Overordnede kursusmål
At sætte deltagerne i stand til at anvende relevante værktøjer og
metoder indenfor Big Datamiljøer og kunne reflektere over
grundlaget for etablering af BigData distribueret analysemiljø i
egen organisation
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Viden om og forståelse af Big Data terminologien
- Viden om relevante open source programmeringssprog og
statistikprogrammer og kunne reflektere over implikationerne af
valg af disse
- Viden om grundlaget for machine learning, distribueret lagring
og analyse af enorm store heterogene datasæt
- Forståelse af dataselektering og funktionsberegning
- Reflektere over grundlaget for etablering af et Big Data
distribueret analysemiljø
- Kan begrunde, vælge, konfigurere og validere et givet
analyse-/visualiseringsproblem inden for BigData
- Kan anvende relevant open source programmeringssprog til
analyse og visualisering af enorme mængder af data
- Kan foretage systematisk indsamling, oprensning, lagring,
analyse og rapportering af en virksomheds store heterogene
datamængder herunder ikke komplette data-frames
- Kan på et begrundet valg anvende en dataselekterings- og
funktionsmodel og tilhørende værktøjer på egne data
- Kan håndtere konfigurering af eget miljø til distribueret
analyse af BigData
- Kan på en reflekteret måde bidrage til at transformere egen
virksomheds forretning på baggrund af en systematisk indsamling,
oprensning, lagring, analyse og rapportering af en virksomheds
store heterogene datamængder
Kursusindhold
- Platforme til BigData-miljø
- Metoder og værktøjer til etablering af et miljø til BigData
analyse, samt til planlægning og vurdering af et BigData miljø.
- Matematik til mangedimensionale data
- Datastrukturer og operationer på enorme mængder af data
- Opsamling, konvertering, scripting og oprensning af heterogene
datasæt
- Introduktion til administration og vedligeholdelse af et cluster,
f.eks. Linux med Hadoop.
- Visualisering af analyseresultater
- Distribuering og beregning af enorme mængder af heterogene data
Litteraturhenvisninger
Se www.cv.diplom.dtu.dk
Sidst opdateret
19. april, 2016
