mislo

Fakulteta za računalništvo in informatiko · Univerza v Ljubljani

Velepodatki

Za predmet Velepodatki še ni zapiskov.

Imaš svoje zapiske? Objavi jih: ceno določiš ti, z naročnino ti ostane cela, DDV se doda kupcu.

Objavi zapiske

Čakaš na zapiske? Prijavi se in povej. Ko jih kdo objavi, dobiš sporočilo.

Želim zapiske

Kaj lahko narediš že danes

Naloži svoje gradivo za predmet Velepodatki: Mai ga prebere in ti iz njega naredi kartice, kviz in razlago, ko ti kaj ni jasno. Če zapiske kasneje objaviš, jih prodajaš tukaj.

Naloži svoje gradivo

Učni načrt

Podatki so iz učnega načrta, ki ga objavlja Fakulteta za računalništvo in informatiko. Prebrano 7. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja45 ur
  • Vaje30 ur
  • Samostojno delo105 ur

Vsebina

  1. Uvod v velepodatke. Značilnosti velepodatkov,.
  2. Velepodatki in podatkovna znanost. Relacijske podatkovne baze in velepodatki. Porazdeljeni podatkovni sistemi. Hadoop ekosistem.
  3. Upravljanje z velepodatki. Podatkovni modeli za strukturirane in delno strukturirane podatke.
  4. Nerelacijski (NoSQL) podatkovni modeli.
  5. Podatkovni modeli in sistemi za upravljanje z velepodatki.
  6. Obdelava velepodatkov. Povpraševanje in pridobivanje podatkov. Paradigme za obdelavo velepodatkov. Procesni cevovodi in agregatorji.
  7. Osnovni gradniki in vzorci pisanja algoritmov.
  8. Hadoop in Spark.
  9. Analitika velepodatkov. Orodja za podatkovno analitika. Osnovna statistika. Gručenje. Asociacije.
  10. Napovedno modeliranje. Knjižnica orodij za strojno učenje Spark MLib.
  11. Velepodatki in analiza grafov. NoSQL grafne baze za delo z velepodatki. Neo4j grafna baza.
  12. Povpraševanje po grafih z jezikom CYPHER.
  13. Osnovna analiza grafov z Neo4j in CYPHER.
  14. Praktični vidiki analize velepodatkov. Obdelava heterogenih podatkov. Obdelava podatkovnih tokov.

Ocenjevanje

Sprotno preverjanje (domače naloge, projekti) 50 %, Končno preverjanje (pisni izpit) Ocene: 5 50 %

Literatura

  • R. Buyya, R. N. Calheiros, A. V. Dastjerdi, Big Data: Principles and Paradigms. Morgan Kaufmann, 2016.
  • O. Mendelevitch, C. Stella, D. Eadline. Practical Data Science with Hadoop and Spark: Designing and Building Effective Analytics at Scale (1st ed.). Addison-Wesley, 2016
  • F. Kane. Hands-on data science and Python machine learning : perform data mining and machine learning efficiently using Python and Spark. Packt Publishing, 2017.
  • Baton, R. Van Bruggen. Learning Neo4j, 2nd edition, Packt Publishing, 2017.
  • Izbrani članki in spletni viri. / Selected papers and online resources.

Kako deluje

  1. Zapiske kupiš enkrat in ostanejo tvoji.
  2. V aplikaciji iz njih dobiš kartice, kvize in Mai, ki pozna gradivo.
  3. Ceno določi avtor. Prodajalec je Mislo AI, račun dobiš od nas.