Projekt przejściowy 2700-M-ZBD-D2PP
Realizacja projektu badawczego w zespołach jedno/dwu osobowych.
Projekt przejściowy obejmuje podstawowe elementy w tym: wybór zagadnienia badawczego, przygotowanie założeń, pytań badawczych, celu i hipotezy badawczej. Realizacja projektu stanowi praktyczną implementację wiedzy z zakresu IT przetwarzania dużych zbiorów danych w systemach komputerowych. W ramach zajęć, studenci przygotowują własne oprogramowanie lub korzystają z dostępnych narzędzi.
Wyniki swoich badań oraz zdobyte doświadczenie praktyczne prezentują na ostatnich zajęciach w postaci prezentacji.
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Po ukończeniu przedmiotu student:
Wiedza
Ugruntowanie wiedzy teoretycznej w zakresie przetwarzania dużych zbiorów danych.
Praktyczna wiedza w obszarze doboru, konfiguracji narzędzi i metod badawczych.
Praktyczna wiedza w zakresie tworzenia własnych narzędzi lub łączenia
funkcji gotowych rozwiązań w procesie badawczym.
Umiejętności
Umiejętność prowadzenia badań na bazie dużych zbiorów danych.
Umiejętność doboru źródeł informacji, kolekcjonowania, rafinacji, analizy
i prezentacji wyników.
Umiejętność doboru narzędzi lub tworzenia własnych rozwiązań.
Kryteria oceniania
Bieżąca ocena pracy studenta.
Przedmiot - Zaliczenie na ocenę
Projekt - Zaliczenie na ocenę
Literatura
• Błażewicz, Grzegorz, i Wydawnictwo Naukowe PWN. Rewolucja z marketing automation: jak wykorzystać potencjał Big Data. Warszawa: Wydawnictwo Naukowe PWN, 2018.
• Harrison, Guy, Piotr Pilch, i Grupa Wydawnicza Helion. NoSQL, NewSQL i BigData: bazy danych następnej generacji. Gliwice: Helion S.A., 2019.
• ———. NoSQL, NewSQL i BigData: bazy danych następnej generacji. Gliwice: Helion S.A., 2019.
• Kleppmann, Martin, Tomasz Walczak, i Grupa Wydawnicza Helion. Przetwarzanie danych w dużej skali: niezawodność, skalowalność i łatwość konsekwencji systemów. Gliwice: Helion, 2018.
• Lee, Hyunjoung, Il Sohn, Witold Sikorski, Maciej Baranowski, i Wydawnictwo Naukowe PWN. Big Data w przemyśle: jak wykorzystać analizę danych do optymalizacji kosztów procesów? Warszawa: Wydawnictwo Naukowe PWN SA, 2016.
• Marz, Nathan, James Warren, Lech Lachowski, i Wydawnictwo Helion. Big data: najlepsze praktyki budowy skalowalnych systemów obsługi danych w czasie rzeczywistym. Gliwice: Helion, 2016.
• Mayer-Schönberger, Viktor, Kenneth Cukier, Michał Głatki, i MT Biznes. Big data: rewolucja, która zmieni nasze myślenie, pracę i życie. Warszawa: MT Biznes, 2014.
• Ullman, Jeffrey D, Monika Jurkiewicz, i Jennifer Widom. Podstawowy wykład z systemów baz danych. Warszawa: Wydawnictwa Naukowo-Techniczne, 2000.
• Ullman, Jeffrey D, Jennifer Widom, i Radosław Meryk. Podstawowy kurs systemów baz danych. Gliwice: Helion, 2011.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: