SylabUZ
PL | EN |
  • Language
  • polski
  • english
  • Obtain login and password
  • User's manual (available after logging in)
  • Login

SylabUZ

  1. SylabUZ
  2. Faculty of Mathematics, Computer Science and Econometrics
  3. summer term 2022/2023
  4. Data Engineering - Second-cycle studies leading to MS degree
  5. Data Warehouse
Generate PDF for this page

Data Warehouse - course description

General information
Course name Data Warehouse
Course ID 11.3-WK-IDD-HD-W-S15_pNadGen93S6S
Faculty Faculty of Mathematics, Computer Science and Econometrics
Field of study Data Engineering
Education profile academic
Level of studies Second-cycle studies leading to MS degree
Beginning semester summer term 2022/2023
Course information
Semester 2
ECTS credits to win 5
Available in specialities Data Exploration Systems
Course type optional
Teaching language polish
Author of syllabus
  • mgr inż. Andrzej Majczak
Classes forms
The class form Hours per semester (full-time) Hours per week (full-time) Hours per semester (part-time) Hours per week (part-time) Form of assignment
Lecture 30 2 - - Exam
Laboratory 30 2 - - Credit with grade

Aim of the course

Celem przedmiotu jest przedstawienie teorii w zakresie projektowania hurtowni danych, poznanie narzędzi do budowania zapytań i raportów oraz inteligentnej analizy danych.

Prerequisites

Technologia informacyjna. Bazy danych.

Scope

Wykład

  1. Wprowadzenie do hurtowni danych (definicje i terminologia).
  2. Architektura hurtowni danych (model pojęciowy, logiczny i fizyczny).
  3. Projektowanie hurtowni danych (modele wielowymiarowe i operacje OLAP).
  4. Modelowanie danych dla hurtowni danych (modelowanie punktowe).
  5. Implementacja fizyczna hurtowni danych(ekstrakcja transformacja i ładowanie).
  6. Systemy hurtowni danych (przegląd typowych rozwiązań).

Laboratorium

  1. Wprowadzenie do IBM Cognos Insight (przeglądanie i eksploracja danych, tworzenie kostki danych).
  2. Importowanie danych (import z asystą i odświeżanie danych).
  3. Restrukturyzacja danych (analiza i obliczanie danych, wyróżnianie wyjątków i dodawanie obliczeń).
  4. Tworzenie wizualizacji (przegląd wykresów).
  5. Budowa obszaru roboczego (projektowanie atrakcyjnego raportu).
  6. Wprowadzanie i formatowanie danych (tworzenie planu zakupów).

Teaching methods

Tradycyjny wykład. Ćwiczenia laboratoryjne w pracowni komputerowej według opracowanych instrukcji.

Learning outcomes and methods of theirs verification

Outcome description Outcome symbols Methods of verification The class form

Assignment conditions

  1. Sprawdzanie stopnia przygotowania studentów oraz ich aktywności w trakcie ćwiczeń laboratoryjnych.
  2. Uzyskanie pozytywnych ocen ze wszystkich ćwiczeń laboratoryjnych przewidzianych do realizacji w ramach programu laboratorium.
  3. Pisemne egzamin na zaliczenie wykładu składające się z pytań i zadań weryfikujący znajomość przerobionego materiału.

Na ocenę z przedmiotu składa się ocena z ćwiczeń laboratoryjnych (50%) i ocena z wykładu (50%). Warunkiem zaliczenia przedmiotu jest pozytywna ocena z ćwiczeń laboratoryjnych i wykładu.

Recommended reading

1.      Chris Todman, Projektowanie hurtowni danych. Wspomaganie zarządzania relacjami z klientami, Helion, 2011.

2.      William Harvey Inmon, Building the Data Warehouse. 4th Edition, Wiley, 2005.

Further reading

  1. Ramez Elmasri, Shamkant B. Navathe. Wprowadzenie do systemów baz danych, Helion, 2005.
  2. Adam Pelikant, Hurtownie danych. Od przetwarzania analitycznego do raportowania, Helion, 2011.

Notes


Modified by dr Alina Szelecka (last modification: 19-05-2022 21:49)

SylabUZ

(Build 175) © 2016 Computer Center - University of Zielona Góra