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: 2018./2019.

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

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:

Aktivnost studenta Broj radnih sati ECTS (Broj radnih sati/30) Ishod(i) učenja Nastavna
metoda
Metoda procjene Bodovi
Pohađanje Predavanja (PR), Laboratorijske vježbe (LV)3011,2,3,4,5,6Predavanja (PR), Laboratorijske vježbe (LV)Predavanja (PR), Laboratorijske vježbe (LV)36
Pisanje priprema za LV, analiza rezultata, te pisanje izvještaja451.53,4,5,6Laboratorijske vježbe (LV)Provjera pripreme za LV, nadzor provođenja LV-a, provjera napisanih izvještaja1224
Priprema za usmeni ispit i usmeno odgovaranje na pitanja3011,2,3Usmeni ispitProvjera danih odgovora1530
Rješavanje teorijskih, problemskih, modelskih i programskih zadataka451.52,3,6Pismeni ispitProvjera ispravnosti rješenja kroz pismeni ispit, pripreme i izvješća LV1020
Projektni zadatak3013,4,5,6Seminarski rad projektnog zadatkaProvjera ispravnosti projektnog zadatka1020