Behörighetskrav

120 hp inom teknik/naturvetenskap inklusive Beräkningsvetenskap I, Databasteknik I samt en fortsättningskurs i programmering (programmering i Java och/eller Python). Beräkningsvetenskap I få bytas ut mot Beräkningsvetenskap och analys, 10 hp, Numeriska metoder och simulering, 5 hp, eller Beräkningsvetenskap, bryggningskurs, 5 hp.

Mål

Efter godkänd kurs ska studenten kunna

• använda moderna system för hantering av massiva datamängder inom vetenskapliga tillämpningar;
• analysera egenskaper hos dataintensiva vetenskapliga tillämpningar och använda analysen till att föreslå lämpliga strategier för att hantera tillämpningen;
• implementera programvara där analysen från föregående punkt och teknologi som presenteras i kursen används;
• kritiskt analysera, diskutera och presentera lösningar och implementationer skriftligt och muntligt.

Innehåll

Metodik vid utveckling av vetenskapliga tillämpningar där begrepp och metoder inom storskalig datahantering används. Distribuerade filsystem och molnbaserade lagringsmiljöer, exempelvis OpenStack Swift. Processning av Batch data med programmeringsmodellen MapReduce, exempelvis Hadoop. Effektiv användning av frågespråk som Hive för vetenskapliga tillämpningar. Effektiv användning av indexering. Array-databaser, exempelvis SciDB, plattformar för strömmande data, exempelvis Storm. Översiktlig beskrivning av tekniker, begrepp och verktyg för analys av stora datamängder, exempelvis NoSQL, NoDB, ostrukturerad namnrymd och ontologibaserad data.

Undervisning

Föreläsningar, gästföreläsningar, laborationer, seminarier och grupphandledning.

Examination

Aktivt deltagande i seminarier. Muntlig och skriftlig redovisning av inlämningsuppgifter, programvaruprojekt och forskningsartiklar.