Eskişehir Teknik Üniversitesi Eskişehir Teknik Üniversitesi
  • Kurumsal
  • Akademik Programlar
  • Öğrenci İçin Bilgi
  • English
Program Hakkında Eğitim Amaçları Program Yeterlilikleri (Çıktıları) Dersler - AKTS Kredileri Alan Yeterlilikleri Ders - Prog. Yeterlilik İlişkileri Alan & Prog. Yeterlilik İlişkileri Ders - Sürdürülebilir Kalkınma Amaçları İlişkisi
  • Fen Fakültesi
  • İstatistik Bölümü
  • Dersler - AKTS Kredileri
  • Modern Data Systems (Modern Veri Sistemleri)
  • Öğrenme Çıktıları
  • Tanıtım
  • Öğrenme Çıktıları
  • Program Çıktılarına Katkısı
  • ÖÇ-PÇ İlişkisi
  • AKTS İş Yükü

  • Veritabanı sistemlerinin temel bileşenlerini, veri yönetim yaklaşımlarını ve farklı veri depolama mimarilerini açıklayabilir.
  • Kavramsal, mantıksal ve fiziksel veri modelleme tekniklerini karşılaştırabilir ve verilen bir problem için uygun veri modelini tasarlayabilir.
  • İlişkisel veri modeli çerçevesinde ER diyagramları oluşturabilir, birincil–yabancı anahtar ilişkilerini tanımlayabilir ve dağıtık veri yönetimi temel kavramlarını yorumlayabilir.
  • Veri yaşam döngüsünün aşamalarını açıklayabilir, normalizasyon ve denormalizasyon tekniklerini veri kalitesi ve performans açısından değerlendirebilir.
  • Büyük veri ekosisteminin temel bileşenlerini (Hadoop, Spark, HDFS) tanımlayabilir ve büyük veri ortamlarında veri bütünlüğünün sağlanmasına yönelik yöntemleri açıklayabilir.
  • Performans odaklı veritabanı tasarımı yapabilir; indeksleme, tablo tasarımı ve sorgu optimizasyonu ilkelerini uygulayabilir.
  • Veri ambarı mimarisini, ETL süreçlerini ve OLAP küplerini kullanarak çok boyutlu analizler gerçekleştirebilir ve karar destek senaryolarını yorumlayabilir.
  • SQL dilini kullanarak karmaşık SELECT, JOIN, GROUP BY ve HAVING sorguları yazabilir ve veri analizi amaçlı sorgular geliştirebilir.
  • NoSQL veritabanı türlerini karşılaştırabilir, büyük veri analitiği ve veri madenciliği yaklaşımlarının temel prensiplerini açıklayabilir.
  • Uygun görselleştirme tekniklerini seçerek veriyi etkili biçimde sunabilir ve Power BI, Tableau veya FineBI araçlarıyla temel görselleştirme uygulamaları geliştirebilir.
  • Denetimli ve denetimsiz makine öğrenmesi yöntemlerini sınıflandırabilir ve gerçek veri setleri üzerinde temel modelleme uygulamaları gerçekleştirebilir.
  • Doğal dil işleme süreçlerini açıklayabilir, kelime gömme yöntemlerini kullanarak metin sınıflandırma problemlerine yönelik temel modeller kurabilir.
  • Arama motoru ve öneri sistemlerinin temel bileşenlerini tanımlayabilir, içerik tabanlı ve işbirlikçi filtreleme yaklaşımlarını karşılaştırabilir.
  • Büyük dil modellerinin çalışma prensiplerini açıklayabilir, etkili prompt tasarlama tekniklerini uygulayabilir ve model çıktılarının güvenilirliğini ve sınırlılıklarını değerlendirebilir.

  • Kurumsal
  • İsim ve Adres
  • Akademik Takvim
  • Yönetim Kadrosu
  • Kurum Hakkında
  • Akademik Programlar
  • Genel Kabul Şartları
  • Önceki Öğrenmenin Tanınması
  • Kayıt İşlemleri
  • AKTS Kredi Sistemi
  • Akademik Danışmanlık
  • Akademik Programlar
  • Doktora / Sanatta Yeterlik
  • Yüksek Lisans
  • Lisans
  • Önlisans
  • Açık ve Uzaktan Eğitim Sistemi
  • Öğrenci İçin Bilgi
  • Şehirde Yaşam
  • Konaklama
  • Beslenme Olanakları
  • Tıbbi Olanaklar
  • Engelli Öğrenci Olanakları ı
  • Sigorta
  • Maddi Destek
  • Öğrenci İşleri Daire Başkanlığı
  • Öğrenci İçin Bilgi
  • Öğrenim Olanakları
  • Uluslararası Programlar r
  • Değişim Öğrencileri için Pratik Bilgiler
  • Dil Kursları
  • Staj
  • Sosyal Yaşam ve Spor Olanakları
  • Öğrenci Kulüpleri