Inżynieria dużych zbiorów danych - course description

General information

Course name	Inżynieria dużych zbiorów danych
Course ID	06.9-WM-ZiIP-P4.0-D-18_22
Faculty	Faculty of Mechanical Engineering
Field of study	Management and Production Engineering
Education profile	academic
Level of studies	Second-cycle studies leading to MSc degree
Beginning semester	winter term 2023/2024

Course information

Semester	2
ECTS credits to win	4
Course type	obligatory
Teaching language	polish
Author of syllabus	prof. dr hab. inż. Justyna Patalas-Maliszewska

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	15	1	9	0,6	Exam
Laboratory	30	2	18	1,2	Credit with grade

Aim of the course

Głównym skutkiem kształcenia będzie poznanie metod i narzędzi przetwarzaniu dużych ilości danych na potrzeby przedsiębiorstwa z przeznaczeniem do wykorzystania w roli wsparcia podejmowanych decyzji.

Prerequisites

Systemy wspomagania decyzji.

Scope

S-studia stacjonarne, N- studia niestacjonarne

Wykład:

SW1 (NW1): Pojęcie, geneza, charakterystyka inżynierii dużych zbiorów danych.

SW2 (NW2): Charakterystyka zagadnień: Data Science, Big Data, Data Analysis

SW3 (NW3): Środowiska przetwarzania dużych zbiorów danych, technologie oferowane przez platformy Google Cloud w ramach SAS Cloud Analytics Services

SW4 (NW4): Wprowadzenie do eksploracji danych w Big Data, wybrane metody klasyfikacji dużych zbiorów danych.

SW5-SW6 (NW5): Narzędzia BI

SW7-SW8 (NW5): Sentiment Analysis. Opinion Mining.

Laboratorium:

Laboratorium 1/ Laboratorium 2:

SL1-SL2(NL1): Structured and unstructured data in SAP HANA

SL3(NL2): Sources of Big Data in SAP HANA

SL4(NL3): Gather Big Data in SAP HANA

SL5-SL6(NL4): Store Big Data in SAP HANA

SL7(NP7): Store Big Data in SAP HANA

SL8-SL9 (NL6): Analyze Big Data in SAP HANA

SL10-SL11 (NL7): Analyze Big Data in SAP HANA

SL12 (NL7): Zbudowanie struktury raportu BI

SL13-SL15 (NL8): Budowa modeli wspomagających podejmowanie decyzji w przedsiębiorstwie

Teaching methods

Wykład konwencjonalny. Laboratorium (SAP HANA)

Learning outcomes and methods of theirs verification

Outcome description	Outcome symbols	Methods of verification	The class form

Assignment conditions

Wykład: zaliczenie na ocenę. Kolokwium w formie pisemnej poprzedzone uzyskaniem zaliczenia z zajęć laboratoryjnych

Laboratorium: zaliczenie na ocenę. Ocena wyznaczana na podstawie wyników ze sprawozdań z każdego laboratorium

Ocena końcowa: 50%W, 50% L.

Notes

Modified by prof. dr hab. inż. Justyna Patalas-Maliszewska (last modification: 13-04-2023 19:10)

Generate PDF for this page