Databasteknik, 6 hp (732A57)

Database Technology, 6 credits

Huvudområde

Datavetenskap

Nivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Olaf Hartig

Kursansvarig

Olaf Hartig

Studierektor eller motsvarande

Patrick Lambrix
Kursen ges för Termin Veckor Språk Ort VOF
F7MSL Statistics and Machine Learning, Master´s Programme - First and main admission round 3 (HT 2021) v202144-202202 Engelska Linköping v
F7MSL Statistics and Machine Learning, Master´s Programme - Second admission round (open only for Swedish/EU students) 3 (HT 2021) v202144-202202 Engelska Linköping v
VOF = Valbar / Obligatorisk / Frivillig

Huvudområde

Datavetenskap

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1N

Kursen ges för

  • Master's Programme in Statistics and Machine Learning

Förkunskapskrav

  • Kandidatexamen om 180hp (eller motsvarande) inom något av följande ämnen:
    • statistik
    • matematik
    • tillämpad matematik
    • datavetenskap
    • teknik
  • Godkända kurser i:
    • kalkyl
    • linjär algebra
    • statistik
    • programmering
  • Engelska 6/B
    (Undantag för svenska)

Lärandemål

 Efter kursen ska studenten på en avancerad nivå kunna: 
- redogöra för och använda de viktigaste begreppen inom databaser och databasteknik på ett korrekt sätt. 
- designa en datamodell med hjälp av EER-modellering 
- designa, implementera och använda en relationsdatabas. 
- redogöra för den teoretiska grunden för relationsmodellen och använda denna för att avgöra om en relationsdatabas har en bra design. 
- förklara vilka filstrukturer i databashanteringssystemet som kan användas för att implementera en databas. 
- förklara grundprinciper om hur man kan indexera en databas och utifrån detta designa ett index med god effektivitet. 
- redogöra för vilka problem som kan uppstå när databasen hanterar många användare och några möjliga lösningar på detta. 
• redogöra för hur databasen kan garantera att data är persistenta samt givet önskade egenskaper hos databasen förklara hur detta löses med hjälp av databasåterställning och backup. 
• redogöra för huvudprinciperna bakom heuristisk frågeoptimering, samt givet en fråga kunna beräkna den optimerade frågan och uppskatta hur effektiv optimeringen varit. 

 

Kursinnehåll

Kursen behandlar teoretiska och praktiska kunskaper om principer för:
- lagring och återvinning av information i ett modernt databassystem
- generella databashanteringssystem (DBMS),
samt
- metoder för databasdesign och databasanvändning
- datamodelleringstekniker: EER-modellen, relationsdatabaser, databasspecifika datastrukturer, SQL, relationsalgebra och frågeoptimering, transaktioner, samtidighetskontroll, recovery. 

Undervisnings- och arbetsformer

Kursen består av föreläsningar och laborationer. Föreläsningarna behandlar teori och metodik. Under laborationerna utförs ett antal uppgifter som illustrerar principerna för design och utnyttjande av en databas. 
Utöver detta ska den studerande utöva självstudier.
Undervisningsspråk: Engelska 

 

Examination

Skriftlig tentamen. Laborationer.
Detaljerad information återfinns i studiehandledningen.

Betygsskala

ECTS, EC

Institution

Institutionen för datavetenskap
Det finns ingen kurslitteratur tillgänglig för den här kursen.
LAB1 Laboration EC 3 hp
TENT Tentamen EC 3 hp

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida. Det finns inga filer att visa.

Sidansvarig: Infocenter, infocenter@liu.se