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
  1. Student, który zaliczył przedmiot, potrafi charakteryzować duże wolumeny danych oraz opisywać techniki ich przetwarzania i analizy.
  2. Student, który zaliczył przedmiot, potrafi stosować algorytmy przeszukiwania dużych zbiorów danych i wydobywania z nich ukrytych zależności
  3. Student, który zaliczył przedmiot, potrafi wybierać właściwe narzędzia programistyczne do przetwarzania i analizy dużych zbiorów danych
Przypisane kierunkowe efekty uczenia się
  1. 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 
  1. Loshin D.: Big Data Analytics. From Strategic Planning to Enterprise Integration with Tools, Techniques, NoSQL, and Graph, Morgan Kaufmann, 2013
  2. Stanton J.M.: Introduction to Data Science, E-book, 2013
  3. Rajaraman A., Ullman J.D.: Mining of Massive Datasets, Cambridge University Press, 2011
  4. Rachel Schutt,Cathy O'Neil: Badanie danych. Raport z pierwszej linii działań, O'Reilly, 2014
  5. White T., Hadoop: The Definitive Guide, 3rd Edition, O'Reilly Media / Yahoo Press, 2012
Literatura uzupełniająca 
  1. Morzy T.: Eksploracja danych. Metody i algorytmy, PWN, Warszawa, 2013
  2. Dunning T., Friedman E.: Time Series Databases, O'Reilly, 2014
  3. Pramod J. Sadalage,Martin Fowler: NoSQL. Kompendium wiedzy, Helion, 2014
  4. 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