Contents

Zasady laboratorium

Plan kursu

Nr lab.

Temat laboratorium

Data grup piątkowych - KR

Data grup wtorkowych - RB

1

Wprowadzenie do zajęć

2021-10-08

-

2

Podstawy wykorzystania infrastruktury chmurowej - Unix, Shell

2021-10-15

-

3

Podstawy wykorzystania kontenerów - Docker, containerd

2021-10-22

-

4

Ewaluacja metod zrównoleglania zadań - Python, wątki i procesy

2021-10-29

-

5

Wykorzystanie przetwarzania opartego o broker wiadomości

2021-11-05

-

6

Wykorzystanie podejścia MapReduce w przetwarzaniu danych masowych - Spark

2021-11-19

-

7

Wykorzystanie podejścia MapReduce w przetwarzaniu danych masowych - Flink

2021-11-26

-

8

Implementacja rozproszonego mechanizmu pozyskiwania danych

2021-12-03

*

9

Implementacja mechanizmu czyszczenia i ekstrakcji cech

2021-12-10

*

10

Wybór i ewaluacja modeli uczenia maszynowego

2021-12-14

*

11

Wykorzystanie rozwiązania Kubernetes w przetwarzaniu danych masowych - K3S

2021-12-17

*

12

Uruchomienie opracowanej metody z wykorzystaniem środowiska Kubernetes

2022-01-05

*

13

Udostępnienie opracowanej metody - API gRPC

2022-01-14

*

14

Wykorzystanie opracowanej metody - API REST/GraphQL + SPA

2022-01-21

*

15

Prezentacja całościowego rozwiązania

2022-01-28

*

Zasady laboratorium

  1. Kurs można jedynie zaliczyć poprzez wykonywanie list zadań

  2. Na kursie realizowane będą zadania związane z materiałami podanymi na wykładzie

  3. Każda lista zadań punktowana jest osobno

Warunki zaliczenia

  1. Nie więcej niż jedna nieusprawiedliwiona nieobecność w semestrze. Usprawiedliwienie należy przedstawić na pierwszych zajęciach bezpośrednio po nieobecności.

  2. Zgromadzenie ponad 50% punktów za wykonane w ramach kursu zadania.

Ocenianie list

Na ocenę wystawioną przez prowadzącego składają się następujące elementy:

  1. Wykonanie listy zadanej przez prowadzącego

  2. Wiedza teoretyczna (sprawdzana podczas prezentacji list na zajęciach)

  3. Samodzielność wykonywania

  4. Terminowość prezentowania rozwiązań list zadań

Proces oddawania listy

  1. Wysłanie rozwiązania w przed prezentacją na GitHub Classroom

  2. Zaprezentowanie rozwiązania na zajęciach

  3. Termin wysłania jest określony dla każdej listy i jest to termin nieprzekraczalny

  4. W przypadku nieobecności na zajęciach student do rozpoczęcia zajęć, na których oddawana jest dana lista zadań powinien wysłać ją za pomocą Github Classroom oraz zaprezentować rozwiązanie na pierwszych zajęciach po nieobecności. W przeciwnym przypadku lista nie będzie sprawdzana

  5. Za listę wysłaną i zaprezentowaną po terminie do 2 tygodni (następne zajęcia) student otrzymuje 50% punktów

  6. Za listę wysłaną i zaprezentowaną po terminie ponad 2 tygodnie lub niezaprezentowaną student otrzymuje 0 punktów

Skala oceniania

% pkt

ocena

<50%

brak zaliczenia (2.0)

[50%, 60%)

dostateczny (3.0)

[60%, 70%)

dostateczny+ (3.5)

[70%, 80%)

dobry (4.0)

[80%, 90%)

dobry plus (4.5)

[90%, 100%)

bardzo dobry (5.0)

>100%

celujący (5.5)
Przetwarzanie danych masowych Laboratorium 2