Upravljanje velikim prostornim i prostorno-vremenskim podacima

Opis predmeta

Uvod. Sustavi i programski okviri za upravljanje velikim podatcima i tokovima podataka. Lambda i Kappa arhitekture za velike podatke. Osnovna načela i odlike velikih prostornih i prostorno-vremenskih podataka. Modeliranje prostornih i prostorno-vremenskih tipova podataka. Specifikacija relevantnih operacija na prostornim i prostorno-vremenskim tipovima podataka. Indeksiranje. Globalni i lokalni indeksi. Statični i dinamički indeksi. Geo-raspršeni indeksi. Prostorno-vremenski tokovi podataka. SQL-utemeljena analiza prostorno-vremenskih tokova podataka u okviru integriranih platformi za velike podatke. Implementacija tipova podataka i operacija u objektno-funkcijskim programskim jezicima i platformama s raspodijeljenim protokom podataka. Implementacija uporabom aplikacijskih programskih sučelja integriranih platformi za raspodijeljenu obradu statičnih podataka i tokova podataka. Razvoj korisnički definiranih funkcija. Specifikacija prostornih i prostorno-vremenskih upita u SQL-sličnim upitnim jezicima. Dubinska analiza velikih prostorno-vremenskih podataka.

Ishodi učenja

  1. Identificirati temeljna obilježja prostornih i prostorno-vremenskih velikih podataka
  2. Identificirati temeljna obilježja prostorno-vremenskih tokova podataka
  3. Dizajnirati i implementirati prostorne i prostorno-vremenske tipove podataka u objektno-funkcijskim programskim jezicima i platformama s raspodijeljenim protokom podataka
  4. Razviti jednostavne algoritme za upravljanje prostorno-vremenskim velikim podacima
  5. Razviti jednostavne algoritme za upravljanje prostorno-vremenskim tokovima podataka
  6. Razviti prostorne i prostorne-vremenske upite uporabom SQL-sličnim izrazima
  7. Razviti jednostavne algoritme za dubinsku analizu i otkrivanje prostorno-vremenskog znanja.
  8. Odabrati tehnologije za upravljanje velikim podacima u prostorno-vremenskoj aplikacijskoj domeni

Oblici nastave

Predavanja

Samostalni zadaci

Tjedni plan nastave

  1. Temeljni koncepti velikih prostornih podataka
  2. Temeljni koncepti velikih prostorno-vremenskih podataka
  3. Programski okviri za velike podatke
  4. Programski okviri za velike podatke
  5. Lambda i Kappa arhitekture
  6. Optimizacija i indeksiranje
  7. Prostorni i prostorno-vremenski SQL i SQL-slični izrazi
  8. Međuispit
  9. Prostorni i prostorno-vremenski SQL i SQL-slični izrazi
  10. Paralelne i raspodijeljene prostorne i prostorno-vremenske jezgre
  11. Paralelne i raspodijeljene prostorne i prostorno-vremenske jezgre
  12. Protočna obrada prostornih i prostorno-vremenskih podataka
  13. Protočna obrada prostornih i prostorno-vremenskih podataka
  14. Projekt
  15. Završni ispit

Studijski programi

Sveučilišni diplomski
Audiotehnologije i elektroakustika (profil)
Slobodni izborni predmeti (2. semestar)
Automatika i robotika (profil)
Slobodni izborni predmeti (2. semestar)
Elektroenergetika (profil)
Slobodni izborni predmeti (2. semestar)
Elektroničko i računalno inženjerstvo (profil)
Slobodni izborni predmeti (2. semestar)
Elektronika (profil)
Slobodni izborni predmeti (2. semestar)
Elektrostrojarstvo i automatizacija (profil)
Slobodni izborni predmeti (2. semestar)
Informacijsko i komunikacijsko inženjerstvo (profil)
Slobodni izborni predmeti (2. semestar)
Komunikacijske i svemirske tehnologije (profil)
Slobodni izborni predmeti (2. semestar)
Programsko inženjerstvo i informacijski sustavi (profil)
Izborni predmet profila (2. semestar)
Računalno inženjerstvo (profil)
Slobodni izborni predmeti (2. semestar)
Računalno modeliranje u inženjerstvu (profil)
Slobodni izborni predmeti (2. semestar)
Računarska znanost (profil)
Slobodni izborni predmeti (2. semestar)
Znanost o mrežama (profil)
Slobodni izborni predmeti (2. semestar)
Znanost o podacima (profil)
Slobodni izborni predmeti (2. semestar)

Literatura

(.), Zdravko Galic (2016.), Spatio-Temporal Data Streams, Springer,
(.), Nikos Pelekis, Yannis Theodoridis (2014.), Mobility Data Management and Exploration, Springer,
(.), Nathan Marz, James Warren (2015.), Big Data: Principles and Best Practices of Scalable Realtime Data Systems, Manning Publications Company,
(.), Fabian Hueske, Vasiliki Kalavri (2018.), Stream Processing with Apache Flink: Fundamentals, Implementation, and Operation of Streaming Applications, O'Reilly Media,
(.), Sandy Ryza, Uri Laserson, Sean Owen, Josh Wills (2015.), Advanced Analytics with Spark, "O'Reilly Media,,
(.), Edward Capriolo, Dean Wampler, Jason Rutherglen (2012.), Programming Hive, "O'Reilly Media, Inc.",

Za studente

Izvedba

ID 223719
  Ljetni semestar
5 ECTS
R3 Engleski jezik
R1 E-učenje
30 Predavanja
15 Laboratorijske vježbe