2017 Efterår
Se studieforløb hvor kurset indgår Se overgangsordninger
Dansk English

DM862: Big Data Systems (10 ECTS)

STADS: 15019901

Niveau
Bachelorkursus

Undervisningsperiode
Kurset udbydes efter behov.

Ansvarlige undervisere
Email: zhou@imada.sdu.dk

Skemaoplysninger
Der er ingen skemaoplysninger for den valgte periode.

Kommentar:
AFLYST EFTERÅR 2017

Indgangskrav:
Bestået bachelorgrad i datalogi, matematik, anvendt matematik, matematik-økonomi eller tilsvarende.

Faglige forudsætninger:
Studerende, der følger kurset, forventes at:
  • kunne designe og implementere programmer, ved hjælp af standard algoritmiske tilgange og datastrukturer.
  • kunne vurdere kompleksitet af algoritmer, såvel med hensyn til køretid som med hensyn til pladsforbrug.


Formål
Formålet med dette kursus er at give deltagerne en forståelse for teknologierne i systemerne til "Big Data" analyse og håndtering. Kurset omfatter både traditionelle metoder brugt ved datawarehouse og parallel database systemer, systemer til realtids databehandling, såvel som moderne teknologier til cloud computing og parallelle systemer for massiv dataanalyse.
 
Kurset bygger oven på den viden, der er erhvervet i kurserne DM507
Algoritmer og datastrukturer, DM505 Databasedesign- og programmering og DM532 Principper for databasesystemer.
Kurset giver et fagligt grundlag for at lave et speciale indenfor Big Data.

 
I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:
  • Give ekspertviden på et afgrænset fagområde, der er baseret på det højeste internationale forskningsfelt inden for det datalogiske fagområde.
  • Beskrive, analysere og løse avancerede datalogiske problemstillinger ved hjælp af de lærte modeller.
  • Belyse fremsatte hypoteser på kvalificeret teoretisk baggrund og forholde sig kritisk til egne og andres forskningsresultater og videnskabelige modeller.
  • Udvikle nye varianter af de lærte metoder, hvor det konkrete problem kræver det.
  • Formidle forskningsbaseret viden og diskutere professionelle og videnskabelige problemstillinger med både fagfæller og ikke-specialister.
  • Planlægge og udføre videnskabelige projekter på højt fagligt niveau herunder styre arbejds- og udviklingssituationer, der er komplekse, uforudsigelige og forudsætter nye løsningsmodeller.
  • Kunne tage ansvar for egen faglig udvikling og specialisering.


Målbeskrivelse
For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:
  • Forklare teknikkerne bag datawarehouse og parallel database systemer
  • Forklare teknikkerne bag systemer til behandling af datastrømme
  • Redegøre for teorierne bag parallelle systemer for massiv dataanalyse
  • Forklare design og afvejning i moderne systemer introduceret i kurset
  • Udvikle programmer og anvende værktøjer til håndtering af Big Data og analyse og installere dem på en platform i skyen
  • Beskrive arbejdet udført i opgaverne og projekter i et klart og præcist sprog, og på en struktureret måde
Indhold
Kurset indeholder følgende faglige hovedområder: 
  • Datawarehouse, parallelle database systemer, massivt parallel dataanalyse, parallel behandling af hurtig datastrømme, parallel behandling af stor grafer, skalabar maskinlæring, fejltolerance, load balancering, dynamisk skalering, data partitionering.
Litteratur
    Meddeles ved kursets start.


Kursets hjemmeside
Dette kursus benytter e-learn (blackboard).

Forudsætningsprøver
  1. Fremlægge udvalgte videnskabelige artikler. Bestået/ikke-bestået, intern censur ved underviser. Forudsætningsprøve a) er en forudsætning for deltagelse i eksamenselement a). (15019932).
  2. Kort anmeldelse af udvalgte videnskabelige artikler. Bestået/ikke-bestået, intern censur ved underviser. Forudsætningsprøve b) er en forudsætning for deltagelse i eksamenselement b). (15019922).
Eksamen- og censurform:
  1. Mundtlig eksamen. Ekstern censur, 7-trinsskala. Ingen hjælpemidler tilladt. (5 ECTS). (15019902).
  2. Projektopgave. Ekstern censur, 7-trinsskala. Ingen hjælpemidler tilladt. (5 ECTS). (15019912).
Nærmere beskrivelse af eksamensreglerne vil blive offentliggjort under 'Course Information' på kursets side i Blackboard

Vejledende timetal
På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.
Introfase: 22 timer
Træningsfase: 22 timer, heraf:
 - Eksaminatorie: 22 timer

Aktiviteter i studiefasen
  • Anvendelse af det tilegnede viden I projekter
  • Sammenfatning af videnskabelige artikler/bogkapitler.
Undervisningsform
I studiefasen får de studerende faglige, personlige og sociale erfaringer,
der sætter dem i stand til at befæste og videreudvikle deres videnskabelige kompetencer. Der er fokus på fordybelse, forståelse og udvikling af samarbejdskompetencer.


Sprog
Dette kursus undervises på engelsk.

Bemærkninger
 
 


Kursustilmelding
Se tilmeldingsfrister.

Pris for åben uddannelse
Se priser for enkeltkurser.

Dette er den nyeste version af en kursusbeskrivelse, som trådte i kraft den 1. sep 2017.