Программирование на языке Java для анализа данных

Цели и задачи дисциплины

Преподаваемая дисциплина посвящена изучению современного языка и технологий программирования. Преподавание и изучение дисциплины следует рассматривать как полезную составляющую профессиональной подготовки. Целью преподавания и изучения дисциплины является обучение студентов языку Java и разработке платформонезависимых программ для анализа данных. Задачами дисциплины является приобретение знаний и умений по: - основам объектно-ориентированного программирования на языке Java - работе с библиотекой коллекций Java - потоковой обработке данных (Stream API), чтение и запись данных из внешних файлов - основам многопоточного и распределенного программирования - разработке модульных (Unit) тестов - основам работы с базами данных из Java - работе с данными в распределенных отказоустойчивых системах на примере дистрибутива Cloudera Hadoop - трансформации и анализу данных с помощью SQL-интерфейса Apache Hive - визуализации данных с помощью библиотеки JFreeChart; - обзору фреймворков MapReduce, Apache Spark – популярных компонентов современных архитектур для работы с большими данными

Краткое содержание дисциплины

Идеология и области применения языка Java. Среда разработки. Структура Java-приложения. Синтаксис языка Java. Типы данных, управляющие конструкции. Объекты и классы. Принципы разработки классов ООП. Инкапсуляция, наследование, полиморфизм, абстрактные классы. Интерфейсы. Обработка исключений. Стандартная библиотека классов java.lang, классы Object, Class, Syctem, Math, классы-оболочки, автоупаковка и автораспаковка, классы String, StringBuffer, StringBuilder, классы Exception, Error. Использование легковесных потоков. Обобщенное программирование. Шаблоны. Коллекции. Функциональные интерфейсы. Потоки ввода-вывода., сериализация объектов. Основы сетевого взаимодействия, интернационализация и локализация. Рефлексия. Взаимодействие с базами данных. Библиотека JFreeChart визуализации графиков. Проект Apache Hadoop для распределенных вычислений, платформа MapReduce. Применение фреймворка Apache Spark для анализа больших данных и машинного обучения.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-6 Способен применять основные алгоритмические и программные решения в области информационно-коммуникационных технологий и системах искусственного интеллекта, а также участвовать в их разработке