Методи аналізу великих даних
Спеціальність: Комп'ютерні науки (освітньо-наукова програма)
Код дисципліни: 7.122.04.O.067
Кількість кредитів: 5.00
Кафедра: Системи штучного інтелекту
Лектор: Шаховська Н.Б.
Семестр: 1 семестр
Форма навчання: денна
Результати навчання:
1. ефективно використовувати парадигми паралельного опрацювання даних, зокрема MapReduce та системи Apache Hadoop, Apache Spark, відповідні хмарні служби Amazon Web Services та IBM Bluemix; розгортати надійні та швидкі сховища для надвеликих обсягів даних; використовувати програмні бібліотеки та фреймворки з ефективними алгоритмами опрацювання надвеликих обсягів даних.
2. вміти аналізувати й ефективно застосовувати хмарні системи опрацювання великих даних.
3. уміння розробляти та керувати проектами.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Попередні навчальні дисципліни
Інтелектуальний аналіз даних
Системи штучного інтелекту
Розподілене та паралельне програмування
Супутні і наступні навчальні дисципліни
Машинне навчання
Обробка зображень методами штучного інтелекту
Хмарні технології
Короткий зміст навчальної програми: Мета викладання даної навчальної дисципліни є формування знань з предметної області великих даних (big data) й взаємозв'язків з наукою про дані (data science) та аналізом даних (data analytics). Оволодіння навичками оперування великими даними шляхом використання спеціалізованих програмно-апаратних засобів, зокрема хмарних сервісів, спеціалізованих систем зберігання даних, розподілених файлових систем тощо. Розвиток уміння працювати з великими даними з урахуванням їх ключових характеристик: обсягу, різноманітності, мінливості й забезпечуючи відповідний рівень швидкості їх опрацювання. Розвиток навичок ефективного використання математичного, алгоритмічного та програмного забезпечення для розв'язання основних задач предметної області великих даних.
Методи та критерії оцінювання: 50 - лабораторні роботи
50 - екзамен
Рекомендована література: 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.