Zaawansowane Bazy Danych i Hurtownie Danych
Transkrypt
Zaawansowane Bazy Danych i Hurtownie Danych
Symbol: Data: 16.04.2008r. Załącznik Wydanie: Z-5.4-1-1 Strona: I 1/1 Status: obowiązujący KARTA PRZEDMIOTU KARTA PRZEDMIOTU Rok akademicki: ………… Nazwa przedmiotu: Kod/nr ZAAWANSOWANE BAZY DANYCH I HURTOWNIE DANYCH przedmiot obowiązkowy na specjalności Bazy danych, sieci i systemy komputerowe Kierunek: INFORMATYKA Specjalność: BAZY DANYCH, SIECI I SYSTEMY KOMPUTEROWE Tryb studiów: studia stacjonarne jednolite magisterskie (SSJM) Rodzaj przedmiotu: Instytut/ Katedra: Semestr: 9 Prowadzący przedmiot: Prowadzący zajęcia: (podstawowy, Liczba pkt ECTS: 6 kierunkowy......................) przedmiot obowiązkowy na specjalności Bazy danych, sieci i systemy komputerowe Instytut Informatyki, Zakład Teorii Informatyki dr inŜ. Marcin Gorawski Liczba godzin: Wykład: dr inŜ. Marcin Gorawski Wykład: 2/9 Ćwiczenia: Ćwiczenia: Laboratorium: Laboratorium: 2/9 Sławomir Bańkowski, Michał Gorawski, Michał Thiele, Aleksander Chrószcz, Paweł Jureczek, Projekt:0 Seminarium: Projekt:0 Seminarium:0 Powiązanie ze standardami i cel kształcenia Symbol: Data: 16.04.2008r. Załącznik Wydanie: I Z-5.4-1-1 Strona: 2/1 Status: obowiązujący KARTA PRZEDMIOTU Treść wykładów: W ramach wykładu prezentowane są następujące zagadnienia: 1-3. Przestrzenne bazy danych (algorytmy indeksowania danych przestrzennych, rodzina R-drzew, dynamiczne xBR-drzewo, zapytania zakresowe, zapytania KNN w przestrzeni sieciowej, modele kosztowe indeksów przestrzennych). 4-7. Przestrzenno-temporalne bazy i hurtownie danych (wielowersyjne struktury danych, schematy gwiazd kaskadowych, algorytmy agregacji przestrzenno-czasowych, aRB-drzewo, aP-drzewo, hybrydowy indeks dla przestrzenno-czasowej agregacji, indeks szkieletowy, przestrzenno-czasowe kubełkowe drzewo agregacyjne, adaptacyjny wielowymiarowy indeks kubełkowy, modele slektywności i wydajności predykcyjnej drzew agregacji, SOLAP, przetwarzanie złączeń KNN). 8-9. Strumieniowe bazy i hurtownie danych (dane sensorowe i telemetryczne, ciągła ekstrakcja strumieni danych i jej odtwarzanie, zapytania o przeszłość, teraźniejszość i przyszłość, estymacja predykcyjna, zmaterializowane listy widoków, wysoka niezawodność i techniki tolerowania błędów). 10-11. Gridowo-agentowe systemy hurtowni danych (gridy, inteligentni agenci programowi, metody partycjonowania danych i dystrybucji indeksów, algorytmy balansowania obciąŜeń, algorytmy współdzielenia zasobów w ciągłych agregatach dla okien przesuwnych, bezpieczeństwo i efektywność gridowych hurtowni danych). 12-14. Bazy i hurtownie danych w przetwarzaniu mobilnym (języki zapytań ciągłych CQL i budowa ich kompilatorów, optymalizacja przestrzeni PaO, metody aproksymacji, algorytmy indeksowania obiektów mobilnych, złączenia Gorder KNN, równoległe przetwarzania zapytań ciągłych, algorytmy lokalizujące obiekty (LBS), bezopóźnieniowe i aktywne hurtownie danych, system GPS i Galileo, programowanie w Java ME). 15. Eksploracja danych z zachowaniem ochrony prywatności danych (przestrzenno-czasowe reguły asocjacji, algorytmy HPSU, VPSI, klasteryzacji CLARANS i DBSCAN, nowy algorytm bezpiecznej klasteryzacji rozproszonej w oparciu o gęstość dla poziomo rozproszonych danych (algorytm PPDBDC)). Treść/Tematy: L./9. Celem laboratorium jest praktyczne zapoznanie studentów z projektowaniem zaawansowanych baz danych i hurtowni danych. Tematy laboratoriów: 1. Bazodanowy system agentowy 2. Język zapytań ciągłych 3. Odtwarzanie procesu ETL 4. Systemy rozproszone 5. Realizacja zapytań wzorcowych 6. Balansowanie obciąŜeń w hurtowniach danych Symbol: Data: 16.04.2008r. Załącznik Wydanie: I Z-5.4-1-1 Strona: 3/1 Status: obowiązujący KARTA PRZEDMIOTU Forma zaliczenia przedmiotu 1. Wykład —kolokwium pisemne. 2. L./9 - podstawą do zaliczenia laboratorium jest oddanie sprawozdań ze wszystkich ćwiczeń. Ocenę końcową stanowi średnia ocen z poszczególnych laboratoriów, wszystkie muszą zostać zaliczone przynajmniej na ocenę dostateczną (3). Zasady zaliczania przedmiotu Podstawą do zaliczenia przedmiotu jest zaliczenie kolokwium z teorii (wykładu) oraz zaliczenie laboratorium. Ocena z kolokwium Ocena z laboratorium [3.00-3.50) >= 3.50 [3,50 - 4,25) >= 4,00 [4,25 - 4,50) >= 4,50 >= 4,50 > 4,50 Minimalne wymagania do egzaminu /zaliczenia: Ocena z kolokwium Ocena z laboratorium 3.00 >= 3.50 Literatura (podstawowa i specjalistyczna) Ocena końcowa 3.00 3,50 4,50 5,00 Ocena końcowa 3.00 Literatura badawcza, publikacje naukowe, raporty techniczne udostępniane w czasie zajęć - artykuły opublikowane w materiałach konferencyjnych VLDB, DEXA, SIGMOD, ICDE, ADBIS, ADVIS oraz w czasopismach wydawnictw Lecture Notes in Computer Science oraz IEEE Computer Society. Publikacje Zespołu Algorytmów, Programowania i Systemów Autonomicznych w Studia Informatica http://www.znsi.aei.polsl.pl/. Zatwierdzono: ……………………………. ………………………………………………… (data i podpis prowadzącego) (data i podpis Dyrektora Instytutu/Kierownika Katedry)