Subject

Складови на податоци и аналитичка обработка

1. Наслов на наставниот предмет Складови на податоци и аналитичка обработка
Data warehouses and analytics
2. Код F23L3S157
3. Студиска програма Компјутерски науки, Компјутерско инженерство
4. Организатор на студиската програма (единица, односно институт, катедра, оддел) Faculty of Computer Science and Engineering
5. Степен (прв, втор, трет циклус) First Cycle
6. Академска година / семестар 6 / Летен
7. Број на ЕКТС кредити 6
8. Наставник Ефтим Здравевски, Горан Велинов
9. Предуслови за запишување на предметот Освоени најмалку 100 ЕКТС
10. Цели на предметната програма (компетенции) Запознавање со oрганизацијата и манипулацијата со податоците организирани во складови на податоци, како и основните операции и алгоритми за работа со складови на податоци. Студентот ќе биде оспособен за интегрирање на оперативни бази на податоци во специјално дизајнирни модели погодни за аналитички потреби. Ова вклучува димензионо моделирање на складови на податоци, организација и манипулација со податоците сместени во складови на податоци, и изготвување на аналитички извештаи базирани на истите податоци.
11. Содржина на предметната програма Основни концепти кај складовите на податоци;
Архитектура на складовите на податоци и проток на податоци;
Моделирање на складови на податоци;
Бавно променливи димензии;
Организација на податоците во ѕвездеста и снегулка шема на склад на податоци;
Моделирање во податочни сефови;
Хиперкоцки и повеќедимензионални бази на податоци;
Технилогии за аналитичка обработка (ОLAP) на податоци и проширувања на SQL стандардот за потребите на ОLAP;
Врска помеѓу оперативните бази на податоци и складовите на податоци;
Автоматско ажурирање на податоците (инкрементално и целосно полнење) во складовите на податоци, прочистување и агрегација на податоци (ETL процеси);
Организација кај дистрибуирани складови на податоци и анализа на многу обемни податоци;
Проучување на водечките алатки и технологии за креирање, моделирање и одржување складовите на податоци.
12. Методи на учење предавања, аудиториски вежби, лабораториски вежби, проектни задачи, домашни задачи
13. Вкупен расположив фонд на време 6 ЕКТС x 30 часа = 180 часа
14. Распределба на расположивото време 30 + 45 + 15 + 15 + 75 = 180 часа
15. Форми на наставните активности
15.1. Предавања - теоретска настава 30 часови
15.2. Вежби (лабораториски, аудиториски), семинари, тимска работа 45 часови
16. Други форми на активности
16.1. Проектни задачи 15 часови
16.2. Самостојни задачи 15 часови
16.3. Домашно учење 75 часови
17. Начин на оценување
17.1. Тестови 10 бодови
17.2. Семинарска работа / проект ( презентација: писмена и усна) 15 бодови
17.3. Активности и учење 10 бодови
17.4. Завршен испит 70 бодови
18. Критериуми за оценување (бодови/ оценка)
до 50 бода5 (пет) (F)
од 51 до 60 бода6 (шест) (E)
од 61 до 70 бода7 (седум) (D)
од 71 до 80 бода8 (осум) (C)
од 81 до 90 бода9 (девет) (B)
од 91 до 100 бода10 (десет) (A)
19. Услов за потпис и полагање на завршен испит Реализирани активности 15, 16
20. Јазик на кој се изведува наставата македонски и англиски
21. Метод на следење на квалитетот на наставата механизам на интерна евалуација и анкети
22. Literature
22.1. Задолжителна литература
1. Jarke, M., Lenzerini, M., Vassiliou, Y., Vassiliadis, P. | Fundamentals of Data Warehouses | Springer | 2013
2. Ralph Kimball and Margy Ross | The Kimball Group Reader: Relentlessly Practical Tools for Data Warehousing and Business Intelligence Remastered Collection | Wiley | 2015
3. M. Golfarelli, S. Rizzi | Data Warehouse Design: Modern Principles and Methodologies | McGraw-Hill | 2009
4. Alejandro Vaisman, Esteban Zimányi | Data Warehouse Systems: Design and Implementation | Springer | 2022
5. David Taniar, Wenny Rahayu | Data Warehousing and Analytics: Fueling the Data Engine | Springer | 2022
6. Daniel Linstedt, Michael Olschimke | Building a Scalable Data Warehouse with Data Vault 2.0 | Elsevier Science | 2015
22.2. Дополнителна литература
Ред.бр. Автор Наслов Издавач Година