| 1 | Büyük Veriye Giriş: Kavramlar, terminoloji, özellikleri ve 5V, yapılandırılmış, yapılandırılmamış, yarı yapılandırılmış ve metadata gibi büyük Veri türlerini kapsar. İş ve araştırma motivasyonlarını kapsar. | 1 |
| 2 | Büyük Veride Depolama ve Analiz: Kümeler gibi depolama kavramları kapsar, dağıtık dosya sistemleri, RDBMS, NoSQL, sharding, bellek depolama, aynı zamanda paralel, dağıtık, toplu veri işleme ve Hadoop gibi büyük veri işleme konseptlerini kapsar. | 1 |
| 3 | Büyük Veri Analizi Teknikleri: Nicel, nitel veri madenciliği, istatistiksel analiz, Machine Learning, anlamsal analiz ve görsel veri analizi gibi analiz teknikleri ve konularını kapsar. | 1 |
| 4 | MapReduce Çerçevesi ve Hadoop: Paralel süreçler ve büyük veri işleme için diğer tasarım desenleri kapsar. Cloudera sanal makine. HDFS, YARN ve Hue. | 1 |
| 5 | Java ile mapreduce API ve Basic Programlama: Hadoop MapReduce Java API'yi inceleyeceğiz. | 1 |
| 6 | Hive kullanımı: "veri ambarı" HDFS'ler ve Hadoop. Depolanan veriler üzerinde SQL sorguları. | 1 |
| 7 | Spark Kullanımı: MapReduce çerçevesinin bellek tabanlı veri analizi ve RDD-Spark. | 1 |
| 8 | Spark veri akışı, Kafka ve Cassandra: Hızlı verilerin işlenmesi için standart haline gelmiş yığın kullanımı. | 1 |
| 9 | Spark ile MLLib, Machine Learning: Veriler üzerinde öngörüde bulunmak için öğrenme algoritmalarını gözden geçireceğiz. | 1 |
| 10 | Büyük Veri Kümelerinde görselleştirme: Büyük verinin içeriğini ve özelliklerini grafiksel olarak incelenmesini göreceğiz. | 1 |
| 11 | Büyük veride ileri konular ve uygulamalar. | 1 |
| 12 | Büyük veride ileri konular ve uygulamalar. | 1 |
| 13 | Büyük veride ileri konular ve uygulamalar. | 1 |
| 14 | Büyük veride ileri konular ve uygulamalar. | 1 |