
Μαθήματα Κατεύθυνσης
Μαθήματα Κατεύθυνσης
Περιεχόμενα: Το μάθημα εστιάζει στη διαχείριση δεδομένων μεγάλου όγκου και επικεντρώνεται σε αρχιτεκτονικές κατανεμημένων συστημάτων, συστήματα συστάδων υπολογιστών (cluster computing), τεχνολογίες πλέγματος (grids) και νέφους (clouds), κατανεμημένα συστήματα αρχείων (π.χ., Google file system, Hadoop, Facebook Cassandra), αναζήτηση κατανεμημένων δεδομένων (Chord), μοντέλα παράλληλων/κατανεμημένων υπολογισμών για σχεσιακά δεδομένα (Map/Reduce) και γράφους (Pregel), NoSQL βάσεις δεδομένων (π.χ., Elasticsearch, MongoDB, Neo4j), οπτικοποίηση μεγάλων δεδομένων (π.χ., Kibana), κατανεμημένη διαχείριση ροών δεδομένων, εξόρυξη και εξαγωγή γνώσης από τα μεγάλα δεδομένα. Επίσης, αντικείμενο του μαθήματος είναι η χρήση των μεγάλων δεδομένων στα πλαίσια διαφορετικών εφαρμογών της καθημερινότητας (π.χ., κοινωνικά δίκτυα, υγεία, ηλεκτρονική διακυβέρνηση, κ.ά.), καθώς και τα ηθικά/ιδιωτικά ζητήματα που εγείρονται από τη χρήση τους.
Αξιολόγηση: Προγραμματιστικές εργασίες (ενδέχεται να συνοδεύονται από προσωπική εξέταση) ή/και ασκήσεις κατανόησης της ύλης (είτε για το σπίτι, είτε για επίλυση στην τάξη) ή/και προφορική παρουσίαση, και 3ωρη γραπτή τελική εξέταση. Οι εργασίες, οι ασκήσεις, και η προφορική παρουσίαση θα έχουν συνολικό βάρος 50%, και η τελική γραπτή εξέταση θα προσμετράται στο συνολικό βαθμό με το υπόλοιπο 50%. Τα ποσοστά αυτά μπορεί να διαφοροποιούνται (μέχρι +/-10%) από έτος σε έτος. Για την επιτυχία ενός φοιτητή στο μάθημα απαιτείται προβιβάσιμος βαθμός (πέντε ή μεγαλύτερος) στην τελική γραπτή εξέταση καθώς και στον τελικό βαθμό όπως αυτός προκύπτει από τα εκάστοτε ποσοστά.
Μέθοδοι αξιολόγησης: Ερωτήσεις σύντομης απάντησης, Ερωτήσεις πολλαπλής επιλογής, Επίλυση προβλημάτων, Έκθεση / Αναφορά, Προφορική εξέταση, Δημόσια παρουσίαση, Εργαστηριακή εργασία.
Βιβλιογραφία: