| Сабақтың коды | Курс аты | Сынып | Академиялық кредит | Cағат | Апталық сабақ сағаттары (лекция) | Апталық сабақ сағаттары (практика) | Апталық сабақ сағаттары (зертханалық) |
|---|---|---|---|---|---|---|---|
| UDOSZhA 4214 | Үлкен деректерді өңдеу (Big DATA) | төртінші курс | 5 | 150 | 1 | 2 | 2 |
Пәннің мақсаты үлкен деректерді аналитикалық өңдеу саласындағы негізгі түсініктермен танысуға мүмкіндік береді. Курста машиналық оқыту негіздері, визуализация және үлкен деректерді сақтау баяндалады. Курстың нәтижесі бойынша студент пәндік мәселелерді үлкен деректерді өңдеу технологиясының тіліне аудара алады. Зерттеу барысында үлкен деректерді талдаудың техникалық және әдістемелік құралдары туралы түсініктер қалыптастырылады.
---
Ақпараттық жүйелердегі мәліметтер базасы
жобалау, проблемалық оқыту, топтық жұмыс, бұлттық технология, ақпараттық технология, дамыта оқыту технологиясы әдістері
| 1 | ақпараттың үлкен көлемін талдауды және деректерді басқаруды ұйымдастыруды үйренеді. |
| 2 | Мәліметтерді өңдеу мен талдаудың жаңа технологияларын қолдана отырып жүзеге асырады. |
| 3 | Үлкен деректер технологиясының мүмкіндіктерін ескере отырып, ұйымның ақпараттық инфрақұрылымының жаңа үлгілерін жасай алады. |
| 4 | деректерді талдау саласында теориялық және практикалық аспектілерді интенсивті түрде үйренеді. |
| 5 | қашықтықтағы деректер базасы мен ақпараттық жүйелердің әр түрлі компоненттерін әзірлеу және жобалай алады. |
| Haftalık Konu | Бағалау әдісі | |
|---|---|---|
| 1 | Үлкен деректерге сипаттама. Улкен деректердің маңызы. | |
| 2 | Үлкен деректер құралдары және олардың функциясы | |
| 3 | Дистрибутивтар жайлы негізгі деректер. Apache, Cloudera, Horton Works артықшылықтары мен айырмашылықтары | |
| 4 | HADOOP архитектурасы | |
| 5 | Платформаға сипаттама. «HADOOP» экожүйесінің компоненттері | |
| 6 | Hadoop негізгі принциптері. Hadoop компоненттері. Hadoop 2.0 | |
| 7 | MapReduce функцияларының үлкен деректермен жұмыс істеу жолдары. MapReduce – граф түрінде алгоритмдеу. | |
| 8 | Hive, Pig компоненттерінің жұмыс жасау технологиясы. Компоненттерде сұрауларды орындау. | |
| 9 | Инфрақұрылым және құрылымдық мәліметтерді Hive арқылы құру | |
| 10 | Үлкен деректер шешімдерін масштабтауға арналған негіз: RDBMS, NoSQL және HBase | |
| 11 | Нақты деректерді қолданатын ауқымды шешімдер. MongoDB | |
| 12 | Деректер аналитикасы және визуализациясы. Нақты тілдерді өңдеу: Apache Kafka | |
| 13 | Apache Falcon және Ozie компоненттерінде шешімдер. Spark және Storm компоненттерінің жұмыс жасау технологиялары | |
| 14 | Машиналық оқыту кітапханасы – Mahout-тың жұмыс жасау алгоритмі. Mahout кластеризациясы | |
| 15 | Үлкен деректер мен жасанды интеллекттің арасындағы өзара байланысты «HADOOP» экожүйесі арқылы көрсету |
| PÇ1 | PÇ2 | PÇ3 | PÇ4 | PÇ5 | PÇ6 | PÇ7 | PÇ8 | PÇ9 | PÇ10 | PÇ11 | PÇ12 |
|---|
| Оқулық / Материал / Ұсынылатын ресурстар | ||
|---|---|---|
| 1 | Исахметов Т.И., Шадиева А.А., Жаздыкбаева Д.П., Big Data технологиялар. Алматы -2022. | |
| 2 | A. K. Mukasheva, T. F. Umarov, I. A. Zimin, Big data analytics. Textbook, Almaty, 2022. | |
| 3 | Деректер қоры жүйелері Нур-Принт Алматы, 2012ж. Оқу-әдістемелік құрал | |
| 4 | Технологии и инфраструктура BIG DATA, И. А. Радченко, И. Н. Николаев, 2018, ИТМО, учебник, СПб.52 | |
| 5 | Силен, Д. и др. Основы Data Science и Big Data. Python и наука о данных. / Д. Силен, А. Мейсман, М. Али. |