Systematisk indsamling, oprensning, lagring og analyse af data, og rapportering og evnen til at reagere og handle på baggrund af dem - har potentialet til at transformere forretningen i mange virksomheder.

Klassiske discipliner som data mining og data warehousing baserer sig på fast definerede dataformater og databaseskemaer, som ikke rækker når datamængderne bliver meget omfattende, heterogene, inkonsistente og med varierende informationer.

Her skal man videre end de relationelle databaser rækker. Big Data lagres typisk distribueret og replikeret i en NoSQL-database (Not only SQL) på et cluster af maskiner styret af Hadoop, i skyen eller på egne servere. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Forståelse for datasæt i multidimensionale rum
• Forståelse for outliers og klassifikation
• Anvende R til databehandling og analyse
• Anvende R til visualisering
• Anvende dataklassifikation og machine learning
• Forstå data- og kommandostrukturen i et Big Data-miljø og konfigurere det
• Anvende nødvendige administrationsværktøjer i et Unix-miljø med Hadoop
• Anvende Map-Reduce-algoritmen og tilhørende værktøjer

Se ovenfor. 28. oktober, 2016