Sveučilišni diplomski studij

Nazad   Raspored   Engleski

Računarstvo usluga i analiza podataka DRcd1-06-18

ECTS 6 | P 30 | A 0 | L 30 | K 0 | ISVU 149801 | Akademska godina: 2019./2020.

Grupe studenata

Prikaži sve grupe na predmetu

Nastavnici na predmetu

MARTINOVIĆ GORAN, nositelj
BAUMGARTNER ALFONZO, suradnik
BAJER DRAŽEN, suradnik
ZORIĆ BRUNO, suradnik
KURTAGIĆ DINO, suradnik
VUČETIĆ VEDRAN, suradnik
MALEŠ-GALIĆ IVANA, nositelj

Ciljevi predmeta

Objasniti arhitekture i načela rada računalnih sustava usluga i računalnog oblaka. Upoznati studente sa zahtjevima i metodama za otkrivanje i analizu podataka, te pokazati korištenje okolina usluga, alata i programskih tehnologija za analizu podataka u poslovnim, istraživačkim, industrijskim i drugim primjenama.

Uvjeti za upis predmeta

Ostvareni uvjeti za upis studija

Sadržaj

Raspodijeljeno računarstvo zasnovano na uslugama. Vrste i načini rukovanja uslugama. Računalni oblak. Arhitektura oblaka računala. Definiranje platforme, infrastrukture, aplikacije i načina prikaza. Upravljanje korisnicima, pouzdanost, sigurnost, autoriziranje, autentificiranje. Transportni formati (XML, JSON). Napredne RESTFul web usluge. Razvoj, testiranje, stavljanje usluge na tržište. Implementacijska svojstva i mogućnosti korištenja javnih prostora oblaka računala (Microsoft Azure, Amazon Web Services, Google App Engine i drugi). Tehnologije za otkrivanje, pohranu, rukovanje i obradbu velikih skupova podataka. Nerelacijski podaci, NoSQL i pripadajuće tehnologije. ETL pristup. Primjena izabranih statističkih i postupaka strojnog učenja na podacima. Analitičke, implementacijske i tehnologije/alati za učenje: osnove jezika R, MapReduce, Hadoop, Pig, Hive, Mahout, Azure Machine Learning. Analiza velikih skupova podataka u stvarnom vremenu. Primjene u poslovnim, znanstvenim i industrijskim okolinama, iskustva korisnika. Projektni zadaci planiraju se definirati u suradnji s tvrtkama partnerima.

Obveze studenata

Definirano Okvirima kriterija ocjenjivanja studenata FERIT-a i stavkom 1.9

Praćenje rada studenata

Definirano Okvirima kriterija ocjenjivanja studenata FERIT-a i stavkom 1.9

Osnovna literatura

1. 1 Kavis, M.J. Architecting the Cloud: Design Decisions for Cloud Computing Service Models (SaaS, PaaS, and IaaS) Wiley, 2014.


Pretraži literaturu na:

Dopunska literatura

1. 1 J. Rhoton, R. Haukioja Cloud Computing Explained: Implementation Handbook for Enterprises (2nd Ed.) Recursive Press, 2009.

2. 2 B. Baesens Analytics in a Big Data World: The Essential Guide to Data Science and its Applications Wiley, 2014.

3. 3 B. Ellis Real-Time Analytics: Techniques to Analyze and Visualize Streaming Data Wiley, 2014.

4. 4 EMC Education Services, Data Science and Big Data Analytics: Discovering, Analyzing, Visualizing and Presenting Data Wiley, 2015.

5. 5 N. Zumel Practical Data Science with R (1st Ed.) Manning Publications, 2014.

6. 6 F. Provost, T. Fawcett Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking O Reilly Media, 2013.

7. 7 V. Mosco To the Cloud: Big Data in a Turbulent World Paradigm Publishers, 2014.

8. 8 A. Holmes Hadoop in Practice (2nd Ed.) Manning Publications, 2014.

9. 9 M. Barlow Real-Time Big Data Analytics: Emerging Architecture O Reilly, 2013.

Način praćenja kvalitete i uspješnosti izvedbe kolegija

Provođenje sveučilišnih anketa o nastavnicima (pristup prema studentima, transparentnost kriterija, motivacija na izvršavanje aktivnosti, jasnoća izlaganja, i sl.). Provođenje fakultetskih anketa o predmetima (nakon položenog predmeta samoevaluacija studenata o usvojenim ishodima učenja, te o opterećenosti u usporedbi s ECTS-ima aktivnosti i predmeta u cjelini).

Pregled ishoda učenja, nastavnih metoda i procjena ishoda učenja

Ishodi učenja:

1. razumjeti arhitekturu i načela rada računarstva usluga, transportne formate podataka, te zahtjeve i metode analize podataka u okolini usluga

2. vrednovati postupke i modele strojnog učenja s ciljem stvaranja poboljšanih algortamskih i programskih rješenja prilagođenih okolini usluga

3. stvarati potrebnu arhitekturu sustava usluga, te metode i programske metodologije analize velikih skupova podataka

4. primijeniti definiranu arhitekturu sustava usluga, te metode i programske tehnologije za analizu velikih skopova podataka

5. ispitati učinkovitost i primjenjivost računalne okoline usluga, te postupaka i programskih rješenja analize podataka iz različitih izvora

6. analizirati i modificirati ostvarena rješenja s ciljem poboljšanja rada sustava usluga u primjenama



Aktivnosti studenta: Vidi tablicu aktivnosti