Duomenų mokslas (IFISB100)
Dalyko anotacija lietuvių kalba
Dalyko studijos suteikia žinių apie žemės ūkyje kaupiamus duomenis, jų savybes, duomenų surinkimo metodus, duomenų bazes, jų tipus, projektavimą, valdymo sistemas ir įrankius, programines atviro kodo darbo su duomenimis aplinkas, prognostinių modelių sudarymą ir tikrinimą, didžiuosius duomenis ir jų saugojimą bei panaudojimą. Studentai įgis žinių apie duomenų analizavimo įrankius, ryšius tarp skirtingų žemės ūkio duomenų bazių.
Dalyko anotacija užsienio kalba
Subject studies provide knowledge about data collected in agriculture, their properties, data collection methods, databases, their types, design, management systems and tools, software open source data processing environments, forecasting and testing of models, big data and their storage and use. Students will gain knowledge of data analysis tools, links between different agricultural databases.
Būtinas pasirengimas dalyko studijoms
Išklausyti studijų pagrindinės krypties ir su ja susiję dalykai: Matematika, Fizika, Informacinės technologijos, Statistikos pagrindai, Kompiuterizuotas projektavimas, Programavimo technologijos.
Dalyko studijų rezultatai
Gebėti sisteminti ir analizuoti duomenis. Žinoti, kaip didžiųjų duomenų analizė ir gauti rezultatai gali prisidėti prie sprendžiamų uždavinių, tokių kaip aplinkai draugiškų produktų gamyba ir jų konversija į aukštesnės pridėtinės vertės produktus. Gebėti pasirinkti tinkamus įrankius duomenų analizei ir gautiems rezultatams apdoroti. Gebėti bendrauti su grupės draugais, prisiimti atsakomybę už savo veiksmus ir sprendimus kartu atliekant praktines užduotis. Savalaikis užduočių atlikimas. Gebėti savarankiškai analizuoti duomenis, komunikuoti su grupės draugais.
Dalyko turinys
- Bendros žinios apie kaupiamus duomenis žemės ūkyje. Bendros duomenų savybės.
- Žemės ūkio sektorių (augalininkystės, gyvulininkystės ir kt.) informacinės sistemos.
- Duomenų surinkimo metodai.
- Duomenų bazės, jų tipai.
- Duomenų bazės projektavimas.
- Išmaniosios duomenų valdymo sistemos ir įrankiai.
- Duomenų bazės užpildymas duomenimis.
- SQL užklausos.
- Didieji duomenys.
- Duomenų talpyklos.
- Duomenų importas/eksportas tarp skirtingų formatų.
- Programų naudojimas duomenų formavimui, transformavimui, analizei ir eksportui.
- Programinės atviro kodo darbo su duomenimis aplinkos (jupyter, RStudio, usegalaxy, Google Colaboratory).
- Duomenų vidinės struktūros tyrimo pagrindiniai principai.
- Prognostinių modelių sudarymas ir jų tikrinimas.
- Klasterinė analizė ir didelių duomenų matumo sumažinimas vizualizavimui.
Dalyko studijos valandomis
Paskaitos 30 val.
Laboratoriniai darbai 10 val.
Pratybos 5 val.
Iš viso kontaktinio darbo 45 val.
Savarankiškas darbas 62 val.
Iš viso 107 val.
Studijų rezultatų vertinimas
Savarankiškas, individualus darbas – 20 %
Laboratoriniai ir praktiniai darbai (pratybos) – 15 %
Koliokviumas – 15 %
Egzaminas – 50 %
Literatūra
- Adrienne Watt, Nelson Eng Database Design - 2nd Edition, BCCAMPUS Victoria, B.C.
- Frank Ohlhorst Big Data Analytics, John Wiley & Sons, Inc.
- Baronas, R. (2006). Duomenų bazių valdymo sistemos: vadovėlis aukštosioms mokykloms (p. 184). TEV.
- Paradauskas, Bronius, & Nemuraitė, Lina. (2002). Duomenų bazės ir semantiniai modeliai: monografija (p. 263). Technologija.
- Sekliuckis, Vitolis, Garšva, Gintautas, & Gudas, Saulius. (2001). Duomenų bazės: mokomoji knyga (p. 94). Naujasis lankas.
- Eagle, N., & Greene, K. (2014). Reality Mining. The MIT Press
- Mayer-Schönberger, Viktor, & Cukier, Kenneth. (2013). Big data: a revolution that will transform how we live, work, and think (p. 242). Houghton Mifflin.
