Darstellung / Vorschau

(CEID_NE4348) -  Βασίλειος Μεγαλοοικονόμου

Beschreibung des Kurses

Το μάθημα αυτό καλύπτει τα παρακάτω θέματα:

Μέθοδοι Χωρικής Προσπέλασης (Spatial Αccess Μethods). Δομές Ευρετηρίων για Βάσεις Mεγάλων Δεδομένων και Πολυμέσων. Επεξεργασία και Βελτιστοποίηση Επερωτήσεων. Αντικειμενοστραφή και Αντικειμενο-σχεσιακά Συστήματα Διαχείρισης Βάσεων Δεδομένων. Επεξεργασία Δοσοληψιών, Ελέγχος Συνδρομικότητας, Tεχνικές Aνάκαμψης. Kατανεμημένες Βάσεις Δεδομένων. NoSQL databases, HBASE, Cassandra, MongoDB. NewSQL databases. Spark, Hadoop. Mobile databases. Βάσεις Δεδομένων Κειμένου, και Βάσεις Δεδομένων στο Διαδίκτυο. Big Data Analytics. Συστήματα διαχείρισης ροών δεδομένων (DSMSs). Fractals σε βάσεις μεγάλων δεδομένων. Αναδυόμενες Τεχνολογίες Βάσεων Μεγάλων Δεδομένων και Εφαρμογές. Μελλοντικές κατευθύνσεις.

 

Επιδιωκόμενα μαθησιακά αποτελέσματα του μαθήματος

Στο τέλος αυτού του μαθήματος ο φοιτητής θα:

1. Έχει κατανοήσει προχωρημένες έννοιες των Βάσεων Μεγάλων Δεδομένων και της διαχείρισης των μεγάλων δεδομένων και θα έχει εντρυφήσει στα στοιχεία που είναι απαραίτητα για την αποτελεσματική υλοποίηση τέτοιων συστημάτων.
2. Έχει κατανοήσει τις βασικές έννοιες επεξεργασίας επερωτήσεων και δοσοληψιών καθώς και τις βασικές έννοιες ελέγχου συνδρομηκότητας και αποκατάστασης μετά απο καταστροφές.
3. Έχει αποκτήσει εμπειρία στη χρήση προχωρημένων δομών ευρετηρίων και εργαλείων ευρετηριοποίησης για Βάσεις Μεγάλων Δεδομένων και Βάσεις Πολυμέσων.
4. Έχει κατανοήσει βασικές έννοιες κατανεμημένων και παράλληλων βάσεων δεδομένων, επεξεργασίας και διαχείρισης μεγάλων δεδομένων, βάσεων δεδομένων κειμένου.
5. Έχει αποκτήσει εμπειρία στη χρήση του Hadoop ecosystem και των NoSQL database systems.
6. Μπορεί να εφαρμόσει την παραπάνω γνώση στη σχεδίαση πραγματικών συστημάτων και νέων εφαρμογών.

 

Δεξιότητες

Στο τέλος αυτού του μαθήματος, ο φοιτητής θα έχει αναπτύξει περεταίρω τις παρακάτω δεξιότητες:

1. Ικανότητα να κατανοεί όχι μόνο τις βασικές αρχές των συστημάτων διαχείρισης βάσεων μεγάλων δεδομένων αλλά και προχωρημένες έννοιες βάσεων δεδομένων και διαχείρισης μεγάλων δεδομένων καθώς και πως αυτές οι έννοιες σχετίζονται με την απόδοση πραγματικών συστημάτων.
2. Ικανότητα να εφαρμόζει μεθοδολογικά τις έννοιες αυτές με στόχο τη σχεδίαση και υλοποίηση αποτελεσματικών συστημάτων διαχείρισης βάσεων μεγάλων δεδομένων και πολυμέσων.
3. Ικανότητα συνεργασίας, με σκοπό την επίλυση προβλημάτων που ανακύπτουν κατά την ανάπτυξη ενός πλήρως λειτουργικού συστήματος διαχείρισης βάσεων μεγάλων δεδομένων και πολυμέσων.
4. Δεξιότητες μελέτης που χρειάζονται για τη συνεχή ανάπτυξη αυτών των συστημάτων τα οποία έχουν αυξημένες απαιτήσεις.

 

-Προτεινόμενη Βιβλιογραφία :

1. A. Silberschatz, H.F. Korth, and S. Sudarshan, Συστήματα Βάσεων Δεδομένων –Η Πλήρης Θεωρία των Βάσεων Δεδομένων, 7η έκδοση, 2019, Εκδόσεις Μ. Γκιούρδας.
2. Tom White, Hadoop: The Definitive Guide: Storage and Analysis at Internet Scale, 4^th Edition, 2015, O’Reilly.
3. Bill Chambers and Matei Zaharia, Spark: The Definitive Guide: Big Data Processing Made Simple, 2018, O’Reilly.
4. R. Elmasri, S. B. Navathe, Θεμελιώδεις Αρχές Συστημάτων Βάσεων Δεδομένων, 2016, 7η έκδοση Εκδόσεις Δίαυλος.
5. Raghu Ramakrishnan: Database Management Systems, McGraw Hill.
6. Jeffrey Ullman: Principles of database and knowledge-base systems.
7. Michael Stonebraker, Readings in database systems, Morgan Kaufmann.
8. Christos Faloutsos, Searching Multimedia Databases by Content, Kluwer Academic Press.

 

-Συναφή επιστημονικά περιοδικά:

ACM Transactions on Database Systems,

IEEE Transactions on Big Data

IEEE Transactions on Knowledge and Data Engineering

VLDB Journal

Information Systems

SIGMOD Record

 

 Αξιολόγηση Μαθήματος

• Γραπτή εξέταση (70% του συνολικού βαθμού)
• Γραπτή Εργασία (Project) με Αναφορά (30% του συνολικού βαθμού)
• Για την επιτυχή ολοκλήρωση του μαθήματος απαιτείται προβιβάσιμος βαθμός τόσο στην γραπτή εξέταση όσο και στην εργασία (project).

 

Creation Date

Mittwoch, 17. April 2019