Analitika u oblaku

Analitika u oblaku

Naziv predmeta
Analitika u oblaku
Oznaka predmeta
10429
Semestar
3
Status predmeta
ECTS
6
Predavanja
30
Vježbe
30
Samostalni rad
120
Ukupno
180
Nastavnici i suradnici
mr. sc. Igor Kaluđer, dipl. oec.
Cilj predmeta
Jedno od područja koje će doživjeti velike promjene sve većom primjenom računarstva u oblaku je i analiza podataka te kvantitativno modeliranje. Sve veća količina i brzina generiranja podataka s jedne strane te sve veća potreba za troškovnom učinkovitošću, brzinom reakcije i fleksibilnošću s druge, sve više usmjeravaju organizacije ka korištenju analitike u oblaku. Analitički servisi u oblaku već su sad dominantni oblik analize velikih količina podataka temeljene na distribuiranim tehnologijama kao što su Apache Hadoop, Apache Spark, Dremel, itd. Daljnjim razvojem analitičkih servisa u oblaku, oni će postati nezaobilazno rješenje gorućih problema većine organizacija, kao što su: niska iskorištenost internih i eksternih podataka, slabo razumijevanje potreba klijenata, tromost u reakciji na eksterne promjene, veliki ukupni troškovi vlasništva informacijske infrastrukture, itd. Cilj predmeta je upoznati studente s konceptima analitike u oblaku te detaljno upoznavanje s analitičkim servisima u oblaku.
Sadržaj
Uvod u računarstvo u oblaku. Prikupljanje podataka. Pohrana podataka. Obrada velikih skupova podataka. Klijentski alati za analitiku u oblaku. Razvoj kvantitativnih modela u oblaku. Usluge za analizu teksta. Usluge za analizu slika. Trendovi i budućnost.
Osnovna literatura:
Budin, L., Brođanac, P., Markučić, Z. i Perić, S. (2012). Rješavanje problema programiranjem u Pythonu. Zagreb: Element.
Budin, L., Brođanac, P., Markučić, Z. i Perić, S. (2013). Napredno rješavanje problema programiranjem u Pythonu. Zagreb: Element.
Yael Onn et. al., Privacy in the Digital Environment (Haifa Center of Law and Technology, Niva Elkin-Koren, Michael Birnhack, eds., 2005).
Preporučena dopunska literatura
Anil Maheshwari, Big Data Essentials (Amazon Digital Services LLC, 2016)
Nathan Marz, Big Data analytics (Manning Publications, 2015)

Minimalni ishodi učenja

  1. Obrazložiti osnovne koncepte te prednosti i nedostatke analitike u oblaku
  2. Ocijeniti prikladnost analitičkih usluga u oblaku za zadani problem
  3. Razlikovati vrste usluga za pohranu podataka u oblaku, područja primjene te prednosti i nedostatke
  4. Razlikovati vrste usluga za pribavljanje i obradu podataka u oblaku, područja njihove primjene te prednosti i nedostatke
  5. Razlikovati usluge za modeliranje i gotove modele za analizu nestrukturiranih podataka u oblaku
  6. Razlikovati vrste klijentskih alata za analitiku u oblaku te njihove prednosti i nedostatke
  7. Analizirati ekonomske aspekte analitike u oblaku

Željeni ishodi učenja

  1. Vrednovati utjecaj prednosti i nedostataka analitike u oblaku
  2. Odabrati optimalne analitičke usluge u oblaku za zadani problem
  3. Primijeniti usluge za pohranu podataka
  4. Primijeniti različite usluge za pribavljanje i obradu podataka u oblaku
  5. Primijeniti usluge za modeliranje i gotove modele za analizu nestrukturiranih podataka u oblaku
  6. Odabrati optimalni skup klijentskih alata za zadani problem
  7. Odabrati optimalan način korištenja analitike u oblaku uključujući ekonomske aspekte