Szkoła Główna Handlowa w Warszawie - Centralny System Uwierzytelniania
Strona główna

Big Data

Informacje ogólne

Kod przedmiotu: 223091-D
Kod Erasmus / ISCED: 11.3 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0612) Database and network design and administration Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Big Data
Jednostka: Szkoła Główna Handlowa w Warszawie
Grupy: Elective courses for QEM - masters
Major courses for AAB - masters
Przedmioty kierunkowe do wyboru SMMD-ZFP
Przedmioty obowiązkowe na programie SMMD-ADA
Punkty ECTS i inne: 3.00 (zmienne w czasie) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: angielski
Efekty uczenia się:

Wiedza:

Student should know and understand data types concerning Big Data,

Student should know technological elements and solutions concerning Big Data

Student should know methods of data storage and querying with Big Data

Student should know and understand analytic methods used with Big Data

Student should know examples of business solutions concerning Big Data

Umiejętności:

Student should be able analyze unstructured data,

Student should be able process and analyze stream data

Student should be able introduce Big Data solutions to business problems.

Kompetencje społeczne:

Student should be able to communicate topics concerning Big data.

Student should be able understand ethical aspects of Big data.

Zajęcia w cyklu "Semestr letni 2024/25" (jeszcze nie rozpoczęty)

Okres: 2025-02-15 - 2025-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Laboratorium - Ocena
Skrócony opis:

Within the subject the following topics will be discussed: technological elements of Big Data, data types, Big Data analytics, data streams processing, big data applications, data privacy and ethical issues.

Pełny opis:

The goal of these classes is to discuss topics concerning Big Data, Big Data analytics and technological solutions concerning Big Data.

Literatura:

Literatura podstawowa:

Inc, O.M., 2012. Big Data Now: 2012 Edition 2. wyd., O'Reilly Media; Provost, F. & Fawcett, T., 2013. Data Science for Business: What you need to know about data mining and data-analytic thinking, Sebastopol, CA: O'Reilly & Associates; Schutt, R. & O'Neil, C., 2013. Doing data science, Sebastopol, CA: O'Reilly.

Literatura uzupełniająca:

Minelli, M., 2013. Big data, big analytics: emerging business intelligence and analytic trends for today's businesses, Hoboken, New Jersey: John Wiley & Sons, Inc.; Prajapati, Vignesh 2013. Big Data Analytics with R and Hadoop, Packt Publishing Ltd.

Uwagi:

Kryteria oceniania:

egzamin testowy: 50.00%

projekty: 50.00%

Zajęcia w cyklu "Semestr zimowy 2024/25" (w trakcie)

Okres: 2024-10-01 - 2025-02-14
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Zbigniew Gontar
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Laboratorium - Ocena
Skrócony opis:

Within the subject the following topics will be discussed: technological elements of Big Data, data types, Big Data analytics, data streams processing, big data applications, data privacy and ethical issues.

Pełny opis:

The goal of these classes is to discuss topics concerning Big Data, Big Data analytics and technological solutions concerning Big Data.

Literatura:

Literatura podstawowa:

Inc, O.M., 2012. Big Data Now: 2012 Edition 2. wyd., O'Reilly Media; Provost, F. & Fawcett, T., 2013. Data Science for Business: What you need to know about data mining and data-analytic thinking, Sebastopol, CA: O'Reilly & Associates; Schutt, R. & O'Neil, C., 2013. Doing data science, Sebastopol, CA: O'Reilly.

Literatura uzupełniająca:

Minelli, M., 2013. Big data, big analytics: emerging business intelligence and analytic trends for today's businesses, Hoboken, New Jersey: John Wiley & Sons, Inc.; Prajapati, Vignesh 2013. Big Data Analytics with R and Hadoop, Packt Publishing Ltd.

Uwagi:

Kryteria oceniania:

egzamin testowy: 50.00%

projekty: 50.00%

Zajęcia w cyklu "Semestr letni 2023/24" (zakończony)

Okres: 2024-02-24 - 2024-09-30
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: (brak danych)
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Laboratorium - Ocena
Skrócony opis:

Within the subject the following topics will be discussed: technological elements of Big Data, data types, Big Data analytics, data streams processing, big data applications, data privacy and ethical issues.

Pełny opis:

The goal of these classes is to discuss topics concerning Big Data, Big Data analytics and technological solutions concerning Big Data.

Literatura:

Literatura podstawowa:

Inc, O.M., 2012. Big Data Now: 2012 Edition 2. wyd., O'Reilly Media; Provost, F. & Fawcett, T., 2013. Data Science for Business: What you need to know about data mining and data-analytic thinking, Sebastopol, CA: O'Reilly & Associates; Schutt, R. & O'Neil, C., 2013. Doing data science, Sebastopol, CA: O'Reilly.

Literatura uzupełniająca:

Minelli, M., 2013. Big data, big analytics: emerging business intelligence and analytic trends for today's businesses, Hoboken, New Jersey: John Wiley & Sons, Inc.; Prajapati, Vignesh 2013. Big Data Analytics with R and Hadoop, Packt Publishing Ltd.

Uwagi:

Kryteria oceniania:

egzamin testowy: 50.00%

projekty: 50.00%

Zajęcia w cyklu "Semestr zimowy 2023/24" (zakończony)

Okres: 2023-10-01 - 2024-02-23
Wybrany podział planu:
Przejdź do planu
Typ zajęć:
Laboratorium, 30 godzin więcej informacji
Koordynatorzy: (brak danych)
Prowadzący grup: Paweł Rubach
Lista studentów: (nie masz dostępu)
Zaliczenie: Przedmiot - Ocena
Laboratorium - Ocena
Skrócony opis:

Within the subject the following topics will be discussed: technological elements of Big Data, data types, Big Data analytics, data streams processing, big data applications, data privacy and ethical issues.

Pełny opis:

The goal of these classes is to discuss topics concerning Big Data, Big Data analytics and technological solutions concerning Big Data.

Literatura:

Literatura podstawowa:

Inc, O.M., 2012. Big Data Now: 2012 Edition 2. wyd., O'Reilly Media; Provost, F. & Fawcett, T., 2013. Data Science for Business: What you need to know about data mining and data-analytic thinking, Sebastopol, CA: O'Reilly & Associates; Schutt, R. & O'Neil, C., 2013. Doing data science, Sebastopol, CA: O'Reilly.

Literatura uzupełniająca:

Minelli, M., 2013. Big data, big analytics: emerging business intelligence and analytic trends for today's businesses, Hoboken, New Jersey: John Wiley & Sons, Inc.; Prajapati, Vignesh 2013. Big Data Analytics with R and Hadoop, Packt Publishing Ltd.

Uwagi:

Kryteria oceniania:

egzamin testowy: 50.00%

projekty: 50.00%

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.
al. Niepodległości 162
02-554 Warszawa
tel: +48 22 564 60 00 http://www.sgh.waw.pl/
kontakt deklaracja dostępności mapa serwisu USOSweb 7.1.1.0