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:
  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:
  1. 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 (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