Master
2020/2021
Big Data Analysis
Type:
Elective course (Software Development and Data Analysis)
Area of studies:
Applied Mathematics and Informatics
Delivered by:
Department of Informatics
When:
1 year, 4 module
Mode of studies:
distance learning
Instructors:
Anton Kuznetsov
Master’s programme:
Software Development and Data Analysis
Language:
English
ECTS credits:
4
Contact hours:
4
Course Syllabus
Abstract
The objectives of mastering the discipline "Databases and analytical systems" is the formation of skills to work with data analysis as a process. Study of basic structures and data storage forms.
Learning Objectives
- The objectives of mastering the discipline "Databases and analytical systems" is the formation of skills to work with data analysis as a process. Study of basic structures and data storage forms.
Expected Learning Outcomes
- Owns the concept of analytical thinking. He knows the concepts of business problems and data science. Knows the predictive modeling; date products.
- Knows: databases and data warehouses; functional classes of analytical systems. Knows: optimization systems; expert systems. Owns the concept of operating business intelligence; analytical reporting. Knows: ERP systems; cloud solutions.
- Owns the concepts of design and process organization of analytics. Knows: business Intelligence; business analytics Enterprise Decision Management; Data Science; Big Data
Course Contents
- Introduction to Data Analytics
- Data Analysis Infrastructure
- Organization of analytics in the company
Assessment Elements
- Homework
- Report on the workshop
- ExamЭкзамен проводится на платформе Zoom. Экзамен проводится в устной форме (опрос по материалам курса). По просьбе преподавателя студент должен быть готов выполнить некоторые задания в письменном виде, после чего сфотографировать и выслать на почту преподавателю. К экзамену необходимо подключиться согласно расписанию, высланному преподавателем на корпоративные почты студентов накануне экзамена. Компьютер студента должен удовлетворять требованиям: наличие рабочей камеры и микрофона, поддержка платформы Zoom. Для участия в экзамене студент обязан: выбрать себе имя в Zoom совпадающее с его именем и фамилией, явиться на экзамен согласно точному расписанию, при ответе включить камеру и микрофон. Во время экзамена студентам запрещается выключать камеру. Ипользование конспектов или других справочных материалов допускается только с разрешения преподавателя. Кратковременным нарушением связи во время экзамена считается нарушение связи менее 5 минут. Долговременным нарушением связи во время экзамена считается нарушение 5 минут и более. При долговременном нарушении связи возможность продолжения студентом участие в экзамене определяется преподавателем. Процедура пересдачи подразумевает использование усложненных заданий.
Interim Assessment
- Interim assessment (4 module)0.2 * Exam + 0.7 * Homework + 0.1 * Report on the workshop
Bibliography
Recommended Core Bibliography
- Hastie, T., Tibshirani, R., & Friedman, J. H. (2009). The Elements of Statistical Learning : Data Mining, Inference, and Prediction (Vol. Second edition, corrected 7th printing). New York: Springer. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=277008
Recommended Additional Bibliography
- Siegel, E. (2016). Predictive Analytics : The Power to Predict Who Will Click, Buy, Lie, or Die (Vol. Revised and Updated edition). Hoboken: Wiley. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1157317