Big Data Analysis Methods

Major: Computer Sciences
Code of subject: 7.122.04.O.69
Credits: 5.00
Department: Artificial Intelligence Systems
Lecturer: Shakhovska N.B.
Semester: 1 семестр
Mode of study: денна
Learning outcomes: 1. make effective use of parallel data processing paradigms, including MapReduce and Apache Hadoop, Apache Spark, the relevant Amazon Web Services and IBM Bluemix cloud services; deploy reliable and fast storage for very large amounts of data; use software libraries and frameworks with efficient algorithms for processing large amounts of data. 2. be able to analyze and effectively apply cloud big data processing systems. 3. ability to develop and manage projects.
Required prior and related subjects: Previous academic disciplines Data mining Artificial intelligence systems Distributed and parallel programming Related and subsequent disciplines Machine learning Image processing by artificial intelligence methods Cloud technologies
Summary of the subject: The purpose of teaching this discipline is the formation of knowledge in the subject area of ??big data (big data) and relationships with data science (data science) and data analysis (data analytics). Mastering the skills of handling big data through the use of specialized software and hardware, including cloud services, specialized storage systems, distributed file systems and more. Development of the ability to work with big data taking into account their key characteristics: volume, diversity, variability and providing the appropriate level of speed of their processing. Development of skills of effective use of mathematical, algorithmic and software for the decision of the basic problems of a subject area of ??big data.
Assessment methods and criteria: 50 - labs 50 - exam
Recommended books: 1. Желязны Д. Говори на языке диаграмм : пособие по визуальным коммуникациям для руководителей / Д. Желязны. – М. : Институт комплексных стратегических исследований, 2004. – 220 с. 2. Квєтний Р. Н. Комп’ютерне моделювання систем та процесів. Методи обчислень. Частина 1: навчальний посібник / Р. Н. Квєтний, І. В. Богач, О. Р. Бойко, О. Ю. Софина, О.М. Шушура; за заг. ред. Р.Н. Квєтного. – Вінниця: ВНТУ, 2012. – 193 с. 3. Квєтний Р. Н. Методи фільтрації текстурованих зображень у задачах розпізнавання та класифікації / Р. Н. Квєтний, О. Ю. Софина. – Вінниця: УНІВЕРСУМ-Вінниця, 2011. – 119 с. 4. Круглов В. В., Дли М. И., Голунов Р. Ю. Нечёткая логика и искусственные нейронные сети. Учеб. пособие. М.: Издательство Физико-математической литературы, 2001. - 224 c. 5. Кубенский А.А. Структуры и алгоритмы обработки данних / А.А. Кубенский. - СПб.: БХВ-Петербург, 2004. – 464 с. 6. Любчак, В.О. Методи та алгоритми обчислень [Текст] : навч. посіб. / В.О. Любчак, Л.Д. Назаренко. – Суми : СумДУ, 2008. – 313 с. 7. Матвійчук Я.М. Методи та алгоритми обчислень на ЕОМ : навч. посібник / Я.М. Матвійчук. – Львів: Ліга-Прес, 2008. – 84 с. 8. Роэм Д. Практика визуального мышления. Оригинальный метод решения сложных проблем / Д. Роэм. – М . : Манн, Иванов и Фербер, 2014. – 396 с. 9. Фельдман Л. П. Чисельні методи в інформатиці : підручник / Л. П. Фельдман, М. З. Згуровського, Л. П. Фельдман, А. І. Петренко, О. А. Дмитрієва. – К.: Вид. група BHV, 2006. – 480 с. 10. Яу Н. Искусство визуализации в бизнесе. Как представить сложную информацию простыми образами / Н. Яу. – М. : Манн, Иванов и Фербер, 2013. – 352 с.