Politechnika Warszawska - Centralny System Uwierzytelniania
Nie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Przetwarzanie strumieni danych i data science

Informacje ogólne

Kod przedmiotu: 103A-INISY-MSP-PSD Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Przetwarzanie strumieni danych i data science
Jednostka: Wydział Elektroniki i Technik Informacyjnych
Grupy: ( Przedmioty techniczne )---EITI
( Przedmioty zaawansowane )-Systemy informacyjno-decyzyjne-mgr.-EITI
( Przedmioty zaawansowane techniczne )--mgr.-EITI
( Wytwarzanie )-Inteligentne systemy-mgr.-EITI
Punkty ECTS i inne: 4.00
Język prowadzenia: polski
Jednostka decyzyjna:

103000 - Wydział Elektroniki i Technik Informacyjnych

Kod wydziałowy:

PSD

Numer wersji:

1

Skrócony opis:

Przedmiot dedykowany jest zagadnieniom przetwarzania i analizie danych o charakterze strumieniowym w czasie prawie rzeczywistym. Dane strumieniowe są wykorzystywane w rozwiązanych Big Data, gdzie dane o różnych typach są generowane z dużą szybkością. Rozwiązania tego typu występują w szeroko stosowanych rozwiązaniach IoT (Internetu rzeczy), Przemysłu 4.0, monitoringu pojazdów czy rozwiązaniach z obszaru cyberbezpieczeństwa oraz wielu innych. W ramach przedmiotu zostaną pokazane przykłady zastosowań, platformy programistyczne do analiz danych strumieniowych oraz podstawy algorytmów statystycznych oraz bazujących na metodach uczenia maszynowego opracowanych na potrzeby przetwarzania danych strumieniowych. W ramach wykładu zostaną zaprezentowane również metody projektowania systemów informatycznych, które są oparte o rozwiązania bazujące na przetwarzaniu danych o charakterze strumieniowym.

Literatura:

Literatura i oprogramowanie:

  1. Kolajo, Taiwo & Daramola, Olawande & Adebiyi, Ayodele. (2019). Big data stream analysis: a systematic literature review. Journal of Big Data. 6. 47. 10.1186/s40537-019-0210-7.
  2. Arun Kejariwal, Sanjeev Kulkarni and Karthik Ramasamy, (2017). Real Time Analytics: Algorithms and Systems, CoRR, abs/1708.02621, http://arxiv.org/abs/1708.02621.
  3. Gama, João, (2010). Knowledge Discovery from Data Streams. Data Mining and Knowledge Discovery. Knowledge Discovery from Data Streams. 10.1201/EBK1439826119.
  4. J. Granat, J. M. Batalla, C. X. Mavromoustakis and G. Mastorakis, (2019), "Big data analytics for event detection in the IoT-multicriteria approach," in IEEE Internet of Things Journal.
  5. Tom White, (2015). Hadoop: The Definitive Guide, 4th Edition, O'Reilly Media, Inc., ISBN: 9781491901687.
  6. Gabriel Eisbruch, Jonathan Leibiusky, Dario Simonassi, (2012) Getting Started with Storm. Continuous Streaming Computation with Twitter's Cluster Technology O'Reilly Media.
  7. Neha Narkhede, Gwen Shapira, and Todd Palino, (2017). Kafka: The Definitive Guide Real-Time Data and Stream Processing at Scale (1st. ed.). O’Reilly Media, Inc.

Zajęcia w cyklu "rok akademicki 2020/2021 - sem. letni" (w trakcie)

Okres: 2021-02-20 - 2021-09-30
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Projekt, 24 godzin, 30 miejsc więcej informacji
Wykład, 30 godzin, 30 miejsc więcej informacji
Zajęcia zintegrowane, 6 godzin, 30 miejsc więcej informacji
Koordynatorzy: Janusz Granat
Prowadzący grup: Janusz Granat, Michał Karpowicz, Adam Krzemienowski
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Jednostka realizująca:

103100 - Instytut Automatyki i Informatyki Stosowanej

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Politechnika Warszawska.