• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site
Master 2020/2021

Big 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

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

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

Course Contents

  • Introduction to Data Analytics
  • Data Analysis Infrastructure
  • Organization of analytics in the company
Assessment Elements

Assessment Elements

  • non-blocking Homework
  • non-blocking Report on the workshop
  • blocking Exam
    Экзамен 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

  • Interim assessment (4 module)
    0.2 * Exam + 0.7 * Homework + 0.1 * Report on the workshop
Bibliography

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