Үлкен деректер аналитикасы

Сипаттама: Курс диссертациялық зерттеу бағыты бойынша ғылыми-технологиялық мәселелерді шешу үшін үлкен көлемдегі деректерді талдау дағдыларын дамытуға бағытталған. Докторант үлкен деректерді талдау бағытындағы эксперименттік және теориялық есептерді шешудің практикалық дағдыларын игереді. Алынған практикалық дағдылар диссертациялық зерттеу нәтижелерін ғылыми журналдарда және ҒЗЖ есептерінде мақалаға қоса берілген эксперименталды деректерді есептеу моделінің компьютерлік орындалатын модулі түрінде ұсынуға мүмкіндік береді.

Кредиттер саны: 5

Пререквизиты:

• Машиналық оқыту және деректерді талдау

Пәннің еңбек сыйымдылығы:

Компонент: Таңдау бойынша компонент

Цикл: Кәсіптік пәндер

Мақсат

• Приобретение практических навыков проведения научных исследований с применением современных технологий анализа данных. Развитие навыков анализа больших данных для решения широкого круга приложений, включая анализ корпоративных данных, финансовых данных с мировых рынков хранилищ данных, моделирование хранения и обработки данных, прогнозирование сложных показателей.

Оқыту нәтижесі: білу және түсіну

• Понимать теорию и основы хранения, обработки и анализа больших данных, передовые инструменты для сбора, хранения, передачи и визуализации больших данных.

Оқыту нәтижесі: білім мен ұғымды қолдану

• Уметь обрабатывать и анализировать большие объемы данных с помощью современного программного обеспечения

Оқыту нәтижесі: талқылай білуді қалыптастыру

• способность самостоятельно применять методы и средства познания, обучения и самоконтроля, осознавать перспективность интеллектуального, культурного, нравственного, физического и профессионального саморазвития и самосовершенствования, уметь критически оценивать свои достоинства и недостатк

Оқыту нәтижесі: коммуникативтік қабілеттіліктер

• осуществлять коммуникации в профессиональной сфере и в обществе целом, в том числе на иностранном языке, анализировать существующую и разрабатывать самостоятельно техническую документацию, четко излагать и защищать результаты комплексной инженерной деятельности в области IT-технологий

Оқыту нәтижесі: Оқу дағдылары немесе сабаққа қабілеттілігі

• готовность к смене социальных, экономических, профессиональных ролей, географической и социальной мобильности в условиях динамики перемен, продолжать обучение самостоятельно

Оқыту әдістері

При проведении учебных занятий предусматривается использование следующих образовательных технологий: - Технология научно-исследовательской деятельности - Технология учебно-исследовательской деятельности - Коммуникативные технологии (дискуссии, пресс-конференция, мозговой штурм, учебные дебаты и пр.) - Информационно-коммуникационные (в том числе дистанционные) технологии

Білім алушының білімін бағалау

Оқытушы ағымдағы бақылау жұмыстарының барлық түрлерін жүргізеді және академиялық кезеңде екі рет білім алушылардың ағымдағы үлгеріміне тиісті баға береді. Ағымдағы бақылау нәтижелері бойынша 1 және 2 рейтинг қалыптастырылады. Білім алушының оқу жетістіктері 100 балдық шкала бойынша бағаланады, Р1 және Р2 қорытынды бағасы ағымдағы үлгерім бағасынан орташа арифметикалық ретінде шығарылады. Академиялық кезеңде білім алушының жұмысын бағалауды пән бойынша тапсырмаларды тапсыру кестесіне сәйкес оқытушы жүзеге асырады. Бақылау жүйесі жазбаша және ауызша, топтық және жеке формаларды біріктіре алады.

Жұмыс түрлері бойынша оқыту нәтижелерін бағалау саясаты

Бағалау нысаны

Пән бойынша білім алушының білімін қорытынды бағалау 100 баллдық жүйе бойынша жүзеге асырылады және:

• Емтиханда алынған нәтиженің 40%;
• Ағымдағы үлгерімнің 60% - ы.

Қорытынды бағаны есептеу формуласы:

 

мұндағы, Р1, Р2-тиісінше бірінші, екінші рейтингті бағалаудың сандық эквиваленттері;

Э - емтихандағы бағаның сандық баламасы.

Қортынды әріптік бағасы және оның балдық сандық эквиваленті:

Төрт балдық жүйе бойынша цифрлық баламаға сәйкес келетін білім алушылардың оқу жетістіктерін бағалаудың әріптік жүйесі:

Дәріс сабақтарының тақырыптары

• Введение в науку о данных и большие данные
• Основные задачи и методы анализа больших данных
• Хранение и управление большими данными
• Технологии хранения больших данных
• Распределенные вычисления и параллельная обработка
• Архитектура экосистемы анализа и обработки больших данных Hadoop
• Машинное обучение для больших данных
• Визуализация больших данных
• Облачные вычисления и большие данные
• Этические аспекты использования больших данных
• Базы данных NoSQL
• Графовые базы данных
• Технология Apache Spark в обработке данных
• Будущие тенденции в аналитике больших данных

Негізгі әдебиет

• Hadley Wickham, Garrett Grolemund. R for Data Science, O'Reilly, 2021
• Wes McKinney. Python for Data Analysis, O'Reilly, 2022
• Jules S. Damji, Brooke Wenig, Tathagata Das, Denny Lee. Learning Spark, 2nd Edition,O'Reilly Media, Inc., 2020
• Apache Hadoop, url: https://hadoop.apache.org/
• Apache Spark, url https://spark.apache.org/
• François Chollet. Deep Learning with Python, Manning Publications, 2021
• Fundamentals of Data Visualization, url: https://clauswilke.com/dataviz/
• Getting Started: Graph Database | Neo4j, url: https://medium.com/data-science/getting-started-graph-database-neo4j-df6ebc9ccb5b

Қосымша әдебиеттер

• Ambuj Agrawal. No-Code Artificial Intelligence, Published by BPB Online, 2023
• Mark Watson. Ambuj Agrawal. Practical Python Artificial Intelligence Programming, 2023