SylabUZ
Nazwa przedmiotu | Big Data - modele, narzędzia, obróbka danych |
Kod przedmiotu | 11.3-WK-IDD-BDMNOD-L-S15_pNadGenKTRDW |
Wydział | Wydział Matematyki, Informatyki i Ekonometrii |
Kierunek | Inżynieria danych |
Profil | ogólnoakademicki |
Rodzaj studiów | drugiego stopnia z tyt. magistra |
Semestr rozpoczęcia | semestr letni 2020/2021 |
Semestr | 2 |
Liczba punktów ECTS do zdobycia | 7 |
Typ przedmiotu | obowiązkowy |
Język nauczania | polski |
Sylabus opracował |
|
Forma zajęć | Liczba godzin w semestrze (stacjonarne) | Liczba godzin w tygodniu (stacjonarne) | Liczba godzin w semestrze (niestacjonarne) | Liczba godzin w tygodniu (niestacjonarne) | Forma zaliczenia |
Laboratorium | 30 | 2 | - | - | Zaliczenie na ocenę |
Wykład | 30 | 2 | - | - | Egzamin |
Celem przedmiotu jest zapoznanie studenta z pojęciem big data, oraz modelami i narzędziami przeznaczonymi do obróbki dużej ilości danych.
Znajomość podstaw technologii informacyjnej.
Tradycyjny wykład, ćwiczenia laboratoryjne. Opracowanie tematów laboratoryjnych wg instrukcji, którą studenci otrzymają na początku semestru. Dyskusje prowadzące do pogłębienia wiedzy i lepszego zrozumienia przerabianego materiału.
Opis efektu | Symbole efektów | Metody weryfikacji | Forma zajęć |
Ostateczna ocena z przedmiotu uwzględnia ocenę z laboratorium (50%) oraz ocenę z egzaminu pisemnego (50%).
1. Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data. EMC Education Services (Editor). Wiley 2015.
2. Mahmoud Parsian: Data Algorithms. Recipes for Scaling Up with Hadoop and Spark O'Reilly Media 2015.
3. Russell Jurney: Hadoop. Zwinna analiza danych. Helion 2015.
4. Tom White: Hadoop. Kompletny przewodnik. Analiza i przechowywanie danych. Helion 2015.
1. Sean Owen, Robin Anil, Ted Dunning, and Ellen Friedman: Mahout in Action. Wydawnictwo Manning 2015.
Zmodyfikowane przez dr Alina Szelecka (ostatnia modyfikacja: 06-06-2020 08:22)