Tehnologija upravljanja podatkov

Predavanja obsegajo dva tematska sklopa:

Eksterni vidiki obvladovanja podatkov:

1. Podatkovne baze in podatkovna skladišča
2. Načrtovanje podatkovnih baz
   1. Konceptualno, logično in fizično načrtovanje
   2. Normalizacija relacij
   3. Optimizacija performans
3. Načrtovanje podatkovnih skladišč
   1. Namen in načrtovanje podatkovnih skladišč
   2. Zagotavljanje kvalitete shranjenih podatkov
   3. Pristopi k analizi shranjenih podatkov
4. Načrtovanje nerelacijskih podatkovnih baz
   1. Nerelacijsko modeliranje podatkov

Interni vidiki obvladovanja podatkov:

1. Zagotavljanje dostopnosti in konsistentnosti podatkov
   1. Upravljanje sočasnosti dostopa do podatkovne baze
   2. Varovanje in obnavljanje podatkovne baze
   3. Porazdeljeni in vzporedni podatkovni sistemi
2. Optimizacija in evalvacija poizvedb
   1. Načrtovanje izvajanja poizvedb
   2. Vrednotenje zahtevnosti osnovnih operacij
   3. Alternativne strategije izvajanja poizvedb
3. Upravljanje delno strukturiranih in nestrukturiranih podatkov
   1. Sodobni nerelacijski podatkovni sistemi
   2. Delo s prostorskimi in časovnimi podatki
   3. Delo z drugimi delno strukturiranimi ali nestrukturiranimi podatki (tekst, zvok, slika, sekvence, JSON, XML)

Vaje:

1. Seznaniti se s tipičnimi problemi pri obvladovanju podatkov in s prostopi za reševanje le-teh.
2. Spoznati in obvladati orodja za načrtovanje in uporabo podatkovnih baz.
3. Obvladati uporabo produktov teh orodij v praktičnih primerih (v obliki seminarske naloge).

Pri vajah se študenti seznanijo z orodji za obvladovanje podatkov (predvsem načrtovanje) in jih v okviru svojih domačih nalog samostojno uporabijo v praktičnih primerih. Rezultate domačih nalog predstavijo v obliki seminarjev.

1. T. M. Connolly, C. E. Begg: Database Systems: A Practical Approach to Design, Implementation and Management, 6th edition, Pearson, 2015.
2. S. Sumathi, S. Esakkirajan: Fundamentals of Relational Database Management Systems, Springer, 2007.
3. R. Ramakrishnan, J. Gehrke: Database Management Systems, 3rd edition, McGraw-Hill, 2002.
4. I. Robinson, J .Webber, E. Eifrem: Graph Databases, O'Reilly, 2016.
5. Seven Databases in Seven Weeks: A Guide to Modern Databases and the NoSQL Movement, 2nd edition, Pragmatic Bookshelf, 2018

Cilj predmeta je študentom računalništva in informatike predstaviti principe in pristope za upravljanje podatkov z dveh vidikov: zunanjega, s poudarkom na primernem načrtovanju in pripravi, ter notranjega, s poudarkom na tehnologijah znotraj podatkovnih baz.

Splošne kompetence:

• sposobnost kritičnega mišljenja,
• razvoj sposobnosti kritičnega, analitičnega in sintetičnega mišljenja,
• sposobnost definiranja, razumevanja in reševanja strokovnih izzivov na področju računalništva in informatike,
• skladnost z varnostnimi, funkcionalnimi, ekonomskimi in okoljskimi vodili,
• sposobnost samostojne uporabe pridobljenega znanja pri reševanju tehničnih in znanstvenih izzivov na področju računalništva in informatike; sposobnost nadgradnje pridobljenega znanja.

Predmetno specifične kompetence:

• sposobnost razumevanja in uporabe znanja računalništva in informatike na drugih tehničnih in relevantnih področjih (ekonomija, organizacijske vede ipd.),
• praktična znanja in veščine na področju strojne opreme, programske opreme in informacijskih tehnologij, ki so nujna za uspešno delo na področju računalništva in informatike,
• sposobnost samostojne izvedbe manj zahtevnih in zahtevnih inženirskih in organizacijskih opravil na določenih ozkih področjih in neodvisnega reševanja določenih dobro opredeljenih opravil na področju računalništva in informatike.

Po uspešno zaključenem predmetu bodo študenti sposobni:

• uporabiti tehnologije upravljanja s podatki na raznolikih problemskih domenah
• razlikovati med principi in pristopi za reševanje podatkovnih problemov
• razlikovati in primerno uporabiti transakcijske sisteme in podatkovna skladišča
• razlikovati koncepte in uporabljati tehnologije s področij sodobnih nerelacijskih (NoSQL) podatkovnih sistemov
• uporabljati pridobljenih znanj in orodij za obvladovanje podatkov v inženirskem in raziskovalnem delu
• samostojno uporabljati metode načrtovanja, obvladovanja, hranjenja in osnovne analize različnih vrst podatkov
• neposrednega ali posrednega povezovanja tehnologij upravljanja podatkov z drugimi sistemi s področij poslovne inteligence, spletnih storitev in inteligentnih sistemov.

Predavanja in seminarski način dela pri domačih nalogah. Poseben poudarek je na sprotnem študiju in na skupinskem delu pri domačih nalogah in seminarjih.

Način (pisni izpit, ustno izpraševanje, naloge, projekt):

Sprotno preverjanje (domače naloge, kolokviji in projektno delo)
Končno preverjanje (pisni in ustni izpit)
5 - 10, pri čemer velja, da je pozitivna ocena od 6 - 10

1. KONONENKO, Igor, KUKAR, Matjaž. Machine learning and data mining: introduction to principles and algorithms. Chichester: Horwood Publishing, 2007.
2. PETELIN, Boris, KONONENKO, Igor, MALAČIČ, Vlado, KUKAR, Matjaž. Multi-level association rules and directed graphs for spatial data analysis. Expert syst. appl. [Print ed.], 2013, vol. 40, issue 12, 4957-4970.
3. KUKAR, Matjaž, KONONENKO, Igor, GROŠELJ, Ciril. Modern parameterization and explanation techniques in diagnostic decision support system: a case study in diagnostics of coronary artery disease. Artif. intell. med., Jun. 2011, vol. 52, no. 2, 77-90.
4. ŠAJN, Luka, KUKAR, Matjaž. Image processing and machine learning for fully automated probabilistic evaluation of medical images. Computer methods and programs in biomedicine, ISSN 0169-2607. [Print ed.], Dec. 2011, vol. 104, no. 3, 75-86,
5. KUKAR, Matjaž. Quality assessment of individual classifications in machine learning and data mining. Knowledge and information systems, 2006, vol. 9, no. 3.

Celotna bibliografija je dostopna na SICRISu:

http://sicris.izum.si/search/rsr.aspx?lang=slv&id=8453.