Professional Documents
Culture Documents
Kitas (-i):
Reikalavimai studijuojančiajam
Išankstiniai reikalavimai: aprašomosios statistikos žinios, Gretutiniai reikalavimai (jei yra):
praktinės žinios apie parametrinių hipotezių tikrinimą,
įverčių konstravimą bei kintamųjų priežastingumo
modeliavimą statistiniais metodais, darbo R aplinkoje
pagrindai, anglų kalba B1 (arba aukštesniu) lygiu pagal
įprastą Europoje galiojančią lygių sistemą.
Pažintis su sistemų mokymo (angl. machine learning)
modelių paradigma bei duomenų bazių valdymo sistemomis
būtų privalumas.
Dalyko (modulio) apimtis Visas studento darbo Kontaktinio darbo Savarankiško darbo
kreditais krūvis valandos valandos
10 250 64 186
Visas kontaktinis
Savarankiškas
Temos
Laboratoriniai
Konsultacijos
Užduotys
Seminarai
Paskaitos
Pratybos
Praktika
darbas
darbas
darbai
1. Įvadas. Pagrindinės sąvokos (big data, big data 1 1 6 Perskaityti [1] knygos 1
analytics ir k.t.). Pavyzdžiai. Analizės metodų bei skyrių. Savarankiškai
įrankių apžvalga. surasti ir perskaityti
įvadinį straipsnį apie
didelių duomenų
masyvų analizę.
2. Tipiniai uždaviniai ir teoriniai modeliai. 6 4 10 20 Išspręsti dėstytojo
Klasifikavimas, prognozė, priežastinių ryšių pateiktą užduočių
modeliavimas, struktūros modeliavimas. Modeliai, rinkinį iš šaltinio [3]
grįsti formalizuota statistine teorija; modeliai, grįsti (rinkinys priklauso nuo
sistemų mokymo paradigma; euristiniai modeliai. to, kiek ir kokių
modelių buvo suspėta
aptarti paskaitų metu,
todėl čia
nedetalizuojamas).
3. Programinė įranga. Populiarios nekomercinės 3 2 16 21 40 Pasidalinus į grupes po
duomenų bazių valdymo sistemos. R, Hadoop ir kelis studentus
Python. Geografinės informacinės sistemos (GIS). savarankiškai
Komercinės programinės įrangos apžvalga. susipažinti su kokiu
nors programiniu
įrankiu, tinkamu didelių
duomenų masyvų
analizei ir nenagrinėtu
paskaitų metu. Paruošti
bendrą prezentaciją apie
nagrinėtą įrankį ir
pristatyti rezultatus
seminaro metu.
4. Realių duomenų rinkinių analizė. Pavyzdžiai iš 4 2 16 22 80 Savarankiškai surasti
įvairių taikymo sričių (finansų, interneto, geografinių realų duomenų rinkinį,
sistemų, medicinos, tinklų ir kt.), apimantys kurio analizei reikalinga
problemos formuluotę su pilnu sprendimu. didelių duomenų
analizės metodika.
Pritaikyti dėstytą arba
nedėstytą analizės
metodą. Aprašyti
gautus rezultatus
mokslinio straipsnio
forma. Parengti
prezentaciją apie atliktą
analizę ir pristatyti ją
seminaro metu.
5. Kontroliniai darbai. 2 8 10 40 Pasiruošti
kontroliniams.
Iš viso 64 186