Анализ больших данных

1.

Структура учебного
курса
Анализ больших данных
Смородин Геннадий Николаевич

2.

Тематическая структура

3.

Экосистема больших данных
Технологии хранения и
обработки
Анализ больших
данных
Data Mining
Text Mining

4.

Экосистема больших данных
Большие данные.
Стандарты. Задачи анализа данных

5.

Технологии хранения и обработки
больших данных
Фреймворк Hadoop
Распределенная файловая система HDFS
Фреймворк MapReduce
Экосистема R
Язык программирования R
Интегрированная среда разработки RStudio
Библиотеки R

6.

Data Mining
Интеллектуальный анализ данных
Методы решения задач поиска закономерностей в данных

7.

Text mining
Интеллектуальный анализ больших данных
Методы поиска закономерностей в текстовых данных

8.

Организационная структура

9.

Часы
Очная
5 сем
Заочная
ускор
5 сем
Заочная
5-6 сем.
Лекции
26
22
6
Пр занятия
22
20
4
Лаб
работы
18
12
4
Всего
66
Бакалавры
Семестр
очное - 8 /
заочное 9
Промежуточная
аттестация
тестирование
Аттестация
Экзамен
14

10.

ПЗ

11.

ЛР

12.

Требования
Завершение курса
5
• Презентация проекта Data Mining
• СДО тесты + КР – 90 баллов
4
• СДО тесты + КР – 80
баллов
3
• СДО тесты + КР – 60
баллов

13.

Система тестирования во время
экзаменационной сессии
quizizz.com
Регистрация
Имя пользователя
Фамилия Имя
Вход без регистрации

14.

Ресурсы
Текстовые
Барсегян.2007.Технологии
анализа данных: Data Mining,
Visual Mining, Text Mining, OLAP
Чак.2012.Hadoop в действии
Шипунов.Анализ данных с R
MOOC
Чубукова.ИНТУИТ.Data Mining
Видео
YouTube
Программные
R
RStudio / RStudio Cloud