Kursplan för Stora datamängder inom vetenskapliga tillämpningar
Large Datasets for Scientific Applications
Kursplan
- 5 högskolepoäng
- Kurskod: 1TD268
- Utbildningsnivå: Avancerad nivå
-
Huvudområde(n) och successiv fördjupning:
Datavetenskap A1N,
Teknik A1N,
Tillämpad beräkningsvetenskap A1N
Förklaring av koder
Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:
Grundnivå
G1N: har endast gymnasiala förkunskapskrav
G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
G1E: innehåller särskilt utformat examensarbete för högskoleexamen
G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
GXX: kursens fördjupning kan inte klassificeras.Avancerad nivå
A1N: har endast kurs/er på grundnivå som förkunskapskrav
A1F: har kurs/er på avancerad nivå som förkunskapskrav
A1E: innehåller examensarbete för magisterexamen
A2E: innehåller examensarbete för masterexamen
AXX: kursens fördjupning kan inte klassificeras. - Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
- Inrättad: 2016-03-10
- Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
- Reviderad: 2018-10-26
- Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
- Gäller från: vecka 30, 2019
-
Behörighet:
Alt 1. 120 hp inom teknik/naturvetenskap inklusive Beräkningsvetenskap I, Databasteknik I samt en fortsättningskurs i programmering (programmering i Java och/eller Python). Beräkningsvetenskap I får bytas ut mot Beräkningsvetenskap och analys, 10 hp, Numeriska metoder och simulering, 5 hp, Beräkningsvetenskap, bryggningskurs, 5 hp.
Alt 2. 120 hp inklusive Introduktion till programmering, beräkningsvetenskap och statistik, Databasteknik I och Programmering i Python.
Alt 3. 120 hp inklusive 30 hp matematik samt 30 hp datavetenskap varav minst 5 hp databaskunskap. Skriptprogrammering.
Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.) - Ansvarig institution: Institutionen för informationsteknologi
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.
Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.
Versioner av kursplanen
- Senaste kursplan (giltig från vecka 30, 2019)
- Äldre kursplan (giltig från vecka 25, 2016)
Litteratur
Litteraturlista
Gäller från: vecka 30, 2019
Forskningsartiklar.