mislo

Fakulteta za elektrotehniko, računalništvo in informatiko · Univerza v Mariboru

Algoritmi analize masivnih podatkov

Za predmet Algoritmi analize masivnih podatkov 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 Algoritmi analize masivnih podatkov: 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 elektrotehniko, računalništvo in informatiko. Prebrano 6. 9. 2026. Poglej izvirnik

6 kreditnih točk

Obveznosti v urah

  • Predavanja30 ur
  • Vaje30 ur
  • Samostojno delo120 ur

Vsebina

  1. Uvod: definicija masivnih podatkov, ključni podatkovni viri, analiza trendov razvoja in aktualni izzivi na področju.
  2. Arhitekturne komponente sistemov obdelave masivnih podatkov (ogrodje MapReduce, Hadoop in Spark) ter predstavitev podatkov v podatkovnih bazah NoSQL (s stolpci, dokumentni, ključnimi vrednostmi in grafi).
  3. Podatkovno strukturiranje: podatkovni model DAM in izvedba predpomnilniško-zavednih podatkovnih struktur (tabele ključnih vrednosti, grafi in prostorsko vpeti grafi).
  4. Analize grafov in kompleksnih mrež: algoritmi iskanja in povpraševanja v grafu ter metrike kompleksnih mrež (stopnje vozlišč, centralnost, skupnosti).
  5. Opisna analiza in asociacijska pravila s prilagoditvijo apriori algoritma na veliko količino podatkov.
  6. Induktivna analiza podatkov (centralna tendenca, razpršenost in Bajesov teorem).
  7. Analiza časovnih vrst: definicija regresijskih modelov, autoregresija, model ARIMA.
  8. Analiza preživetja: sorazmerna regresija nevarnosti, parametrična analiza preživetja in analiza Kaplan Meier
  9. Sistemi priporočanja: izmenjujoči najmanjši kvadrati in razgradnja singularnih vrednosti.
  10. Socialno zaznavanje in analiza socialnih omrežij: klasifikator razmerja soseščine, logaritmična regresija razmerij in skupinsko povezovanje.
  11. Upodabljanje masivnih podatkov: grafi usmerjene sile, regresijske, ostankovne, interaktivne, violinske, črtne, točkovne, in števne risbe ter parne mreže in mreže vidika.

Ocenjevanje

Pisni izpit 50 %, Laboratorijsko delo 50 %

Pogoji za vključitev

Pogojev ni.

Literatura

  • Handbook of big geospatial data (p. XI, 641). (2021). Springer. https://doi.org/10.1007/978-3-030-55462-0

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.