Навчання > Аналітика великих даних у хмарних технологіях (КН)

Аналітика великих даних у хмарних технологіях (КН)

Тип: На вибір студента

Кафедра:

Навчальний план

СеместрКредитиЗвітність
75Залік

Лекції

СеместрК-сть годинЛекторГрупа(и)
748ФеІ-41, ФеІ-42, ФеІ-43, ФеІ-44

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
748ФеІ-41
ФеІ-42
ФеІ-43
ФеІ-44

Опис навчальної дисципліни

Метою вивчення дисципліни “ Аналітика великих даних у хмарних технологіях ” є надання поглиблених знань та практичних навичок щодо роботи з великими даними, побудови й використання розподілених систем для побудови конвеєрів опрацювання великих даних, формування системи теоретичних знань і набуття практичних умінь та навичок щодо застосування, налагодження й адміністрування систем на базі технологій великих даних та розподілених баз та сховищ даних, проектуванні надійних та економічно доцільних систем для збереження великих об’ємів даних.

Цілями дисципліни є отримання практичних навичок та засвоєння методів опрацювання великих даних, створення кластерів даних та технології їх проектування для вирішення задач наук про дані на основі великих даних, наповнення даними та підтримання в робочому стані систем з даними.

Після вивчення даного курсу здобувачі будуть знати і вміти:

  • Здатність до абстрактного мислення, аналізу та синтезу.
  • Здатність застосовувати знання у практичних ситуаціях.
  • Здатність вчитися і оволодівати сучасними знаннями.
  • Здатність до пошуку, оброблення та аналізу інформації з різних джерел.
  • Здатність розробляти архітектури, модулі та компоненти програмних систем.
  • Здатність до алгоритмічного та логічного мислення.
  • Здатність розробляти високопродуктивні програмні комплекси для вирішення задач наук про дані, систем штучного інтелекту, вбудованих та інших інноваційних систем.
  • Здатність здійснювати розробку програмних продуктів використовуючи різні методології і технології із забезпеченням їх інноваційності та високої продуктивності.
  • Знати і застосовувати відповідні математичні поняття, методи доменного, системного і об’єктно-орієнтованого аналізу та математичного моделювання для розробки програмного забезпечення.
  • Знати і застосовувати на практиці фундаментальні концепції, парадигми і основні принципи функціонування мовних, інструментальних і обчислювальних засобів інженерії програмного забезпечення.
  • Знати і застосовувати методи розробки алгоритмів, конструювання програмного забезпечення та структур даних і знань.
  • Знати засоби інтеграції, розгортання та підтримки спеціалізованих програмних компонентів, розроблених на основі інноваційних технологій для вирішення завдань високопродуктивних технологій.

Рекомендована література

Основна література:

