Subject
Концепти и примена на големи податоци
| 1. | Наслов на наставниот предмет |
Концепти и примена на големи податоци Concepts and applications of big data |
||||||||||||
| 2. | Код | m23_w_039 | ||||||||||||
| 3. | Студиска програма | — | ||||||||||||
| 4. | Организатор на студиската програма (единица, односно институт, катедра, оддел) | Факултет за информатички науки и компјутерско инженерство | ||||||||||||
| 5. | Степен (прв, втор, трет циклус) | Втор циклус | ||||||||||||
| 6. | Академска година / семестар | 9 / Зимски | ||||||||||||
| 7. | Број на ЕКТС кредити | 6 | ||||||||||||
| 8. | Наставник | Ефтим Здравевски, Горан Велинов | ||||||||||||
| 9. | Предуслови за запишување на предметот | — | ||||||||||||
| 10. | Цели на предметната програма (компетенции) | Целта на предметот е студентите да се запознаат со феноменот на големи податоци - причините за нивната појава и начините на нивно создавање, како и со теоретските и практичните концепти за моделирање и анализа на податоци со голем обем, брзина и разновидност. Ќе биде даден вовед во традиционалните системи за aнализа на податоци и предизвиците поврзани со големите податоци. Ќе бидат разгледани типични проблеми, апликации и системи поврзани со големи податоци. Од теоретски и практичен аспкет ќе биде проучен екоситемот изграден околу рамката Hadoop - намената, концептите и архитектурата на елементите на Hadoop и основните компоненти на екосистемот. | ||||||||||||
| 11. | Содржина на предметната програма | Генерирање на големи податоци. Реални примери со трите типови на извори на големи податоци: луѓе, организации и сензори. Препознавање и опис на карактеристиките на големи податоци: волумен, брзина, променливост, разновидност, вредност, визуализација, валентност. Нивно влијание на собирањето, мониторингот, чувањето, анализата и генерирање извештаи. Постапка за добивање вредност од големи податоци преку процес за структурирана анализа. Предизвици и грешки во собирањето и анализата на големи податоци. Опис на архитектурните компоненти на системите кои се користат за скалабилна анализа на големи податоци. Податочно-водени стратегии за донесување одлуки. Хоризонтално и вертикално партиционирање на податоците. Предизвици со димензионално моделирање. Модули на Hadoop рамката: Common, YARN, HDFS, MapReduce. Основни компоненти на Hadoop екосистемот: HBase, Spark, Hive, Pig. Алатки за визуализација на големи податоци. |
||||||||||||
| 12. | Методи на учење | Предавања поддржани со презентации преку слајдови, интерактивни предавања, вежби (користење на опрема и софтверски пакети), тимска работа, пример случаи, поканети гости предавачи, самостојна изработка и одбрана на проектна задача и семинарска работа, учење во електронско опкружување (форуми, консултации). | ||||||||||||
| 13. | Вкупен расположив фонд на време | 6 ЕКТС x 30 часа = 180 часа | ||||||||||||
| 14. | Распределба на расположивото време | 30 + 30 + 30 + 45 + 45 = 180 часа | ||||||||||||
| 15. | Форми на наставните активности |
|
||||||||||||
| 16. | Други форми на активности |
|
||||||||||||
| 17. | Начин на оценување |
|
||||||||||||
| 18. | Критериуми за оценување (бодови/ оценка) |
|
||||||||||||
| 19. | Услов за потпис и полагање на завршен испит | реализирани активности 15.1 и 15.2 | ||||||||||||
| 20. | Јазик на кој се изведува наставата | македонски и англиски | ||||||||||||
| 21. | Метод на следење на квалитетот на наставата | механизам на интерна евалуација и анкети | ||||||||||||
| 22. | Литература |
|
