|
|
|
|
| Почетна >> Странице предметa >> Big Data инфраструктуре и сервиси |
| |
| |
 |
О предмету |
Big Data инфраструктуре и сервиси |
| Студијски програм: Електронско пословање, Рачунарско инжењерство |
|
| Назив предмета: Big Data инфраструктуре и сервиси |
|
Наставник:
др Габријела Димић |
|
| Статус предмета: Изборни |
|
| Шифра предмета: |
|
| ЕСПБ бодови: 8 |
|
| Услов: |
|
Циљ предмета:
Оспособљавање студената да разумеју, примене и развијају системе за анализу и управњање великим количинама података (енгл. Big Data). |
|
Исход предмета:
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: |
1. Проблеми складиштења, скалабилности и расположивости великих количина података.
2. CAP теорема, ACID vs. BASE особине база података.
3. Инфраструктура система за обраду података велике количине података.
4. Складишта великих количина података Apache Hadoop.
5. Алтеративни системи база података (NoSQL).
6. Особине, предности и недостатци NoSQL база података.
7. Базе података (бп) типа кључ-вредност, колонски орјентисане бп, бп орјентисане ка графовима, бп орјентисане ка документима, темпоралне бп.
8. Основни концепти истраживања података. MapReduce и HPCC приступ паралелној и дистрибуираној обради података.
9. Анализа токова података, анализа веза у подацима.
10. Груписање података и примене у системима препоручивавања.
11. Анализа графова социјалних мрежа.
12. Технике смањења димензионалности.
13. 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: |
[1] B.Marr, Big Data: Using SMART Big Data, Analytics and Metrics To Make Better Decisions and Improve Performance, Wiley, 2015.
[2] Д. Ћулибрк, Откривање знања из података: Одабрана поглавља, Create Space, 2012.
[3 ] 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:
|
|
Остали часови: |
|
| Предавања: |
Вежбе: |
Други облици наставе: |
Студијски и истраживачки рад: |
| 4 |
3 |
|
|
|
|
Метода извођења наставе:
|
|
Оцена знања (максималан број поена 100):
| Предиспитне обавезе |
Поена |
Завршни испит |
Поена |
| активности у току предавања |
10 |
писмени испит |
30 |
| практична настава |
30 |
усмени испит |
|
| семинарски рад |
|
испит за рачунаром |
|
| колоквијум |
30 |
практичан |
|
|
|
|
|
|
|
|
