Big Data инфраструктуре и сервиси Шифра: 317211 | 8 ЕСПБ
Опште информације
Ниво студија:
Година студија:
1
Семестар/Триместар:
2
Услов:
Циљ:
Оспособљавање студената да разумеју, примене и развијају системе за анализу и управњање великим количинама података (енгл. Big Data).
Исход:
Студенти ће по завршетку курса стећи знања и вештине које ће им омогућити да на ефикасан начин користе савремене системе за чување, приступ, анализу и истраживањевеликих структуираних и неструктуираних колекција података.
Садржај предмета
Теоријска настава:
- Проблеми складиштења, скалабилности и расположивости великих количина података.
- CAP теорема, ACID vs. BASE особине база података.
- Инфраструктура система за обраду података велике количине података.
- Складишта великих количина података Apache Hadoop.
- Алтеративни системи база података (NoSQL).
- Особине, предности и недостатци NoSQL база података.
- Базе података (бп) типа кључ-вредност, колонски орјентисане бп, бп орјентисане ка графовима, бп орјентисане ка документима, темпоралне бп.
- Основни концепти истраживања података. MapReduce и HPCC приступ паралелној и дистрибуираној обради података.
- Анализа токова података, анализа веза у подацима.
- Груписање података и примене у системима препоручивавања.
- Анализа графова социјалних мрежа.
- Технике смањења димензионалности.
- Технике машинског учења на основу велике количине података.
Практична настава:
- Практична настава прати теоријску наставу која остопобљава студенте за анализу велике количине података применом дистрибуираних система заснованих на Hadoop и HPCC технологијама.
Литература
- B.Marr, Big Data: Using SMART Big Data, Analytics and Metrics To Make Better Decisions and Improve Performance, Wiley, 2015.
- Д. Ћулибрк, Откривање знања из података: Одабрана поглавља, Create Space, 2012.
- M.Minelli, M.Chambers, A.Dhiraj, Big Data, Big Analytics:Emerging Business Intelligence and Analytic Trends for Today’s Businesses, Wiley, 2013.
Број часова активне наставе (недељно)
Предавања:
4
Вежбе:
3
Други облици наставе:
0
Оцена знања (максималан број поена 100)
Предиспитне обавезе
Поени
активности у току предавања
0
активности на лабораторијским вежбама
10
семинарски рад
10
колоквијум
30
Завршни испит
Поени
Писмени испит
50
Усмени испит
0