Big Data

Wykład przeznaczony jest dla studentów drugiego stopnia kierunku informatyka algorytmiczna na Wydziale Informatyki i Telekomunikacji. Odbywa się w poniedziałki w godz. 11:15 - 15:00 (sala C-4/35). Na stronie tej znajdziesz informacje o zasadach zaliczenia, realizowanym materiale, literaturze oraz listę zadań.

Koniec strony

Zasady zaliczania kursu

Zasady zostaną ustalone po pierwszym wykładzie.

Literatura

Podstawowa
1. J. Leskovec, A. Rajaraman, J. D. Ullman, Mining of Massive Datasets, book.pdf, 2016
2. Mohammed Guller, Big Data Analytics with Spark, APress, 2016
Pomocnicza
1. S. Ryza, U. Laserson, S. Owen, J. Wills, Spark. Zaawansowana analiza danych, Helion, 2016
2. MapReduce: Simplified Data Processing on Large Clusters
3. Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Computing
Lista zadań (UWAGA: lista ta będzie się rozrastać)
Plik Szekspir.zip

$ \def\RR{\mathbb{R}} \def\QQ{\mathbb{Q}} \def\ZZ{\mathbb{Z}} \def\NN{\mathbb{N}} $

Zagadnienia omówione na wykładzie

13.10.2025: Licznik Morrisa i MOM trick

Wersja ogranicznienia Chernoffa którą stosumemy do MOM trick:

Jeśli $X \sim \text{Bin(n,p)}$, $\mu = n p$ oraz $\epsilon>0$, to \[ \Pr\left[|X-\mu| \geq \mu(1+\epsilon)\right] \leq \exp\left(-\frac{\epsilon^2 \mu}{2+\epsilon}\right) \]

Strona główna Moje zajęcia