Analys av Big data, 6 hp
Big Data Analytics, 6 credits
732A54
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåKurstyp
Fristående- och programkursKursansvarig
Patrick LambrixStudierektor eller motsvarande
Ann-Charlotte HallbergKursen ges för | Termin | Veckor | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|
F7MSG | Statistics and Data Mining, Master´s Programme | 2 (VT 2018) | 201814-201823 | Engelska | O |
Huvudområde
StatistikUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen ges för
- Master´s Programme in Statistics and Data Mining
Förkunskapskrav
Kandidatexamen i något av följande ämnen: statistik, matematik, tillämpad matematik, datavetenskap, teknik eller motsvarande examen. Godkända/avklarade kurser i kalkyl och linjär algebra krävs. Utöver detta, erfordras godkända/avklarade kurser i grundläggande statistik som motsvarar minst 6 hp och grundläggande programmering som motsvarar minst 6 hp.
Engelska B eller motsvarande.
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
Kursen fokuserar 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 klustermiljö
- Parallella beräkningar för Big Data
- Grundläggande algoritmer för maskininlärning
- Maskininlärning för Big Data
Examination
Skriftlig redovisning av labbuppgifter. Skriftlig tentamen. Detaljerad information återfinns i studiehandledningen.
Studerande som 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, ECÖvrig information
Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som skall ingå i varje kurs skall därför behandla frågan om hur kursen överensstämmer med kursplanen.
Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.
Institution
Institutionen för datavetenskapDet finns inga examinationsmoment att visa.
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.