Kod przedmiotu |
07 79 2010 19 |
Liczba uzyskiwanych punktów ECTS |
6 |
Nazwa przedmiotu w języku prowadzenia |
Przetwarzanie i analiza dużych zbiorów danych |
Nazwa przedmiotu w języku polskim |
Przetwarzanie i analiza dużych zbiorów danych |
Nazwa przedmiotu w języku angielskim |
Big Data Processing And Analysis |
Język prowadzenia zajęć |
polski |
Formy zajęć |
|
Wykład |
Ćwiczenia |
Laboratorium |
Projekt |
Seminarium |
Inne |
Suma godzin w semestrze |
Godziny kontaktowe |
10 |
|
20 |
|
10 |
0 |
40 |
Czy e-learning |
Nie |
Nie |
Nie |
Nie |
Tak |
Nie |
|
Kryteria oceny (waga) |
0,45 |
|
0,45 |
|
0,10 |
0,00 |
|
|
Jednostka prowadząca |
Instytut Informatyki |
Kierownik przedmiotu |
dr hab. inż. Agnieszka Wosiak |
Realizatorzy przedmiotu |
dr inż. Marcin Kwapisz, dr inż. Jan Rogowski, dr hab. inż. Agnieszka Wosiak |
Wymagania wstępne |
Podstawy baz danych
Podstawy programowania |
Przedmiotowe efekty uczenia się |
- Student, który zaliczył przedmiot, potrafi charakteryzować duże wolumeny danych oraz opisywać techniki ich przetwarzania i analizy.
- Student, który zaliczył przedmiot, potrafi stosować algorytmy przeszukiwania dużych zbiorów danych i wydobywania z nich ukrytych zależności
- Student, który zaliczył przedmiot, potrafi wybierać właściwe narzędzia programistyczne do przetwarzania i analizy dużych zbiorów danych
|
Przypisane kierunkowe efekty uczenia się |
- zna i rozumie główne tendencje rozwojowe informatyki oraz w pogłębionym stopniu - wybrane fakty, obiekty i zjawiska oraz dotyczące ich metody i teorie wyjaśniające złożone zależności między nimi, stanowiące zaawansowaną wiedzę ogólną oraz wybrane zaawansowane zagadnienia szczegółowe z zakresu informatyki
|
Treści programowe |
W ramach przedmiotu omawiane są treści związane z technikami przetwarzania i analizy dyżych wolumenów danych oraz umożliwiającymi zdobycie umiejętności stosowania właściwych metod przetwarzania i analizy dużych zbiorów danych. |
Metody weryfikacji przedmiotowych efektów uczenia się |
egzamin pisemny (efekt 1.)
dyskusja (efekty 1., 2., i 3.)
zadania praktyczne (efekty 2. i 3.)
kolokwium laboratoryjne (efekty 2. i 3.)
|
Formy i warunki zaliczenia przedmiotu |
Wykład+seminarium: Egzamin pisemny.
Laboratoria: zadania laboratoryjne oraz kolokwium laboratoryjne. |
Szczegółowe treści przedmiotu |
WYKŁAD
1. Charakterystyka dużych wolumenów danych (Big Data) oraz ich wpływ na istniejące rozwiązania analityczne.
2. Nowoczesne rozwiązania stosowane przy przesyłaniu, składowaniu oraz przetwarzaniu dużych zbiorów danych.
3. Architektura nowoczesnych systemów do przetwarzania Big Data na przykładzie platformy Hadoop.
4. Algorytmy przetwarzania dużych zbiorów danych.
5. Redukcja wielowymiarowości
6. Przetwarzanie danych na dużą skalę z zastosowaniem algorytmu MapReduce.
7. Języki przeszukiwania i przetwarzania dużych zbiorów danych.
8. Dane strumieniowe i ich analiza.
ĆWICZENIA LABORATORYJNE
Realizacja zadań laboratoryjnych związanych z tematyką wykładów przydzielonych przez prowadzącego zajęcia. |
Literatura podstawowa |
- Loshin D.: Big Data Analytics. From Strategic Planning to Enterprise Integration with Tools, Techniques, NoSQL, and Graph, Morgan Kaufmann, 2013
- Stanton J.M.: Introduction to Data Science, E-book, 2013
- Rajaraman A., Ullman J.D.: Mining of Massive Datasets, Cambridge University Press, 2011
- Rachel Schutt,Cathy O'Neil: Badanie danych. Raport z pierwszej linii działań, O'Reilly, 2014
- White T., Hadoop: The Definitive Guide, 3rd Edition, O'Reilly Media / Yahoo Press, 2012
|
Literatura uzupełniająca |
- Morzy T.: Eksploracja danych. Metody i algorytmy, PWN, Warszawa, 2013
- Dunning T., Friedman E.: Time Series Databases, O'Reilly, 2014
- Pramod J. Sadalage,Martin Fowler: NoSQL. Kompendium wiedzy, Helion, 2014
- Lin J., Dyer C.: Data-Intensive Text Processing with MapReduce, Morgan & Claypool Publishers, 2010
|
Przeciętne obciążenie godzinowe studenta pracą własną |
126 |
Uwagi |
|
Data aktualizacja karty |
2019-06-07 11:52:46 |
Przedmiot archiwalny tak/nie |
nie |