin alanın güncel kapsamıyla karşılaştırılması güvenilir referans doküman gerektirdiği için değerlendirilemedi; model bilgisine dayalı güncellik iddiası üretilmez.
3 kaynak · 0 tanesinde yıl var · en yeni — · 10 yıldan eski 0
| — | Big Data For Dummies - Judith S. Hurwitz (Author), Alan Nugent (Author), Fern Halper (Author), Marcia Kaufman (Author) | kaynaklar |
| — | 1-Big Data: A Revolution That Will Transform How We Live, Work, and Think by V. Mayer-Schönberger and K. Cukier Analytics in a Big Data World: The Essential Guide to Data Science and its Applications, by B. Baesens. 2-Big Data For Dummies - Judith S. Hurwitz (Author), Alan Nugent (Author), Fern Halper (Author), Marcia Kaufman (Author). | ders notları |
| — | 3- “Büyük Veri Mimarisi ve Teknolojileri” Özgür Umut Vurgun, Ensar Erdoğan, Veysel Yüksel, Zekeriya Beşiroğlu. | ders notları |
- Ad
- Büyük Veri
- Amaç
- Büyük Veri dersi, öğrencilere büyük veri alanında geniş bir anlayış sağlayarak, büyük veri sistemlerini etkili bir şekilde tasarlama, uygulama ve yönetme becerilerini geliştirir.
- İçerik
- Öğrencilere büyük veri kavramlarını, teknolojilerini ve analiz yöntemlerini tanıtarak bu alandaki temel bilgi ve becerileri kazandırmayı amaçlar. Ders kapsamında öncelikle büyük veri kavramına ve veri biliminin temel ilkelerine giriş yapılır. İlişkisel veri tabanları ve veri modelleme konularıyla yapısal verilerin nasıl organize edildiği öğretilir. Veri ambarı ve entegrasyonu ile büyük veri kaynaklarının nasıl birleştirileceği ele alınır. Hadoop ve paralel veri tabanı sistemleri ile büyük veri işleme altyapıları tanıtılır. MapReduce ve Spark gibi dağıtık işleme teknolojileri incelenir. Veri görselleştirme yöntemleri ile analiz sonuçlarının etkili sunumu öğretilir. Makine öğrenmesi temellerine giriş yapılır ve sınıflandırma, regresyon, kümeleme gibi temel algoritmalar işlenir. Doğal dil işleme ve bilgi erişimi gibi özel büyük veri uygulama alanları ele alınır. Ayrıca, sosyal ağ verilerinin analizi ve projelerin sunumları ile
- Yöntem ve teknikler
- Sınıf içi ders anlatımı, ödevler, sınavlar ve okumalar
- Ön koşul
- Yok
- Öğretim dili
- Türkçe
Öğrenme çıktıları
- Büyük verinin önemini ve farklı alanlarda nasıl kullanıldığını kavrayabileceklerdir.
- Verilerin Tableau, Power BI gibi araçlar ile grafiksel gösterimini yapabileceklerdir.
- Hadoop, Spark, Hive, Pig gibi popüler büyük veri araçlarını kullanabileceklerdir.
- NoSQL veritabanlarını ve büyük veri ile veri depolama ve sorgulama tekniklerini anlayabileceklerdir.
- Büyük veri kümelerini işlemek ve analiz etmek için gerekli teknikleri ve algoritmaları kullanabileceklerdir.
Değerlendirme
| Ara Sınav | 1 | %30 |
| Ödev | 2 | %30 |
| Yarıyıl Sonu Sınavı | 1 | %40 |
AKTS iş yükü (180 saat → tabloda 6 AKTS)
| Ders Süresi | 15 × 3 | 45 saat |
| Sınıf Dışı Ç. Süresi | 15 × 3 | 45 saat |
| Ödevler | 2 × 15 | 30 saat |
| Ara Sınavlar | 2 × 15 | 30 saat |
| Yarıyıl Sonu Sınavı | 2 × 15 | 30 saat |
Haftalık konular
| 1 | Veri Bilimi ve Büyük Veri Analizine Giriş |
| 2 | İlişkisel Veri Tabanları ve Veri Modelleme |
| 3 | Veri Ambarı ve Entegrasyonu |
| 4 | Paralel Veri Tabanları / Hadoop |
| 5 | Mapreduce / Spark |
| 6 | Veri Görselleştirme |
| 7 | Ara Sınav |
| 8 | Makine Öğrenmeye Giriş |
| 9 | Sınıflandırma ve Regresyon |
| 10 | Kümeleme |
| 11 | Doğal Dil İşlemeye Giriş |
| 12 | Bilgi Erişimine Giriş |
| 13 | Ağ Analizi |
| 14 | Proje Sunumları |
| 15 | Final Sınavı |