Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Technologie pro velká data

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
B0M33BDT Z,ZK 4 2P+1C česky
Předmět nesmí být zapsán současně s:
Big Data Technologies (BE0M33BDT)
Přednášející:
Marek Sušický (gar.), Petr Paščenko (gar.)
Cvičící:
Marek Sušický (gar.), Petr Paščenko (gar.)
Předmět zajišťuje:
katedra počítačů
Anotace:

Předmět se zaměřuje na architekturu a aplikace systémů pro správu velkých dat. Studenti si osvojí celistvý pohled na ekosystém technologií od výběru hardware infrastruktury, procesu extrakce, transformace a načítání dat přes jejich uložení, správu a analýzu až po pokročilé metody datové vědy a strojového učení pro zpracování dat a následné aplikace výsledků v byznysu.

Požadavky:

Cvičení budou probíhat standardním způsobem předpokládáme, že studenti si přinesou vlastní počítače pro editování skriptů. Vlastní výpočty plánujeme v počítačovém klastru se vzdáleným přístupem. Pro praktická cvičení budou studenti používat předistalovanou databázi textů. Náplní cvičení bude praktické uplatnění přednášených technologií na konkrétních příkladech. V průběhu semestru jsou plánovány dva krátké testy z dosud probrané látky.

Osnova přednášek:

1. Úvod, organizace, motivace, přehled, aplikace

2. Architektura clusteru - Hadoop (hw, distribuce, hdfs, yarn)

3. Storage (formáty ukládání a komprese dat, HIVE, Impala)

4. Map+reduce - paradigma a implementace (fáze výpočtu, schémata algoritmů)

5. Spark a zpracování streamovaných dat (RDD, DataFrames, zdroje, streaming)

6. Big Data Science (page rank, kolaborativní filtrování, SNA)

7. Datové Architektury (typické architektury Big Data řešení, dwh, data lake)

Osnova cvičení:

1. První kroky na clusteru (připojení, certifikáty, tunely, administrace, tasky, logy)

2. Hive (vytváření a rušení tabulek, interní a externí mapování, dotazy)

3. Map Reduce (java úlohy na základní map reduce programování)

4. Spark (map reduce ve sparku, práce s RDD a DF)

5. Spark (větší úloha a příprava na zápočtový test)

6. Rezerva (Spark ML a GraphiX)

Cíle studia:

Cílem tohoto předmětu je seznámit studenty s novými trendy a technologiemi pro uchovávání, správu a zpracování velmi rozsáhlých dat (big data).

Studijní materiály:

Hadoop: The Definitive Guide, 4th Edition, by Tom White

Poznámka:
Další informace:
https://sites.google.com/a/via.felk.cvut.cz/bigdata/
Rozvrh na zimní semestr 2019/2020:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
St
místnost KN:E-307
Paščenko P.
Sušický M.

09:15–10:45
SUDÝ TÝDEN

(přednášková par. 1
paralelka 999)

Karlovo nám.
HW-lab K307
místnost KN:E-307
Paščenko P.
Sušický M.

11:00–12:30
SUDÝ TÝDEN

(přednášková par. 1
paralelka 101)

Karlovo nám.
HW-lab K307
místnost KN:E-307
Paščenko P.
Sušický M.

12:45–14:15
SUDÝ TÝDEN

(přednášková par. 1
paralelka 102)

Karlovo nám.
HW-lab K307
místnost KN:E-127
Paščenko P.
Sušický M.

09:15–10:45
(přednášková par. 1)
Karlovo nám.
Kotkova cvičebna K4
Čt

Rozvrh na letní semestr 2019/2020:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 18. 10. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet4773206.html