Технології аналітики даних

Спеціальність: Системний аналіз (освітньо-наукова програма)
Код дисципліни: 7.124.00.O.008
Кількість кредитів: 5.00
Кафедра: Інформаційні системи та мережі
Лектор: д.т.н., проф. Берко Андрій Юліанович
Семестр: 2 семестр
Форма навчання: денна
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі результати навчання: Знати та уміти застосовувати на практиці методи системного аналізу, методи математичного та інформаційного моделювання для побудови та дослідження моделей об’єктів і процесів інформатизації. Знати методи розкриття невизначеностей в задачах системного аналізу, уміти розкривати ситуаційні невизначеності, та невизначеності в задачах взаємодії, протидії та конфлікту стратегій, знаходити компроміс при розкритті концептуальної невизначеності тощо. Знати та уміти ідентифікувати (оцінювати) параметри математичних моделей об’єктів управління в реальному масштабі часу в умовах зміни його динаміки і дії випадкових збурень, використовуючи вимірювані сигнали вхідних і вихідних координат об’єкта. Знати та вміти впроваджувати системи високонавантажених обчислень та обробки даних в задачах системного аналізу і управління, та системах підтримки прийняття рішень.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Аналіз бізнес-процесів Технології підтримки процесів прийняття рішень
Короткий зміст навчальної програми: Базові принципи технології аналізу даних; основні поняття та визначення аналізу даних; концепції сховища даних; методи трансформації даних; багатовимірні моделі даних; способи візуалізації даних; методи очистки даних; статистичні аспекти аналітики; моделi та методи побудови моделей та аналізу залежностей у ресурсах даних; сучаснi програмнi засоби для проектування i розробки систем аналізу даних.
Методи та критерії оцінювання: • Поточний контроль (40%): письмові звіти з лабораторних робіт, усне опитування • Підсумковий контроль (60%). іспит, тестування 50%, усна компонента 10%
Рекомендована література: 1. White, Tom // Hadoop: The Definitive Guide // O'Reilly Media, 2009. 2. Hadoop. Apache Software Foundation // http://hadoop.apache.org/ 3. Finley, Klint // Steve Ballmer on Microsoft's Big Data Future and More in This Week's Business Intelligence Roundup // ReadWriteWeb, 2011. 4. Fay Chang, Jeffrey Dean, Sanjay Ghemawat & etc. // Bigtable: A Distributed Storage System for Structured Data // Google Lab, 2006. 5. Сухорослов, O. // Новые технологии распределенного хранения и обработки больших массивов данных // Институт системного анализа РАН, 2008. 6. Jeffrey Dean, Sanjay Ghemawat // MapReduce: Simplified Data Processing on Large Clusters // Google Inc., 2004. 7. Judy Qiu // Cloud Technologies and Their Applications // Indiana University Bloomington, 2010 8. The Hadoop Distributed File System: Architecture and Design // http://hadoop.apache.org/common/docs/r0.17.2/hdfs_design.html 9. Созыкин, А. // Параллельное программирование в Hadoop // http://www.asozykin.ru/courses/hadoop 10. Ralf Lammel // Google’s MapReduce Programming Model — Revisited // Microsoft Corp.

Технології аналітики даних (курсова робота)

Спеціальність: Системний аналіз (освітньо-наукова програма)
Код дисципліни: 7.124.00.O.009
Кількість кредитів: 2.00
Кафедра: Інформаційні системи та мережі
Лектор: д.т.н., проф. Берко Андрій Юліанович
Семестр: 2 семестр
Форма навчання: денна
Результати навчання: У результаті вивчення навчальної дисципліни здобувач освіти повинен бути здатним продемонструвати такі результати навчання: Знати та уміти застосовувати на практиці методи системного аналізу, методи математичного та інформаційного моделювання для побудови та дослідження моделей об’єктів і процесів інформатизації. Знати методи розкриття невизначеностей в задачах системного аналізу, уміти розкривати ситуаційні невизначеності, та невизначеності в задачах взаємодії, протидії та конфлікту стратегій, знаходити компроміс при розкритті концептуальної невизначеності тощо. Знати та уміти ідентифікувати (оцінювати) параметри математичних моделей об’єктів управління в реальному масштабі часу в умовах зміни його динаміки і дії випадкових збурень, використовуючи вимірювані сигнали вхідних і вихідних координат об’єкта. Знати та вміти впроваджувати системи високонавантажених обчислень та обробки даних в задачах системного аналізу і управління, та системах підтримки прийняття рішень.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Аналіз бізнес-процесів Технології підтримки процесів прийняття рішень
Короткий зміст навчальної програми: Базові принципи технології аналізу даних; основні поняття та визначення аналізу даних; концепції сховища даних; методи трансформації даних; багатовимірні моделі даних; способи візуалізації даних; методи очистки даних; статистичні аспекти аналітики; моделi та методи побудови моделей та аналізу залежностей у ресурсах даних; сучаснi програмнi засоби для проектування i розробки систем аналізу даних.
Методи та критерії оцінювання: • Підсумковий контроль (100%). захист курсової
Рекомендована література: 1. White, Tom // Hadoop: The Definitive Guide // O'Reilly Media, 2009. 2. Hadoop. Apache Software Foundation // http://hadoop.apache.org/ 3. Finley, Klint // Steve Ballmer on Microsoft's Big Data Future and More in This Week's Business Intelligence Roundup // ReadWriteWeb, 2011. 4. Fay Chang, Jeffrey Dean, Sanjay Ghemawat & etc. // Bigtable: A Distributed Storage System for Structured Data // Google Lab, 2006. 5. Сухорослов, O. // Новые технологии распределенного хранения и обработки больших массивов данных // Институт системного анализа РАН, 2008. 6. Jeffrey Dean, Sanjay Ghemawat // MapReduce: Simplified Data Processing on Large Clusters // Google Inc., 2004. 7. Judy Qiu // Cloud Technologies and Their Applications // Indiana University Bloomington, 2010 8. The Hadoop Distributed File System: Architecture and Design // http://hadoop.apache.org/common/docs/r0.17.2/hdfs_design.html 9. Созыкин, А. // Параллельное программирование в Hadoop // http://www.asozykin.ru/courses/hadoop 10. Ralf Lammel // Google’s MapReduce Programming Model — Revisited // Microsoft Corp.