İleri Veri Tabanları(INF438)
| Ders Kodu | Dersin Adı | Yarıyıl | Teori | Uygulama | Lab | Kredisi | AKTS |
|---|---|---|---|---|---|---|---|
| INF438 | İleri Veri Tabanları | 7 | 3 | 0 | 0 | 3 | 4 |
| Ön Koşul | INF324 |
| Derse Kabul Koşulları | INF324 |
| Dersin Dili | Fransızca |
| Türü | Seçmeli |
| Dersin Düzeyi | Lisans |
| Dersi Veren(ler) | N. Sultan TURHAN sturhan@gsu.edu.tr (Email) |
| Dersin Yardımcıları | |
| Dersin Amacı | Bu ders programlamada ve veri tabanı yönetiminde çok iyi bir altyapıya sahip öğrencilere dağıtık sistem veri saklama üniteleri üzerinde çalışmayı,her tür veri tabanını sorgulamayı, bu veri tabanları üzerinde bulunan farklı türdeki verileri dönüştürüp, tek bir veri ambarı üzerinde bütünleştirmeyi, aynı zamanda veri ambarı modelleme ve iş hayatında kullanılacak olan iş zekasına uygun raporlama ve sorgulamayı öğretmektedir. Aynı zamanda öğrenciye Büyük Veri (Big Data) mimarisi, analitiği ve veri akışı üzerinde yetkinlik kazandırmayı hedeflemektedir. |
| İçerik |
1. Giriş, temel kavramlar ve veri türleri 2. İş zekası temel kavramlar, OLTP, OLAP sistemlerine giriş 3. Veri ambarı mimarisi ve prensipleri 4. Veri ambarı modelleme 5. ETL uygulamaları, temel kavramlar ve araçları 6. Veri analizi, OLAP küpleri oluşturma, sorgulama 7 Hierarşi, KPI ve Calculation tanımlama ve MDX sorguları 8. Veri Mühendisliğine Giriş 9. Büyük Veri : Temel Kavramlar - RTAP sistemlere giriş 10. Büyük veri ekosistemi: Hadoop, HDFS, YARN ve MapReduce algoritmaları 11.Veri hattı ve veri sindirme işlemleri 12.Lambda Mimarisi 13. Veri İşleme Yöntemleri 1) Kafka, Flink, Spark ile akan veri işleme 2) HDFS, Hive, Spark ile Batch processing 14. Bulut sistemleri üzerinde Büyük Veri Analitiği |
| Dersin Öğrenme Çıktıları |
Bu dersi başarıyla tamamlayan öğrenci aşağıdaki konularda yeterliliğe sahip olacaktır: 1. Dağıtık sistem veri tabanları üzerinde çalışabilir. 2. Veri ambarı tasarlayabilir ve modelleyebilir. 3. Farklı veri türlerini tek bir ambar üzerinde bir araya gelecek şekilde dönüştürebilir. 4. OLAP küpleri oluşturabilir. 5. Ad-hoc raporlayabilir. 6. Büyük Veri Mimarisine uygun dağıtık sistemleri tasarlayabilir, uygulayabilir. 7. Gerçek zamanlı veri akışını yönetebilir, veri akışını sağlayabilmek için veri hattı oluşturabilir. 8. Bulut sistemleri üzerinde büyük veri analitiği yapabilir. |
| Öğretim Yöntemleri |
Anlatım, Soru - Cevap, Tartışma Ara Sınav, Kısa Sınav, Proje, Laboratuar çalışmaları ve Final Sınavı |
| Kaynaklar |
1. G. Gardarin, "Internet intranet et bases de données, dataweb, datamedia, datawarehouse, datamining", Eyrolles, 1999 2. M. Jarke et al., "Fundamentals of Data Warehouses", Springer, 1999 3. M. Franco, "Le Data Warehouse, le Data Mining", Eyrolles, 1997 4. S. Chaudhuri, U. Dayal, "An overview of data warehousing and OLAP technology", Sigmod Record 26(1), 1997. 5.Krishnan, K. (2013). Data warehousing in the age of big data. Newnes. Talabis, M., McPherson, R., Miyamoto, I., & Martin, J. (2014). Information Security Analytics: Finding Security Insights, Patterns, and Anomalies in Big Data. Syngress. 6.Zikopoulos, P., & Eaton, C. (2011). Understanding big data: Analytics for enterprise class hadoop and streaming data. McGraw-Hill Osborne Media. |
Teori Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|---|
| 1 | Giriş, temel kavramlar ve veri türleri |
| 2 | İş zekası temel kavramlar, OLTP, OLAP sistemlerine giriş |
| 3 | Veri ambarı mimarisi ve prensipleri |
| 4 | Veri ambarı modelleme |
| 5 | ETL uygulamaları, temel kavramlar ve araçları |
