Veri Bilimi Uygulamaları I(VM 514)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| VM 514 | Veri Bilimi Uygulamaları I | 2 | 0 | 2 | 0 | 2 | 4 |
| Ön Koşul | |
| Derse Kabul Koşulları |
| Dersin Dili | Türkçe |
| Türü | Zorunlu |
| Dersin Düzeyi | Yüksek Lisans |
| Dersi Veren(ler) | N. Sultan TURHAN sturhan@gsu.edu.tr (Email) Ayşegül ULUS aulus@gsu.edu.tr (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı |
Veri Mühendisleri, veri akış kanallarının (data pipelines) ve veri işleme sistemlerinin (data processing systems) tasarımını, uygulamasını ve bakımını destekler. Bu sistemler, bilgilerin ölçeklenebilir, tekrarlanabilir ve güvenli bir şekilde toplanmasını, depolanmasını, toplu ve gerçek zamanlı işlenmesini ve analizini destekler. Temel olarak veri toplama, işleme ve depolamaya yönelik en uygun çözümleri tanımlamak/tasarlamakla yükümlüdürler. Sürecin sonunda, Veri Analistleri ve Veri Bilimcilere çalışmalarında kullanabilmeleri için güvenilir ve temiz veri sağlanacaktır. Bu ders, katılımcılara veri ardışık düzenleri, farklı veri türleri ve bu verileri işlemek için kullanılan çeşitli veri platformları ile çalışma konusundaki temel kavramları tanıtmayı amaçlamaktadır. Katılımcılar, verileri farklı türdeki veritabanı sistemlerine aktarmanın, temizlemenin, işlemenin ve saklamanın yollarını öğreneceklerdir. Ayrıca öğrenciler, geleneksel sistemlerin idare edemediği 'büyük verileri' yönetmek ve manipüle etmek için kullanılan modern teknolojilerle de tanışacaklardır. Farklı veri ekosistemlerinin ihtiyaçları doğrultusunda verinin saklanması için farklı çözümleri oluşturma ve yönetme tekniklerini öğreneceklerdir. |
| İçerik |
1. Genel Kavramlar, Büyük Veri ve Veri Mühendisliğine Giriş 2. Veri Saklama Yöntemleri – 1 Data Warehouses vs Data Lake 3. Veri Saklama Yöntemleri - 2 Hadoop Mimarisi ve Ekosistemi + NoSQL veritabanları 4. Veri aktarımı (ETL, ELT,Data Ingestion) 5. Basit veri toplama yöntemleri - Web Scraping 6. Büyük Veri ekosisteminde veri aktarımında kullanılan veri modelleri 7. Veri aktarımı araçları -- Apache Flume, Kafka -- Toplu veri işleme 8. Veri aktarımı araçları -- Kafka & Spark -- Akan veri işleme 9. Veri Saklama Yöntemleri - 3 Lakehouse Architecture 10. Bulut üzerinde veri aktarımı mimarileri : Lambda & Kappa Architecture 11. Bulut üzerinde Büyük Veri Analizi , Google Big Query |
| Dersin Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayan öğrenci aşağıdaki becerilere sahip olacaktır: - Veri Mühendiskliğini Veri Biliminden ayrıştırarak bir öğrenme disiplini olarak değerlendirir - Veri yaşam döngüsünün bileşen adımlarını açıklar ve uygular - Veri mühendisliği tekniklerini açıklar; çeşitli çok boyutlu veri türlerini içeren belirli bir görev için geniş ölçekli veri mühendisliği tekniklerini uygular ve belgeler - Veri mühendisliği, depolama, erişim ve bakım ile ilgili teknik, etik ve toplumsal konuları açıklar ve uygular - Büyük veri analitiği/algoritmalarının temel prensiplerini açıklar ve farklı alanlara uygular - Veri mühendisliğindeki ilgili standartları ve en iyi uygulamaları açıklar, eksiklikleri analiz edip, bunları aşmak için olası stratejileri ve yaklaşımları belirler. |
| Öğretim Yöntemleri | Teorik Ders, Anlatım, Tartışma, Vaka Çalışması, Ödevler, Proje |
| Kaynaklar |
Warren, J., & Marz, N. (2015). Big Data: Principles and best practices of scalable realtime data systems. Simon and Schuster. Learning Spark: Lightning-Fast Big Data Analysis, by by Holden Karau, Andy Konwinski, Patrick Wendell, and Matei Zaharia. O'Reilly Media. Feb 2015 Hadoop: The Definitive Guide, by Tom White. O'Reilly Media. April 2015. (Fourth edition of the book at Amazon.com) Gorelik, A. (2019). The enterprise big data lake: Delivering the promise of big data and data science. O'Reilly Media. Reis, J, Housley M, Fundamentals of Data Engineering: Plan and Build Robust Data Systems, 1st Edition, 2022, O’Reilly, 978-1098108304 |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Genel Kavramlar, Büyük Veri ve Veri Mühendisliğine Giriş |
| 2 | Veri Saklama Yöntemleri – 1 Data Warehouses vs Data Lake |
| 3 | Veri Saklama Yöntemleri - 2 Hadoop Mimarisi ve Ekosistemi + NoSQL veritabanları |
| 4 | Veri aktarımı (ETL, ELT,Data Ingestion) |
| 5 | Basit veri toplama yöntemleri - Web Scraping |
| 6 | Büyük Veri ekosisteminde veri aktarımında kullanılan veri modelleri |
| 7 | Veri aktarımı araçları -- Apache Flume, Kafka -- Toplu veri işleme |
| 8 | Veri aktarımı araçları -- Kafka & Spark -- Akan veri işleme |
| 9 | Veri Saklama Yöntemleri - 3 Lakehouse Architecture |
| 10 | Veri Yönetiminde yeni paradigmalar : Data Mesh |
| 11 | Bulut üzerinde Büyük Veri Analizi , Google Big Query |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 6 | 50 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 50 |
| Toplam | 7 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 5 | 20 |
| Sunum | 1 | 30 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 |
| Proje | 0 | 0 |
| Laboratuar | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 |
| Kısa Sınavlar | 0 | 0 |
| Dönem Ödevi / Projesi | 0 | 0 |
| Portfolyo Çalışmaları | 0 | 0 |
| Raporlar | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 |
| Seminer | 0 | 0 |
| Diğer | 0 | 0 |
| Toplam | 6 | 50 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 11 | 2 | 22 |
| Sınıf Dışı Çalışma Süresi | 11 | 1 | 11 |
| Ödevler | 5 | 2 | 10 |
| Sunum | 1 | 4 | 4 |
| Arasınavlar (Hazırlık Süresi Dahil) | 0 | 0 | 0 |
| Proje | 0 | 0 | 0 |
| Laboratuar | 0 | 0 | 0 |
| Diğer Uygulamalar | 0 | 0 | 0 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 0 | 0 | 0 |
| Kısa Sınavlar | 0 | 0 | 0 |
| Dönem Ödevi / Projesi | 0 | 0 | 0 |
| Portfolyo Çalışmaları | 0 | 0 | 0 |
| Raporlar | 0 | 0 | 0 |
| Öğrenme Günlükleri | 0 | 0 | 0 |
| Bitirme Tezi/Projesi | 0 | 0 | 0 |
| Seminer | 0 | 0 | 0 |
| Diğer | 0 | 0 | 0 |
| Toplam İş Yükü | 47 | ||
| Toplam İş Yükü / 25 | 1.88 | ||
| Dersin AKTS Kredisi | 2 | ||