Scalable algorithms 1000-MS1-AlgSkal

(in Polish) Godziny realizowane z udziałem nauczycieli: 40h (w tym 10h konsultacji) Czas poświęcony na pracę indywidualną studenta: 30h Czas wymagany do przygotowania się do uczestnictwa w procesie oceniania: 10h Razem: 80h (3p. ECTS)

(in Polish) W1. zna zaawansowane metody projektowania i analizowania algorytmów i programów równoległych i rozproszonych; zna wybrane modele programowania skalowalnego (np. Map-Reduce) -K_W04, K_W06 W2. ma podstawową wiedzę o metodach, narzędziach i technikach badawczych w zakresie Big Data i wizualizacji informacji - K_W05, K_W06 W3. zna na poziomie podstawowym przynajmniej jedną platformę do obliczeń skalowalnych - K_W05, K_W06

(in Polish) U1. projektuje i analizuje algorytmy rozproszone w oparciu o model Map-Reduce; potrafi uzasadnić ich poprawność i przeanalizować złożoność - K_U17 U2. umie znajdować niezbędne informacje w literaturze fachowej, bazach danych i innych źródłach, zna podstawowe czasopisma i konferencje naukowe w swojej specjalności - K_U21 U3. potrafi wykorzystać przynajmniej jedną platformę implementującą algorytmy skalowalne do analizy dużych repozytoriów danych (Big Data) - K_U01, K_U17, K_U19 U4. potrafi opisywać algorytmy i struktury danych w sposób zrozumiały dla nie-informatyków - K_U04

(in Polish) 1. Myśli twórczo w celu udoskonalenia istniejących bądź stworzenia nowych rozwiązań. - K_K01 2. Zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego kształcenia - K_K04 3. Potrafi samodzielnie wyszukiwać informacje w literaturze, także w językach obcych; umie zintegrować zdobytą wiedzę i umiejętności; - K_K04 4. rozumie znaczenie matematyki i informatyki w różnych sferach życia i gospodarki - K_K05

- participatory lecture

- case study
- brainstorming
- project work
- classic problem-solving

compulsory course

Additional information (registration calendar, class conductors, localization and schedules of classes), might be available in the USOSweb system:

• Description of 1000-MS1-AlgSkal in USOSweb