Big Data Analytics, 6 hp (TDDE31)
Big Data Analytics, 6 credits
Huvudområde
Informationsteknologi Datateknik DatavetenskapNivå
Avancerad nivåKurstyp
ProgramkursExaminator
Olaf HartigStudierektor eller motsvarande
Patrick LambrixTillgänglig för utbytesstudenter
JaHuvudområde
Informationsteknologi, Datateknik, DatavetenskapUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen ges för
- Masterprogram i Computer Science
- Civilingenjör i datateknik
- Civilingenjör i informationsteknologi
- Civilingenjör i mjukvaruteknik
- Civilingenjör i industriell ekonomi
- Civilingenjör i industriell ekonomi - internationell
Rekommenderade förkunskaper
Grundläggande databaskurs. Data mining eller maskininlärning.
Lärandemål
Efter avslutad kurs skall den studerande på en avancerad nivå kunna:
- samla och lagra Big Data i en distribuerad datormiljö
- genomföra grundläggande förfrågningar till en databas som opererar på ett distribuerat filsystem
- redovisa grundläggande principer för parallella beräkningar
- använda MapReduce begreppet för att parallellisera vanliga databearbetningsalgoritmer
- redovisa hur vanliga maskininlärningsmodeller bör modifieras för att bearbeta Big Data
- använda redskap för maskininlärning av Big Data
Kursinnehåll
Kursen fokuserar på huvudbegrepp och huvudredskap för lagring, bearbetning och analys av Big Data som är nödvändiga för ett professionellt arbete och forskning inom dataanalys.
- Introduktion till Big Data: begrepp och verktyg
- Grundläggande principer av parallella beräkningar
- Filsystem och databaser för Big Data
- Förfrågningar för Big Data
- Resurshantering i en klustermiljö
- Parallella beräkningar för Big Data
- Maskininlärning för Big Data
Undervisnings- och arbetsformer
Kursen består av föreläsningar och laborationer. Föreläsningarna behandlar teori, begrepp och metoder. Laborationerna ger praktisk erfarenhet i hantering av big data.
Examination
TEN1 | Skriftlig tentamen | U, 3, 4, 5 | 3 hp |
LAB1 | Laborationer | U, G | 3 hp |
Betygsskala
Fyrgradig skala, LiU, U, 3, 4, 5Kurslitteratur
Artikelsamling.
Övrig information
Fortsättningskurser/kompletterande kurser: Svensk översättning saknas
Institution
Institutionen för datavetenskapStudierektor eller motsvarande
Patrick LambrixExaminator
Olaf HartigKurshemsida och andra länkar
http://www.ida.liu.se/~TDDE31/Undervisningstid
Preliminär schemalagd tid: 42 hRekommenderad självstudietid: 118 h
Kurslitteratur
Övrigt
Artikelsamling 2018.Övrigt
Ladda ner
TEN1 | Skriftlig tentamen | U, 3, 4, 5 | 3 hp |
LAB1 | Laborationer | U, G | 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.