Інжиніринг даних

Мета вивчення дисципліни: формування у здобувачів фундаментальних теоретичних знань та практичних навичок застосування сучасних інструментів та технологій для інженерного аналізу, обробки та візуалізації даних для вирішення завдань інженерії даних у різних галузях та в контексті високотехнологічного сучасного світу.

Практичне значення та використання отриманих знань: надає широкий набір знань і навичок в роботі з інструментами для очищення та обробки даних, інструментами для візуалізації даних, інструментами для обробки великих обсягів даних, методами та моделями інжинірингу даних, бізнес-аналітикою та звітністю. Ці засоби дозволяють розуміти та застосовувати різні методи та інструменти для ефективної роботи з даними на різних етапах їх життєвого циклу.
Дисципліна спрямовує здобувачів на модель майбутньої професійної діяльності в умовах розробки, виникнення та впровадження передових технологій, сприяє використанню отриманих знань при постановці задач у будь-який предметній галузі, що досліджується. Дисципліна є однією зі складових сучасної вищої освіти.

Спрямованість навчальної дисципліни: навчальну дисципліну рекомендовано для вивчення здобувачами другого (магістерського) рівня вищої освіти, які навчаються за освітніми програмами:
Тематика та види навчальних занять

Для денної форми здобуття освіти

Лекційні заняття
Лекція 1. «Data Engineering: визначення, етапи. Основна термінологія. Огляд архітектурних даних».
Лекція 2. «Сховище даних, база даних».
Лекція 3. «Інтеграція даних: ETL, ELT, Data Pipelines, Оркестрація».
Лекція 4 «Робота з потоковими даними».
Лекція 5. «ВІ. Поняття. Комплекс інструментів Системи Business Intelligence».
Лекція 6. «ВІ-системи».
Лекція 7. «Data Mining».
Лекція 8. «Data Mining. Прогнозування».

Лабораторні заняття
Лабораторне заняття №1. «Проектування конвеєру даних (Data pipeline)».
Мета заняття: змоделювати обробку даних у бізнес процесі, визначити ключові елементи архітектури та етапи обробки даних.

Лабораторне заняття №2. «Проектування моделі даних (Dimensional Modeling (DM))».
Мета заняття: вдосконалити навички моделювання баз даних та дослідити варіанти обробки даних.

Лабораторне заняття №3. «Моделювання вітрини даних».
Мета заняття: змоделювати процес підготовки вітрини даних для подальшого її використання у побудові аналітичного сервісу для споживача.

Лабораторне заняття №4. «Побудова дашборду у BI».
Мета заняття: на практиці побудувати дашборд у BI системі

Лабораторне заняття №5. «Забезпечення стабільності системи обробки даних завдяки OLTP».
Мета заняття: моделювання транзакційної аналітичної системи та використання даних з цієї моделі у конвеєрах даних та інших аналітичних системах.

Лабораторне заняття №6. «Перевірка алгоритмів та результатів роботи моделі OLAP».
Мета заняття: побудувати модель аналітичної обробки OLAP.
Лабораторне заняття №7. «Побудова аналітики за допомогою Data mining».
Мета заняття: побудувати модель аналітичної обробки даних та дослідити алгоритми та результах обробки.

Для заочної форми здобуття освіти

Лекційні заняття
Лекція 1. «Data Engineering. Принципи, етапи, архітектура».
Лекція 2. «Побудова Data Pipelines. Data Mining».

Лабораторні заняття
Лабораторне заняття №1. «Моделювання вітрини даних».
Мета заняття: змоделювати процес підготовки вітрини даних для подальшого її використання у побудові аналітичного сервісу для споживача

Лабораторне заняття №2. «Побудова аналітики за допомогою Data mining».
Мета заняття: побудувати модель аналітичної обробки даних та дослідити алгоритми та результах обробки

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

Індивідуальна робота
Для денної форми індивідуальна робота не передбачена

Контрольна робота для здобувачів заочної форми
Завдання для виконання контрольної роботи здобувач отримує на установчій лекції.
Робота містить 2 теоретичних питання та 1 практичне завдання.
Обсяг відповіді на кожне теоретичне питання: не менше, ніж 1 сторінка машинописного тексту. Текст відповіді повинен бути виконаний самостійно, а не скопійованим з навчального посібника.
Практичне завдання №1. Проєктування ETL конвеєру даних.
Термін надання виконаної контрольної роботи на перевірку – не пізніше, ніж за тиждень до початку сесії.
Форми контрольних заходів та оцінювання результатів навчання

Для денної форми здобуття освіти
Оцінювання результатів навчання з дисципліни здійснюється за накопичувальною системою, яка дає можливість здобувачеві протягом семестру отримати максимально 100 балів.

Активна робота на лекції - максимально по 4 бали за заняття (загалом 32 балів за лекцій)
Виконання лабораторних завдань – максимально по 6 бали за заняття (загалом 42 балів за 7 лабораторних завдань).
Модульна контрольна робота 1 – 4 запитання максимально по 3 бали (загалом 12 балів).
Модульна контрольна робота 2 – 5 запитань максимально по 3 бали (загалом 15 балів).

Підсумковим контролем з дисципліни є залік. Здобувачі вищої освіти, які за підсумками оцінювання Модулю 1 та Модулю 2 накопичили 60 та більше балів мають право отримати значення підсумкового контролю у розмірі суми балів Модулю 1 та Модулю 2.

Для заочної форми здобуття освіти
Завдання для виконання контрольної роботи здобувач отримує на установчій лекції.
Робота містить 2 теоретичних питання та 1 практичне завдання. Обсяг відповіді на кожне теоретичне питання: не менше, ніж 1 сторінка машинописного тексту. Текст відповіді повинен бути виконаний самостійно, а не скопійованим з навчального посібника.
Практичне завдання №1. Проєктування ETL конвеєру даних.
Кожна правильна відповідь з теоретичного питання оцінюється максимально 15 балів, а практичне завдання оцінюється в 20 балів. Бездоганне виконання контрольної роботи оцінюється у 50 балів. При її захисті студент може отримати до 50 балів.
Термін надання виконаної контрольної роботи на перевірку – не пізніше, ніж за тиждень до початку сесії.
Лабораторне заняття №1. «Моделювання вітрини даних» оцінюється у 15 балів максимально.
Лабораторне заняття №2. «Побудова аналітики за допомогою Data mining» оцінюється у 15 балів максимально.
Підсумковий контроль – залік.