155IN4G Informatika 4

Anotace

V rámci předmětu jsou studenti seznámeni s technikami zpracování velkého množství dat. Nejprve se naučí jak předzpracovávat data v příkazovém řádku před importem do DB. Důraz je kladen na relační databáze a témata, která nebyla zmíněna během předmětu Informatika 2: indexy, exekuční plány, partitioning. Poté studenti dostanou základní informace o NoSQL databázích, ElasticSearch, R a cloudu.

Harmonogram

Vyučující: Ing. Jan Pytel, Ph.D.

1. BigData - vývoj a koncept
2. Preprocesing dat v příkazovém řádku
3. Preprocesing dat v příkazovém řádku 2
4. Relační databáze - indexy, partitioning, ladění výkonu ACID
5. NoSQL databáze - koncept, odlišný přitup oproti relačním databázím
6. NoSQL databáze - Apache Cassandra
7. NoSQL databáze - grafové databáze (Neo4j), dokumentově orientované databáze
8. Základy cloudu
9. Instalace NoSQL databáze do cloudu - praktická ukázka redundance, CAP Theorem
10. Apache ekosystém I: Hadoop, HBase, Sparc, Pig
11. Fultextový vyhledávač ElasticSearch
12. Statistický jazyk R - využití při zpracování velkého množství dat
13. Statistický jazyk R - spojení s Apache Spark, praktické ukázky