Надвеликі бази даних

Спеціальність: Прикладна математика та інформатика
Код дисципліни: 6.113.02.E.066
Кількість кредитів: 5.00
Кафедра: Прикладна математика
Лектор: к.т.н., доцент Любінський Богдан Богданович
Семестр: 7 семестр
Форма навчання: денна
Мета вивчення дисципліни: Вивчення дисципліни “Технології великих баз даних” має на меті дати студентам знання про існуючі підходи роботи з великими об’ємами даних.
Завдання: Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей: загальні компетентності: ЗК5 ЗК6 ЗК7 ЗК8 ЗК11 ЗК12 ЗК15 згідно ОПП. фахові компетентності:ФК2, ФК6 згідно ОПП. Результати навчання даної дисципліни деталізують такі програмні результати навчання: ЗН2 ЗН4 УМ3 УМ5 УМ6 УМ7 згідно ОПП.
Результати навчання: • оволодіти основними поняттями в області роботи з великими об’ємами даних; • вміти застосовувати на практиці отримані знання; • розуміти BI(бізнесова аналітика) і вміти застосовувати на практиці; • навчитись будувати OLAP куби; • навчитись застосовувати на практиці модель розподілених обчислень Map/Reduce; • навчитись працювати з Apache Hadoop для організації розподіленої обробки великих обсягів даних;
Необхідні обов'язкові попередні та супутні навчальні дисципліни: пререквізит: • Програмування • Бази даних • Об’єктно-орієнтоване програмування
Короткий зміст навчальної програми: Навчальна дисципліна “Технології великих баз даних” охоплює технології роботи з великими об’ємами інформації з використанням бізнес аналітики і Big Data.
Опис: Вступ в BI(бізнесову аналітику), вступ в Big Data, вступ в Hadoop, компоненти Hadoop, запуск і структурні елементи Hadoop, HIVE, приклади використання Big Data.
Методи та критерії оцінювання: - Допуск до лабораторних робіт; - Здача лабораторних робіт;
Критерії оцінювання результатів навчання: • лабораторні заняття, (40%); • підсумковий контроль (60%): Диференційований залік.
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Виктор Маер-Шенбергер, Кеннет Кукьер. Большие данные: Революция,которая изменит то, как мы живем, работаем и мыслим. — М.: «Манн,Иванов и Фербер», 2013, 240 с. ISBN 978-5-91657-936-9(http://www.mann-ivanov-ferber.ru/books/paperbook/big_data/) 2. National Research Council. 2013. Frontiers in Massive Data Analysis.Washington, D.C.: The National Academies Press. 3. Туманов В.Е. Проектирование хранилищ данных для приложений систем деловой осведомленности (Business Intelligence Systems). С использованием CASE PowerDesigner для платформы MS SQL Server. Курс лекцій. 4. Devlin B.A., Murphy P.T. An Architecture For A Business And Information System, IBM Systems Journal, 1988Vol 17 No 1, p. 60-80. 5. Inmon, W. H. Building the Data Warehouse, Third Edition. John Wiley & Sons, Inc. New York, 2002. -428 с. 6. Kimbell R., Ross M. The Data Warehouse Toolkit: The Complete Guide to Dimensional Data Warehouses. J. Willey & Sons. Second Edition, 2002. - 447 с.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою: вул. Карпінського, 2/4, І-й н.к., кімн. 112 E-mail: nolimits@lpnu.ua Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).

Надвеликі бази даних (курсова робота)

Спеціальність: Прикладна математика та інформатика
Код дисципліни: 6.113.02.E.067
Кількість кредитів: 2.00
Кафедра: Прикладна математика
Лектор: к.т.н., доцент Любінський Богдан Богданович
Семестр: 7 семестр
Форма навчання: денна
Мета вивчення дисципліни: Вивчення дисципліни “Технології великих баз даних” має на меті дати студентам знання про існуючі підходи роботи з великими об’ємами даних.
Завдання: Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей: загальні компетентності: ЗК5 ЗК6 ЗК7 ЗК8 ЗК11 ЗК12 ЗК15 згідно ОПП. фахові компетентності:ФК2, ФК6 згідно ОПП. Результати навчання даної дисципліни деталізують такі програмні результати навчання: ЗН2 ЗН4 УМ3 УМ5 УМ6 УМ7 згідно ОПП.
Результати навчання: • оволодіти основними поняттями в області роботи з великими об’ємами даних; • вміти застосовувати на практиці отримані знання; • розуміти BI(бізнесова аналітика) і вміти застосовувати на практиці; • навчитись будувати OLAP куби; • навчитись застосовувати на практиці модель розподілених обчислень Map/Reduce; • навчитись працювати з Apache Hadoop для організації розподіленої обробки великих обсягів даних;
Необхідні обов'язкові попередні та супутні навчальні дисципліни: пререквізит: • Програмування • Бази даних • Об’єктно-орієнтоване програмування
Короткий зміст навчальної програми: Навчальна дисципліна “Технології великих баз даних” охоплює технології роботи з великими об’ємами інформації з використанням бізнес аналітики і Big Data.
Опис: Вступ в BI(бізнесову аналітику), вступ в Big Data, вступ в Hadoop, компоненти Hadoop, запуск і структурні елементи Hadoop, HIVE, приклади використання Big Data.
Методи та критерії оцінювання: - Допуск до лабораторних робіт; - Здача лабораторних робіт;
Критерії оцінювання результатів навчання: • лабораторні заняття, (40%); • підсумковий контроль (60%): іспит у письмовій формі.
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Виктор Маер-Шенбергер, Кеннет Кукьер. Большие данные: Революция,которая изменит то, как мы живем, работаем и мыслим. — М.: «Манн,Иванов и Фербер», 2013, 240 с. ISBN 978-5-91657-936-9(http://www.mann-ivanov-ferber.ru/books/paperbook/big_data/) 2. National Research Council. 2013. Frontiers in Massive Data Analysis.Washington, D.C.: The National Academies Press. 3. Туманов В.Е. Проектирование хранилищ данных для приложений систем деловой осведомленности (Business Intelligence Systems). С использованием CASE PowerDesigner для платформы MS SQL Server. Курс лекцій. 4. Devlin B.A., Murphy P.T. An Architecture For A Business And Information System, IBM Systems Journal, 1988Vol 17 No 1, p. 60-80. 5. Inmon, W. H. Building the Data Warehouse, Third Edition. John Wiley & Sons, Inc. New York, 2002. -428 с. 6. Kimbell R., Ross M. The Data Warehouse Toolkit: The Complete Guide to Dimensional Data Warehouses. J. Willey & Sons. Second Edition, 2002. - 447 с.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою: вул. Карпінського, 2/4, І-й н.к., кімн. 112 E-mail: nolimits@lpnu.ua Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).