Technologie pro velká data

Vztahy:

Předmět B0M33BDT nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE0M33BDT (vztah je symetrický)

Předmět B0M33BDT nesmí být zapsán, je-li v témže semestru zapsán anebo již dříve absolvován předmět BE0M33BDT (vztah je symetrický)

Předmět B0M33BDT může být splněn v zastoupení předmětem BE0M33BDT

Garant předmětu:

Jan Hučín, Petr Paščenko, Marek Sušický

Přednášející:

Jan Hučín, Petr Paščenko, Marek Sušický

Cvičící:

Alisa Benešová, Jan Hučín, Michal Janeček, Petr Paščenko, Sergii Stamenov, Marek Sušický

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://cw.fel.cvut.cz/wiki/courses/B0M33BDT

Rozvrh na zimní semestr 2024/2025:

	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 09:15–10:45 SUDÝ TÝDEN (přednášková par. 1 paralelka 999) Karlovo nám. HW-lab K307místnost KN:E-310 11:00–12:30 LICHÝ TÝDEN (přednášková par. 1 paralelka 101) Karlovo nám. Lab K310 Linuxmístnost KN:E-310 12:45–14:15 LICHÝ TÝDEN (přednášková par. 1 paralelka 102) Karlovo nám. Lab K310 Linux místnost KN:E-126 Paščenko P. Sušický M. 09:15–10:45 (přednášková par. 1) Karlovo nám. Trnkova posluchárna K5
Čt
Pá

Rozvrh na letní semestr 2024/2025:

Rozvrh není připraven

Předmět je součástí následujících studijních plánů: