|
Vyučující
|
-
Borkovcová Monika, Ing. Ph.D.
|
|
Obsah předmětu
|
1. Úvod do předmětu, distribuovaná řešení, základní pojmy 2. Úvod do NoSQL databází a ekosystému BigData 3. NoSQL databáze typu klíč-hodnota 4. NoSQL databáze dokumentově orientované databáze 5. NoSQL databáze sloupcově orientované databáze 6. NoSQL databáze grafově orientované databáze 7.-9. ELK - Elasticsearch, Logstash, Kibana 10. Ekosystém Hadoop & Apache Spark 11. Data Science a využití jazyka Python pro datovou analytiku a jeho možnosti
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Dialogická (diskuze, rozhovor, brainstorming), Metody práce s textem (učebnicí, knihou), Demonstrace, Nácvik dovedností
- Domácí příprava na výuku
- 66 hodin za semestr
- Příprava na zkoušku
- 36 hodin za semestr
- Kontaktní výuka
- 12 hodin za semestr
- Semestrální práce
- 66 hodin za semestr
|
|
Výstupy z učení
|
Cílem předmětu je seznámit studenty s nestrukturovanými databázemi včetně paradigmatu NoSQL databazí. Dále přiblížit a prakticky demonstrovat využití Big Data včetně jednotlivých nástrojů. Student po absolvování předmětu porozumí fungovaní noSQL databázi, pochopí princip a možnosti BigData.
Student se naučí distribuovaná datová řešení, konfigurovat a implementovat NoSQL databáze. Porozumí fungování vybraných platforem a nástrojů pro správu big data a analýzu dat.
|
|
Předpoklady
|
Pro absolvování tohoto kurzu se předpokládá, že posluchač bude mít pokročilou znalost relačních databázových systémů, znalost principů algoritmizace a programování a operačních systémů a že bude schopen analyzovat a řešit zadaný problém.
|
|
Hodnoticí metody a kritéria
|
Písemná zkouška, Posouzení zadané práce, Obhajoba vlastního projektu
ZÁPOČET Pro splnění zápočtu je nutné obhájit odevzdaný komplexní projekt do stanoveného termínu zaměřený na vybranou NoSQL databázi/datové úložiště/nástroj. ZKOUŠKA Ověření studijních výsledků probíhá formou písemného zkouškového testu. Probíraná témata u zkoušky ověřují získané znalosti z oblasti NoSQL databází, BigData, datových úložišť a datové vědy, a to z přednášek i ze cvičení. Součástí testu jsou teoretické i praktické úlohy. Za úspěšné obhájení projektu a získání zápočtu se považuje hranice získání 70 % možných bodů ze zápočtového projektu, tedy je třeba získat alespoň 35 bodů z celkového součtu 50 možných bodů, projekt dále tvoří 50% z celkového hodnocení. Pro úspěšné složení zkoušky je stanovena hranice 70% bodů ze zkouškového testu, tedy je třeba získat alespoň 35 bodů z celkového součtu 50 možných bodů. V součtu všech bodů ze zápočtu a zkoušky je nutné získat alespoň 70% tedy 70 bodů, při dodržení minimálních hranic 35 bodů ze zápočtu a 35 bodů ze zkoušky. 100 - 94 % - A 93 - 88 % - B 87 - 82 % - C 81 - 76 % - D 75 - 70 % - E méně - F
|
|
Doporučená literatura
|
|