Analys av Big Data, 6 hp

Big Data Analytics, 6 credits

732A54

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Olaf Hartig

Kursansvarig

Olaf Hartig

Studierektor eller motsvarande

Patrick Lambrix
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Block Språk Ort/Campus VOF
Fristående kurs (Tredjedelsfart, Dagtid) VT 2025 202514-202524 1 Engelska Linköping, Valla
F7MML Statistics and Machine Learning, Master´s Programme - First and main admission round 2 (VT 2025) 202514-202524 1 Engelska Linköping, Valla O
F7MML Statistics and Machine Learning, Master´s Programme - Second admission round (open only for Swedish/EU students) 2 (VT 2025) 202514-202524 1 Engelska Linköping, Valla O

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1N

Kursen ges för

  • Master's Programme in Statistics and Machine Learning

Förkunskapskrav

  • 180 hp avslutade kurser varav 90 hp inom något av följande ämnen:
    • statistik
    • matematik
    • tillämpad matematik
    • datavetenskap
    • teknik
  • Godkända kurser i:
    • matematisk analys
    • linjär algebra
    • statistik
    • programmering
  • Engelska 6
    Undantag ges för svenska
  • Godkänt på kursen Akademiska studier på avancerad nivå, 3 hp

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

Focus i kursen är 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: koncept och redskap
  • Introduktion till Python
  • Grundläggande principer av parallella beräkningar
  • Introduktion till databaser
  • Filsystem och databaser för Big Data
  • Förfrågningar för Big Data
  • Resurshantering i en klustermiljä
  • Parallella beräkningar för Big Data
  • Grundläggande algoritmer för maskininlärning
  • Maskininlärning för Big Data

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar, lektioner och datorlaborationer. Utöver detta ska den studerande utöva självstudier.

Undervisnings- och examinationsspråk: Engelska.

Examination

Kursen examineras genom:

  • skriftliga laborationsuppgifter i grupp, betygsskala: EC P/F
  • skriftlig individuell tentamen, betygsskala: EC

För Godkänt (E) som slutbetyg krävs minst E på den skriftliga individuella tentamen samt Pass på skriftliga laborationsuppgifter i grupp. Högre betyg grundas på den individuella skriftliga tentamen.

Detaljerad information återfinns i studieanvisningen.
 

Om det finns särskilda skäl, och om det med hänsyn till det obligatoriska momentets karaktär är möjligt, får examinator besluta att ersätta det obligatoriska momentet med en annan likvärdig uppgift. 

Om LiU: s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det.

Om koordinatorn har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.

Examinator får också besluta om anpassad examination eller alternativ examinationsform om examinator bedömer att det finns synnerliga skäl och examinator bedömer det möjligt utifrån kursens mål.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

ECTS, EC

Övrig information

Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.

Kursen bedrivs på ett sådant sätt att likvärdiga villkor råder med avseende på kön, könsöverskridande identitet eller uttryck, etnisk tillhörighet, religion eller annan trosuppfattning, funktionsnedsättning, sexuell läggning och ålder.

Om det föreligger synnerliga skäl får rektor i särskilt beslut ange förutsättningarna för, och delegera rätten att besluta om, tillfälliga avsteg från denna kursplan.
 

Om undervisnings- och examinationsspråk:

Undervisningsspråk visas på respektive kurstillfälle på fliken "Översikt". Examinationsspråk relaterar till undervisningsspråk enligt nedan:

  • Om undervisningsspråk är ”Svenska” kan kursen ges i sin helhet på svenska eller helt eller delvis på engelska. Examinationsspråk är svenska, men delar av examinationen kan ske på engelska. 
  • Om undervisningsspråk är ”Engelska” ges kursen i sin helhet på engelska. Examinationsspråk är engelska. 
  • Om undervisningsspråk är ”Svenska/Engelska” ges kursen i sin helhet på engelska om studenter utan tidigare kunskap i svenska språket deltar. Examinationsspråk följer undervisningsspråk.
     

Institution

Institutionen för datavetenskap
Kod Benämning Omfattning Betygsskala
LAB1 Laboration 3 hp EC
TENT Tentamen 3 hp EC
Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

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.