Обробка і аналіз великих даних
Спеціальність: Комп'ютерні науки (Системи штучного інтелекту)
Код дисципліни: 6.122.13.E.047
Кількість кредитів: 6.00
Кафедра: Системи штучного інтелекту
Лектор:
Шаховська Н.Б.
Семестр: 7 семестр
Форма навчання: денна
Завдання: Вивчення навчальної дисципліни передбачає формування та розвиток у студентів компетентностей:
інтегральна компетентність (ІНТ):
Здатність використовувати поглиблені теоретичні та фундаментальні знання в галузі інформаційних технологій, штучного інтелекту для ефективного розв’язування складних спеціалізованих задач та практичних проблем під час професійної діяльності або у процесі навчання, що передбачає їхнє застосування для розроблення складних систем, які характеризуються комплексністю та невизначеністю умов.
загальні компетентності (ЗК):
1. здатність навчатися;
2. уміння спілкуватися усно та в письмовій формі українською мовою;
3. здатність здійснювати пошук та аналізувати інформацію з різних джерел;
4. уміння ідентифікувати, формулювати та розв’язувати задачі;
5. уміння застосовувати знання в практичних ситуаціях;
6. уміння приймати обґрунтовані рішення;
7. уміння проводити дослідження на відповідному рівні;
8. уміння думати абстрактно, аналізувати та синтезувати;
9. уміння розробляти та керувати проектами;
10. уміння працювати самостійно;
11. навички використання інформаційних та комунікативних технологій.
фахові компетентності спеціальності (ФК):
1. здатність застосовувати базові знання з фундаментальних наук: математики, фізики, електроніки для вирішення типових задач спеціальності;
2. здатність використовувати методології та технології проектування, застосування та супроводу програмного забезпечення, підтримка їхнього життєвого циклу;
3. здатність застосовувати знання математичних методів аналізу та синтезу складних об’єктів та систем із застосуванням сучасних методів інформаційних технологій;
4. здатність застосовувати знання методів збору, обробки, аналізу, систематизації та зберігання науково-технічної інформації;
5. здатність застосовувати знання сучасних методів та засобів розподілених систем, паралельних обчислень;
фахові компетентності спеціалізації (ФКС):
1. здатність формулювати нові гіпотези, шукати та візуалізувати приховані залежності даних, використовуючи методи штучного інтелекту;
2. здатність ефективно вибирати належні напрями і відповідні методи для розв’язування задач в області інформаційних технологій та штучного інтелекту;
3. здатність аналізувати неструктуровані дані, шукати залежності з використанням методів штучного інтелекту,
Результати навчання даної дисципліни деталізують такі програмні результати навчання:
1. здатність продемонструвати поглиблені знання принаймні в одній з областей інформаційних технологій;
2. здатність продемонструвати знання та навики щодо проведення експериментів, збору даних та моделювання у предметній області;
3. здатність продемонструвати знання та розуміння методологій проектування інформаційних систем;
4. здатність продемонструвати знання сучасного стану справ та новітніх технологій в галузі інформаційних технологій;
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: Інтелектуальний аналіз даних
Системи штучного інтелекту
Розподілене та паралельне програмування
Машинне навчання
Обробка зображень методами штучного інтелекту
Хмарні технології
Короткий зміст навчальної програми: Дисципліна спрямована на вивчення і набуття уміння в сфері інженерії даних та знань в технологічних процесах розроблення і підтримки інтелектуальних інформаційних систем, які базуються на моделюванні великих даних.
В процесі навчання студенти набувають системних практичних навиків як в технологічній області, так і в області виробничо-дослідницької діяльності.
В результаті навчання студенти отримують сучасні знання, які необхідні для провадження інженерної та наукової діяльності в області інтелектуального аналізу великих даних, видобутку нових знань у наборах даних великої розмірності і створення прикладних інформаційних продуктів.
Опис: Великі дані (big data), наука про дані (data science) та аналіз даних (data analytics): математичне, алгоритмічне, апаратне та програмне забезпечення для розв'язання основних задач предметної області великих даних.
Аналіз та побудова систем для опрацювання великих даних.
Управління даними
Методи пошуку закономірностей. Візуалізація у великих даних і видобування закономірностей
Асоціативні правила
Аналіз великих даних на графах
Map-reduce
Методи класифікації, що паралеляться
Методи кластеризації, що паралеляться
NoSQL БД
Методи та критерії оцінювання:
1. Виконання лабораторних та практичних робіт та їх захист.
2. Написання контрольних робіт.
3. Написання розрахунково-графічної роботи
4. Екзамен.
Критерії оцінювання результатів навчання: Лабораторна робота, Практична робота, Розрахунково-графічна робота - 40 балів
Іспит, Усна компонента - 60 балів
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допус
українська, англійськакаються 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: 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.
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).