Big Data - modele, narzędzia, obróbka danych - opis przedmiotu

Informacje ogólne

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 2016/2017

Informacje o przedmiocie

Semestr	1
Liczba punktów ECTS do zdobycia	7
Typ przedmiotu	obowiązkowy
Język nauczania	polski
Sylabus opracował	dr hab. inż. Silva Robak, prof. UZ

Formy zajęć

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

Cel przedmiotu

Celem przedmiotu jest zapoznanie studenta z pojęciem big data, oraz modelami i narzędziami przeznaczonymi do obróbki dużej ilości danych.

Wymagania wstępne

Znajomość podstaw technologii informacyjnej.

Zakres tematyczny

Big data – koncepcje, podstawowe architektury.
Algorytm MapReduce i Apache Hadoop
Narzędzia typu open source do obróbki big data.
Modele eksploracji big data - klasyfikacja, klasteryzacja, rekomendacja danych.
Podejmowanie decyzji z wykorzystaniem rekomendacji, klasteryzacji, klasyfikacji dużych ilości danych.
Wizualizacja danych.
Modele biznesowe przedsięwzięć e-biznesu, także z wykorzystaniem big data.
Polityka bezpieczeństwa i kontroli systemów, w tym wykorzystujących big data.
Rodzaje systemów i metody Business Intelligence, a big data.

Metody kształcenia

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.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

Ostateczna ocena z przedmiotu uwzględnia ocenę z laboratorium (50%) oraz ocenę z egzaminu pisemnego (50%).

Literatura podstawowa

1. V. Mayer-Schonberger, K. Cukier: Big Data. Rewolucja, która zmieni nasze myślenie. Helion 2014.

Literatura uzupełniająca

1. Januszewski: Funkcjonalność systemów informacyjnych zarządzania. Tom I i II. PWN, Warszawa 2008.

Uwagi

Zmodyfikowane przez dr Robert Dylewski, prof. UZ (ostatnia modyfikacja: 25-09-2016 15:45)