| Öğrenci, veri ve büyük veri kavramlarını tanımlar ve büyük veriyi geleneksel veri yaklaşımlarından ayırt eder. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, büyük verinin 5V (Volume, Velocity, Variety, Veracity, Value) bileşenlerini açıklar ve gerçek örnekler üzerinden yorumlar. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, yapısal, yarı yapısal ve yapısal olmayan veri türlerini ayırt eder ve uygun depolama/işleme yaklaşımlarını belirler. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, büyük verinin tarihsel gelişimini ve dijital dönüşüm sürecindeki rolünü analiz eder. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, büyük veri teknolojilerini (Hadoop, Spark, NoSQL vb.) temel düzeyde tanır ve kullanım amaçlarını açıklar. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, büyük veri analizi sürecindeki temel aşamaları (veri toplama, temizleme, işleme, analiz ve yorumlama) sıralar ve açıklar. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, büyük verinin iş dünyası, sağlık, kamu, finans ve akıllı şehirler gibi alanlardaki uygulamalarını örneklerle değerlendirir. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, büyük veri ile yapay zekâ ve makine öğrenmesi arasındaki ilişkiyi kavrar ve temel kullanım senaryolarını açıklar. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, büyük veri uygulamalarında ortaya çıkan etik, gizlilik, güvenlik ve hukuki sorunları tartışır ve çözüm yaklaşımlarını değerlendirir. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
| Öğrenci, basit bir büyük veri problemi için uygun teknoloji ve analiz yaklaşımını seçerek çözüm önerisi geliştirir. |
|
2 |
3 |
5 |
2 |
|
|
|
|
3 |
|
|
|
|
|