| 6 | Veri analizi, OLAP küpleri oluşturma, sorgulama |
| 7 | Hierarşi, KPI ve Calculation tanımlama ve MDX sorguları |
| 8 | Veri Mühendisliğine Giriş |
| 9 | Büyük Veri : Temel Kavramlar - RTAP sistemlere giriş |
| 10 | Büyük veri ekosistemi: Hadoop, HDFS, YARN ve MapReduce algoritmaları |
| 11 | Veri hattı ve veri sindirme işlemleri |
| 12 | Lambda Mimarisi |
| 13 | Veri İşleme Yöntemleri 1) Kafka, Flink, Spark ile akan veri işleme 2) HDFS, Hive, Spark ile Batch processing |
| 14 | Bulut sistemleri üzerinde Büyük Veri Analitiği |
Uygulama Konu Başlıkları
| Hafta | Konu Başlıkları |
|---|
Başarı Notuna Etki Oranları
| Sayı | Katkı Payı | |
|---|---|---|
| Yarıyıl içi çalışmaların başarı notuna katkısı | 12 | 65 |
| Yarıyıl sonu çalışmaların başarı notuna katkısı | 1 | 35 |
| Toplam | 13 | 100 |
Yarıyıl İçi Çalışmaları
| Sayı | Katkı Payı | |
|---|---|---|
| Ödevler | 5 | 15 |
| Sunum | 0 | 0 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 25 |
| Proje | 1 | 25 |
| 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 | 7 | 65 |
| Numara | Program Yeterlilikleri | Puan | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
| 1 | Matematik, fizik ve mühendislik bilimlerine özgü konularda yeterli bilgi birikimi; bu alanlardaki kuramsal ve uygulamalı bilgileri, mühendislik problemlerinin modellenmesi ve çözümünde kullanabilme becerisi. | |||||
| 2 | Karmaşık bilgisayar mühendisliği problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. | |||||
| 3 | Yazılımsal veya donanımsal karmaşık bir sistemi, süreci veya donanımı gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. | X | ||||
| 4 | Mühendislik uygulamalarında karşılaşılan karmaşık problemlerin analizi ve çözümü için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. | X | ||||
| 5 | Analitik düşünce ile bir sistemi, sistem bileşenini ya da süreci analiz etme, modelleme, deney tasarlama ve yapma, veri toplama, çözüm algoritmaları üretebilme, uygulamaya alma ve geliştirme becerileri. | X | ||||
| 6 | Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. | X | ||||
| 7 | Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az iki yabancı dil bilgisi; etkin rapor yazma ve yazılı raporları anlama, yazılım ve donanım tasarımını, gerekirse teknik resim metotları kullanarak raporlayabilme, etkin sunum yapabilme becerisi. | X | ||||
| 8 | Bilgiye erişebilme ve bu amaçla kaynak araştırması yapabilme, veri tabanları ve diğer bilgi kaynaklarını kullanabilme becerisi | X | ||||
| 9 | Yaşam boyu öğrenmenin gerekliliği bilinci; kendini sürekli yenileme becerisi. | X | ||||
| 10 | Mesleki etik ilkelerine uygun davranma, mesleki sorumluluk bilinci; mühendislik uygulamalarında kullanılan standartlar hakkında bilgi. | X | ||||
| 11 | Proje yönetimi, risk yönetimi ve değişiklik yönetimi gibi, iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik hakkında farkındalık; sürdürülebilir kalkınma hakkında bilgi. | |||||
| 12 | Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ve çağın mühendislik alanına yansıyan sorunları hakkında bilgi. | X | ||||
| 13 | Bilgisayar mühendisliği uygulamalarının hukuki ve etik boyutları konusunda farkındalık. | |||||
| Etkinlikler | Sayı | Süre | Toplam İş Yükü |
|---|---|---|---|
| Ders Süresi | 14 | 3 | 42 |
| Sınıf Dışı Çalışma Süresi | 14 | 1 | 14 |
| Arasınavlar (Hazırlık Süresi Dahil) | 1 | 10 | 10 |
| Proje | 1 | 14 | 14 |
| Yarıyıl Sonu Sınavı (Hazırlık Süresi Dahil) | 1 | 12 | 12 |
| Toplam İş Yükü | 92 | ||
| Toplam İş Yükü / 25 | 3.68 | ||
| Dersin AKTS Kredisi | 4 | ||