Eksploracja i przetwarzanie dużych zbiorów danych
Informacje ogólne
Kod przedmiotu: | 1000-2M13DZD | Kod Erasmus / ISCED: |
11.304
![]() ![]() |
Nazwa przedmiotu: | Eksploracja i przetwarzanie dużych zbiorów danych | ||
Jednostka: | Wydział Matematyki, Informatyki i Mechaniki | ||
Grupy: |
Przedmioty monograficzne dla III - V roku informatyki Przedmioty obieralne dla informatyki |
||
Punkty ECTS i inne: |
6.00 ![]() ![]() |
||
Język prowadzenia: | angielski | ||
Rodzaj przedmiotu: | monograficzne |
||
Skrócony opis: |
Celem przedmiotu jest rozszerzenie materiału z zakresu przetwarzania i eksploracji danych, omawianego na innych przedmiotach z dziedziny baz danych i odkrywania wiedzy z danych, ze szczególnym uwzględnieniem wyzwań związanych z rozmiarem, złożonością i dynamiką zmian danych w takich problemach, jak np. analiza danych sensorycznych, przestrzennych, sieciowych, czy tekstowych. Tematyka przedmiotu obejmuje zarówno techniki obliczeń na dużych danych, takie jak na przykład podejścia z rodziny MapReduce, czy kolumnowe bazy danych, jak również usprawnienia dobrze znanych algorytmów indukcji drzew decyzyjnych, selekcji cech, analizy skupień i innych metod eksploracji danych, które to usprawnienia są niezbędne na potrzeby analizy danych strumieniowych, wielowymiarowych, czy też ogólnie danych o rozmiarach przekraczających możliwości standardowych podejść analitycznych. |
||
Pełny opis: |
Celem przedmiotu jest rozszerzenie materiału z zakresu przetwarzania i eksploracji danych, omawianego na innych przedmiotach z dziedziny baz danych i odkrywania wiedzy z danych, ze szczególnym uwzględnieniem wyzwań związanych z rozmiarem, złożonością i dynamiką zmian danych w takich problemach, jak np. analiza danych sensorycznych, przestrzennych, sieciowych, czy tekstowych. Tematyka przedmiotu obejmuje zarówno techniki obliczeń na dużych danych, takie jak na przykład podejścia z rodziny MapReduce, czy kolumnowe bazy danych, jak również usprawnienia dobrze znanych algorytmów indukcji drzew decyzyjnych, selekcji cech, analizy skupień i innych metod eksploracji danych, które to usprawnienia są niezbędne na potrzeby analizy danych strumieniowych, wielowymiarowych, czy też ogólnie danych o rozmiarach przekraczających możliwości standardowych podejść analitycznych. Ze względu na fakt, iż materiał wykładu jest naturalną kontynuacją takich przedmiotów na studiach informatycznych i matematycznych, jak Systemy Uczące się, Modele Decyzyjne, Data Mining, czy częściowo Sztuczna Inteligencja, wykład ten jest rekomendowany jako wykład monograficzny dla studentów magisterskich i doktoranckich. Warto też podkreślić fakt, iż zadania eksploracji i przetwarzania dużych zbiorów danych związane są z bardzo istotnymi problemami informatycznymi, dotyczącymi projektowania, implementacji oraz wykorzystania systemów wykorzystujących wyżej wspomniane techniki obliczeniowe, jak również matematycznymi, dotyczącymi oceny skalowalności rozwiązań dla bardzo szybko rosnących danych, czy też określania złożoności obliczeń rozproszonych i strumieniowych. |
Zajęcia w cyklu "Semestr letni 2018/19" (zakończony)
Okres: | 2019-02-16 - 2019-06-08 |
![]() |
Typ zajęć: |
Ćwiczenia, 30 godzin ![]() Wykład, 30 godzin ![]() |
|
Koordynatorzy: | Dominik Ślęzak | |
Prowadzący grup: | Andrzej Janusz, Dominik Ślęzak | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: | Egzamin |
Zajęcia w cyklu "Semestr letni 2019/20" (jeszcze nie rozpoczęty)
Okres: | 2020-02-17 - 2020-06-10 |
![]() |
Typ zajęć: |
Ćwiczenia, 30 godzin ![]() Wykład, 30 godzin ![]() |
|
Koordynatorzy: | Dominik Ślęzak | |
Prowadzący grup: | Andrzej Janusz, Dominik Ślęzak | |
Lista studentów: | (nie masz dostępu) | |
Zaliczenie: | Egzamin |
Właścicielem praw autorskich jest Uniwersytet Warszawski.