  1. Rajkumar Buyya, Rodrigo N. Calheiros, Amir Vahid Dastjerdi. Big Data: Principles and Paradigms: Elsevier, 2016. – 496 p. – Режим доступу: https://dhoto.lecturer.pens.ac.id/lecture_notes/internet_of_things/Big%20Data%20Principles%20and%20Paradigms.pdf
  2. Катренко А.В., Системний аналіз об’єктів та процесів комп’ютеризації : Навчальний посібник./А.В. Катренко – Львів: “Новий світ-2000”.-2003.-424с.
  3. Michael Armbrust. Makeing Apache Spark better with Delta Lake: Databricks, 2020. – 399 p.
  4. Gerardus Blokdyk. Databricks A complete Guide, 2021. – 205 p. – [Режим доступу]: https://www.everand.com/book/487839900/Databricks-A-Complete-Guide-2021-Edition
  5. Tom White. Hadoop: The definitive Guide: O`Reilly, 2015. – 805 p.
  6. Документація Apache Hadoop [Електронний ресурс] // Apache Hadoop. – 2021. – Режим доступу до ресурсу: https://hadoop.apache.org/docs/stable/
  7. Документація Apache Spark [Електронний ресурс] // Apache Spark. – 2019. – Режим доступу до ресурсу: https://spark.apache.org/docs/latest/
  8. Документація HBase [Електронний ресурс] // HBase. – 2019. – Режим доступу до ресурсу: https://hbase.apache.org/book.html
  9. RabbitMq [Електронний ресурс] // RabbitMq. – 2020. – Режим доступу до ресурсу: https://www.rabbitmq.com/documentation.html
  10. Ifeyinwa A. A. Big Data and Business Analytics: Trends, Platforms, Success Factors and Applications / A. A. Ifeyinwa, H. N. Friday. – Nigeria: Abakaliki, 2019. – 30 с.
  11. Donald Miner, Adam Sbook. MapReduce Design Patterns: O`Reilly, 2013. – 251 p. – Ре-жим доступу: http://vargas-solar.com/bigdata-fest/wp-content/uploads/sites/33/2014/11/MapReduce-Design-Patterns-V413HAV.pdf
  12. Michael Crump, Chris Pietschmann, Vahe Minasyan. The Developer’s Guide to Azure. Microsoft Press, A division of Microsoft Corporation One Microsoft Way, Redmond, Washington 98052-6399.
  13. Kai Hwang, Min Chen. Big-Data Analytics for Cloud, IoT and Cognitive Computing: Willey, 2017. – 428 p.
  14. Designing Distributed System. – [Режим доступу]: https://azure.microsoft.com/mediahandler/files/resourcefiles/designing-distributed-systems/Designing_Distributed_Systems.pdf
  15. Kristina Chodorow. Scaling MongoDB: O’Reilly, 2011. – 58 p.
  16. Joyce Kay Avila. Snowflake The Definitive Guide: O`Reilly, 2022. – 468 p. – [Електронний ресурс]. – Режим доступу: https://www.snowflake.com/wp-content/uploads/2022/03/Snowflake-The-Definitive-Guide-1.pdf
  17. Google. Cloud Bigtable. – [Електронний ресурс]. – Режим доступу: https://cloud.google.com/bigtable
  18. Rik Van Bruggen. Learning Neo4j: Packt Publishing, 2014. – 222 p.
  19. MySQL Cluster Manager 8.0.31 User Manual. – [Електронний ресурс]. – Режим доступу: https://downloads.mysql.com/docs/mysql-cluster-manager-1.4-en.a4.pdf
  20. Alex Holmes. Hadoop in Practice: Manning Publications, 2012. – 537 p. – Режим доступу: https://ia600201.us.archive.org/7/items/HadoopInPractice/Hadoop%20in%20Practice.pdf
  21. Neha Narkhede. Kafka: The Definitive Guide: O`Reilly, 2017. – 322 p. – [Електронний ре-сурс]. – Режим доступу: https://book.huihoo.com/pdf/confluent-kafka-definitive-guide-complete.pdf
  22. Bas Harenslak, Julian de Ruiter. Data Pipelines with Apache Airflow: Manning Publications, 2021. – 482 p. – [Електронний ресурс]. – Режим доступу: https://biconsult.ru/files/Data_warehouse/Bas_P_Harenslak%2C_Julian_Rutger_de_Ruiter_Data_Pipelines_with_Apache.pdf
  23. Apache HBase Team. Apache HBase ™ Reference Guide. – [Електронний ресурс]. – Режим доступу: https://hbase.apache.org/apache_hbase_reference_guide.pdf
  24. Joshua N.Milligan. Learning Tableau 2019. Third Edition: Packt Publications, 2019. – 808 p. – [Електронний ресурс]. – Режим доступу: http://projanco.com/Library/Learning%20Tableau%202019%20Tools%20for%20Business%20Intelligence,%20data%20prep,%20and%20visual%20analytics.pdf

Силабус: з навчальної дисципліни "Аналітика великих даних у хмарних технологіях" для ОПП “Комп’ютерні науки”

Завантажити силабус