Skalering til Big Data

2020/2021

Modulets indhold, forløb og pædagogik

Den studerende opnår viden om og praktisk erfaring med anvendelser af relevante teknologier til store mængder af forskelligt strukturerede Big Data. Dette inkluderer f.eks. skalerbar datahåndtering, dataanalyse og data mining. Den studerende får et dybt kendskab til teknologierne og bliver i stand til at designe og udvikle komplette, avancerede Big Data-løsninger.

Enkeltfaget dækker skalering til og håndtering af store datamængder i forlængelse af de foregående enkeltfag

Læringsmål

Viden

Gennem enkeltfaget skal den studerende opnå viden om teorier, metoder, teknikker og værktøjer inden for følgende områder:

Principper for Big Data-skalering, herunder
• Typiske maskinelplatforme til Big Data-håndtering
• Basale modeller for distribueret databehandling
• CAP-sætningen
• Fejltolerance

Teknologier og værktøjer til Big Data-skalering, herunder
• Opsamling og lagring af Big Data
• Processering af Big Data
• Data mining på Big Data
• Håndtering af data med høj velocitet
 

Den studerende skal ydermere kunne forholde sig kritisk og refleksivt i forhold til disse teoretiske emner

Færdigheder

Den studerende skal kunne anvende teorier, metoder og modeller fra ovennævnte områder til at identificere, analysere, vurdere og komme med forslag til løsning af konkrete problemstillinger i praksis. Den studerende skal kunne argumentere for relevansen af de valgte teorier, metoder og modeller samt for det udarbejdede løsningsforslag. Desuden skal den studerende kunne reflektere over betydningen for den sammenhæng løsningen indgår i. Konkret forventes det at den studerende efter gennemførelse af fagpakken er i stand til:

• At designe et system til at opsamle, gemme og behandle Big Data
• At implementere et avanceret Big Data-system
• At skalere det implementerede system på en distribueret platform
• At skalere udvælgelse og forberedelse af Big Data på en distribueret platform
• At skalere relevante data mining-metoder til Big Data på en distribueret platform

Kompetencer

• At træffe informerede valg omkring avancerede Big Data-teknologier
• At vælge den rigtige type Big Data-metode til en given avanceret problemstilling, at konfigurere avancerede Big Data-algoritmer til et givent datasæt og at analysere avancerede Big Data-resultater
• At designe og udvikle et komplet Big Data-system for en kompleks, realistisk problemstilling
• At formidle og diskutere løsningerne med fagfæller og ikke-specialister.

Undervisningsform

Undervisningen bestå af tre seminardage med kombinerede forelæsninger og øvelsessessioner. Mellem seminarerne læser den studerende faglitteratur og laver øvelser/opgaver. Desuden udarbejder de studerende i grupper et miniprojekt til en realistisk problemstilling.

Eksamen

Prøver

Prøvens navnSkalering til Big Data
Prøveform
Mundtlig pba. projekt
Intern mundtlig evaluering med udgangspunkt i projektrapporten for miniprojektet.
ECTS5
Bedømmelsesform7-trins-skala
CensurIntern prøve
VurderingskriterierVurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

Tjek detaljer på https://www.master-it-vest.dk/fagpakker/softwarekonstruktion.html

Fakta om modulet

Engelsk titelScaling up to Big Data
ModulkodeDSNITEV12
ModultypeKursus
SemesterTjek detaljer på https://www.master-it-vest.dk/fagpakker/softwarekonstruktion.html
ECTS5
UndervisningssprogDansk
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

StudienævnStudienævn for Datalogi
InstitutInstitut for Datalogi
FakultetDet Tekniske Fakultet for IT og Design