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 anvendelsesorienteret kendskab til teknologierne
og bliver i stand til at benytte Big Data-løsninger.
Enkeltfaget dækker skalering til og håndtering af store datamængder
i forlængelse af de foregående enkeltfag
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, håndtering og lagring af Big Data
• Processering af Big Data
• Data mining på Big Data
Den studerende skal ydermere kunne forholde sig kritisk og
refleksivt i forhold til disse teoretiske emner
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 foreslå en løsning til at opsamle, gemme og behandle Big
Data
• At bruge eksisterende Big Data-system i udarbejdelsen af en Big
Data løsning
• At skalere den udarbejdede løsning 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
• 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 anvende Big Data-platforme på en kompleks, realistisk
problemstilling
• At formidle og diskutere løsningerne med fagfæller og
ikke-specialister.
Undervisningen består 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.
Prøvens navn | Skalering til Big Data |
Prøveform | Mundtlig pba. projekt
Intern mundtlig evaluering med udgangspunkt i projektrapporten for
miniprojektet. |
ECTS | 5 |
Bedømmelsesform | 7-trins-skala |
Censur | Intern prøve |
Vurderingskriterier | Vurderingskriterierne er angivet i Universitetets eksamensordning |
Tjek detaljer på https://www.master-it-vest.dk/fagpakker/softwarekonstruktion.html
Engelsk titel | Scaling to Big Data |
Modulkode | DSNITEV12 |
Modultype | Kursus |
Semester | Tjek detaljer på https://www.master-it-vest.dk/fagpakker/softwarekonstruktion.html |
ECTS | 5 |
Undervisningssprog | Dansk |
Undervisningssted | Campus Aalborg |
Modulansvarlig |
Studienævn | Studienævn for Datalogi |
Institut | Institut for Datalogi |
Fakultet | Det Teknisk Fakultet for IT og Design |