Module also offered within study programmes:
General information:
Name:
Processing Data in Cloud Computationg
Course of study:
2018/2019
Code:
JIS-1-029-s
Faculty of:
Physics and Applied Computer Science
Study level:
First-cycle studies
Specialty:
-
Field of study:
Applied Computer Science
Semester:
0
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Responsible teacher:
dr inż. Dydejczyk Antoni (dydejcz@agh.edu.pl)
Academic teachers:
dr inż. Dydejczyk Antoni (dydejcz@agh.edu.pl)
dr inż. Gronek Piotr (gronek@agh.edu.pl)
Module summary

Wirtualizacja systemów komputerowych, infrastruktura chmury obliczeniowej i modele usługowe. Technologia mikroserwisów i IoT, przetwarzanie danych w rozproszonym środowisku chmur obliczeniowych.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 Student rozumie potrzebę ciągłego dokształcania się oraz ma świadomość odpowiedzialności za pracę własną oraz w zespole. IS1A_K01 Execution of exercises,
Participation in a discussion
Skills
M_U001 Student potrafi opracować aplikację udostępnianą w ramach chmury obliczeniowej wykorzystując technologię IaaS, PaaS, FaaS lub IoT. IS1A_U06 Execution of laboratory classes,
Execution of a project,
Participation in a discussion,
Activity during classes,
Completion of laboratory classes
M_U002 Student potrafi wykorzystać infrastrukturę chmury obliczeniowej do przetwarzania danych. IS1A_U01 Execution of laboratory classes,
Execution of a project,
Participation in a discussion,
Activity during classes,
Completion of laboratory classes
Knowledge
M_W001 Student zna i rozumie podstawowe zagadnienia pojęcia i zagadnienia związane z wirtualizacją systemów komputerowych i infrastrukturą chmur obliczeniowych. IS1A_W02 Execution of laboratory classes,
Execution of a project,
Activity during classes,
Completion of laboratory classes
M_W002 Student dysponuje podstawową wiedzą na temat realizacji projektów w ramach chmur obliczeniowych. IS1A_W02 Execution of laboratory classes,
Execution of a project,
Activity during classes,
Completion of laboratory classes
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 Student rozumie potrzebę ciągłego dokształcania się oraz ma świadomość odpowiedzialności za pracę własną oraz w zespole. - - - - - - - - - - -
Skills
M_U001 Student potrafi opracować aplikację udostępnianą w ramach chmury obliczeniowej wykorzystując technologię IaaS, PaaS, FaaS lub IoT. - - + - - - - - - - -
M_U002 Student potrafi wykorzystać infrastrukturę chmury obliczeniowej do przetwarzania danych. - - + - - - - - - - -
Knowledge
M_W001 Student zna i rozumie podstawowe zagadnienia pojęcia i zagadnienia związane z wirtualizacją systemów komputerowych i infrastrukturą chmur obliczeniowych. + - - - - - - - - - -
M_W002 Student dysponuje podstawową wiedzą na temat realizacji projektów w ramach chmur obliczeniowych. + - - - - - - - - - -
Module content
Lectures:

Zagadnienia poruszane na wykładzie:

  • Omówienie podstawowych zagadnień związanych z wirtualizacją systemów komputerowych oraz technologią kontenerów systemów operacyjnych.
  • Prezentacja zagadnień dotyczących infrastruktury chmur obliczeniowych oraz modeli usługowych IaaS, PaaS, SaaS i FaaS.
  • Realizacja projektów z wykorzystaniem infrastruktury baz danych dostępnych w chmurach obliczeniowych.
  • Realizacja serwisów z wykorzystaniem technologii mikrousług i technologii IoT.
  • Wprowadzenie w zagadnienia związane składowaniem i przetwarzaniem danych w rozproszonych środowiskach dostępnych w chmurach obliczeniowych (technologia Hadoop i Spark).
  • Przetwarzanie danych z wykorzystaniem bazy danych IBM dashDB w chmurze obliczeniowej
  • Przetwarzanie w technologii Watson ( IBM ).

Laboratory classes:

Realizacja projektów z wykorzystaniem:
- technologii kontenerów systemów operacyjnych,
- baz danych w chmurach obliczeniowych,
- technologii mikrousług i IoT
- rozproszonego przetwarzania w technologii Hadoop (Spark)
- bazy danych dashDB IBM
- technologii Watson
Projekty zrealizowane z wykorzystaniem systemów wirtualizacyjnych dostępnych na wydziale oraz chmur obliczeniowych IBM Bluemix i Microsoft Azure.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 150 h
Module ECTS credits 6 ECTS
Participation in lectures 30 h
Realization of independently performed tasks 30 h
Preparation for classes 25 h
Participation in laboratory classes 15 h
Completion of a project 30 h
Contact hours 20 h
Additional information
Method of calculating the final grade:

W ramach laboratorium komputerowego studenci realizują zadania, które są podstawą do zdobycia określonej liczby punktów. Procent uzyskanych punktów przeliczany jest zgodnie z Regulaminem Studiów AGH na ocenę końcową z laboratorium.
W ramach przedmiotu realizowany jest projekt programistyczny oceniany zgodnie ze szczegółowymi kryteriami zamieszczonymi na stronie przedmiotu oraz przedstawionymi na pierwszych zajęciach.

Ocena końcowa z modułu obliczana jest jako średnia ważona z powyższych ocen, przy czym ocena z laboratorium wchodzi do oceny końcowej z wagą 40% a ocena z projektu z wagą 60%.

Prerequisites and additional requirements:

Podstawowy kurs z baz danych.
Podstawowy kurs z technologii internetowych.

Recommended literature and teaching resources:

Recommended literature and teaching resources not specified

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

Nieobecność na zajęciach wymaga od studenta samodzielnego opanowania przerabianego na tych zajęciach materiału i jego zaliczenia w formie dostarczenia rozwiązania zadania realizowanego na danych zajęciach laboratoryjnych w wyznaczonym przez prowadzącego terminie. Student, który bez usprawiedliwienia opuścił więcej niż 2 zajęcia może zostać pozbawiony, przez prowadzącego zajęcia, możliwości wyrównania zaległości.