Eksploracja i przetwarzanie dużych zbiorów danych

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.