732A54 · 6 hp · Avancerad nivå (A1N) · Statistik
Analys av Big Data
Ges · nästa start VT 2027
72 %
klarade senaste ordinarie tentan
TENT · 18 aug 2026 · 18 studenter
59 %
klarade ordinarie tentorna, alla tillfällen de senaste 5 åren
TENT · 198 studenter
98 %
Svårare än 98 % av kurserna på avancerad nivå
Jämfört med 285 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 97 studenter.
Ingår i 1 program
Tentamen
TENT Tentamen
- A
- B
- C
- D
- E
- F
Ordinarie tentor
59 % godkända · 198 studenter
- 72 %18
- 67 %27
- 32 %22
- 45 %20
- 30 %10
- 50 %24
- 85 %13
- 77 %30
- 64 %11
- 61 %23
Omtentor
55 % godkända · 33 studenter
- 40 %15
- 29 %7
- 91 %11
- Klarar omtentan: 55 % (33 studenter), jämfört med 59 % (198 studenter) på ordinarie
- Får B eller A: 10 % (231 studenter)
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 67 %3
- 100 %3
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
LAB1 Laboration
- P
Ordinarie tillfällen
100 % godkända · 126 studenter
- 100 %25
- 100 %20
- 100 %26
- 100 %16
- 100 %18
- 100 %21
Senare tillfällen
100 % godkända · 9 studenter
- 100 %9
- Klarar ett senare tillfälle: 100 % (9 studenter), jämfört med 100 % (126 studenter) på ordinarie
Visa små tillfällen (13)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %2
- 100 %2
- 100 %2
- 100 %2
- 100 %2
- 100 %2
- 100 %1
- 100 %2
- 100 %2
- 100 %2
- 100 %3
- 100 %2
Om kursen
Mål
Efter avslutad kurs ska den studerande på en avancerad nivå kunna:
- samla och lagra Big Data i en distribuerad datormiljö
- genomföra grundläggande förfrågningar till en databas som opererar på ett distribuerat filsystem
- redovisa grundläggande principer för parallella beräkningar
- använda MapReduce begreppet för att parallellisera vanliga databearbetningsalgoritmer
- redovisa hur vanliga maskininlärningsmodeller bör modifieras för att bearbeta Big Data
- använda redskap för maskininlärning av Big Data
Innehåll
Focus i kursen är på huvudbegrepp och huvudredskap för lagring, bearbetning och analys av Big Data som är nödvändiga för ett professionellt arbete och forskning inom dataanalys.
- Introduktion till Big Data: koncept och redskap
- Introduktion till Python
- Grundläggande principer av parallella beräkningar
- Introduktion till databaser
- Filsystem och databaser för Big Data
- Förfrågningar för Big Data
- Resurshantering i en klustermiljä
- Parallella beräkningar för Big Data
- Grundläggande algoritmer för maskininlärning
- Maskininlärning för Big Data
- Examinator
- Huanyu Li
- Huvudområde
- Statistik