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

Předmět je ekvivalentní s A4M33BDT .

Garant předmětu:

Přednášející:

Cvičící:

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

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů: