Hoşgeldiniz, Misafir . Oturum Aç . English
Neredeyim: Ninova / Dersler / Bilgisayar ve Bilişim Fakültesi / BLG 440E / Dersin Bilgileri
 

Dersin Bilgileri

Dersin Adı
Türkçe Bilgisayar Proje II
İngilizce Computer Project II
Dersin Kodu
BLG 440E Kredi Ders
(saat/hafta)
Uygulama
(saat/hafta)
Labratuvar
(saat/hafta)
Dönem 8
2 1 2 -
Dersin Dili İngilizce
Dersin Koordinatörü Mustafa Ersel Kamaşak
Mustafa Ersel Kamaşak
Dersin Amaçları 1. Bireysel olarak ve grup çalışması içerisinde, öğrencilerin bilgisayar mühendisliği projesi geliştirme, raporlama ve sunma becerilerinin kazanılması.

2. Grup projelerinde karşılaşılan zorlukların belirlenmesi ve bu zorlukları aşmak için bilgi paylaşımının öğrenilmesi.

3. Yeni yazılım ve donanım araçları ile tanışma.
Dersin Tanımı Bilgisayar mühendisliği projeleri ile ilgili bireysel ve grup çalışmalarında bulunmak. Yeni geliştirme araçlarının tanıtımı. Geliştirme esansında karşılaşılan zorlukları ve öğrenilenleri sözlü ve yazılı anlatarak diğer gruplar ile karşılık bilgi paylaşımı yapabilmek.
Dersin Çıktıları Bu dersi başarıyla tamamlayan öğrenciler;

I. Bireysel ve grup projeleri hazırlama yetisi.

II. Grup projelerinde karşılaşılan zorlukları sunma ve aşma yetisi.

III. Yeni geliştirme araçlarının öğrenilmesi.
Önkoşullar BLG 221/BLG 221E veya BLG 233/ BLG 233E
Gereken Olanaklar
Diğer Spring 2016 BLG440E Computer Project II – Summary of Projects

Project Name: Demand Forecasting On E-commerce Data

Instructor(s): Şerif Bahtiyar (ITU), Yusuf Can Gürkan (useinsider)

Project Description: In this project, students will be provided a sample e-commerce transaction data. Data will include transactions which products (with categories) are sold during a time period. Using this data and Spark packages, students will implement a Linear Regression model which will predict category based demand. This means for a given week, algorithm will predict which category will be sold how many amount for each day of this week. For this project, students will choose right features such as category name, time of day, day of week etc.

Keywords: Machine Learning, Regression, Spark MLLib

Tools:
1. Spark MLLib for ML modeling.
2. Spark SQL/Map Reduce for data preprocessing.

Project Name: Machine Learning for Network Intrusion Detection

Instructor(s): Zehra Çataltepe (ITU, tazi.io), Tanju Çataltepe (@tazi.io)

Project Description: In this project, students will experiment with the Spark MLLib platform and the network intrusion detection dataset KDD99. Decision tree will be used as the classifier. Students will gain experience on performance of the classifiers for different types of datasets, for example when the class description changes or the classes are unbalanced.

Keywords: Machine Learning, Intrusion Detection, Decision tree, Spark MLLib, Storm Samoa

Tools:
1. Spark MLLib as ML tool
2. Java/Scala for data preprocessing and performance comparison.

Project Name: Mining Chrome Repository

Instructor(s): Ayşe Tosun (ITU)

Project Description: Project aims to identify social and technical dependencies in Chrome project. Students are expected to extract commit-based information from version control systems of Chrome project, such as edited file sets, developers who made the commit, and co-changed files in the commits. Based on those information, a visual representation of technical dependencies and social dependencies will be done.

Keywords: mining software repositories, Google Chrome, social and technical network

Tools: none.
Ders Kitabı
Diğer Referanslar
 
 
Dersler . Yardım . Hakkında
Ninova, İTÜ Bilgi İşlem Daire Başkanlığı ürünüdür. © 2020