Karta Przedmiotu
| Politechnika Białostocka | Wydział Informatyki | ||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Kierunek studiów | Cyberbezpieczeństwo |
Poziom i forma studiów |
pierwszego stopnia stacjonarne |
||||||||||||||||||||||||
| Grupa przedmiotów / specjalność |
Zarządzanie infrastrukturą w chmurze | Profil kształcenia | ogólnoakademicki | ||||||||||||||||||||||||
| Nazwa przedmiotu | Analiza danych w Google Cloud Platform | Kod przedmiotu | CYB1DGP | ||||||||||||||||||||||||
| Rodzaj zajęć | obieralny | ||||||||||||||||||||||||||
| Formy zajęć i liczba godzin | W | Ć | L | P | Ps | T | S | Semestr | 5,6 | ||||||||||||||||||
| 26 | 26 | Punkty ECTS | 4 | ||||||||||||||||||||||||
| Program obowiązuje od | 2026/2027 | ||||||||||||||||||||||||||
| Przedmioty wprowadzające | Wprowadzenie do Google Cloud Platform (CYB1WGP), | ||||||||||||||||||||||||||
| Cele przedmiotu |
Przedstawienie możliwości wykorzystania usług Google Cloud Platform w zakresie analizy, przetwarzania i wizualizacji danych. Zapoznanie studentów z wybranymi narzędziami i usługami chmurowymi wspierającymi gromadzenie, transformację i analizę danych w środowiskach rozproszonych. Rozwijanie umiejętności wykorzystywania platform chmurowych do realizacji podstawowych zadań związanych z przetwarzaniem danych, tworzeniem raportów oraz wizualizacją wyników analiz. Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA: Data Management (DATM) - poziom 3 Data Analysis (DTAN) - poziom 3 Cloud Services Development & Deployment (CLDM) - poziom 2 Business Intelligence (BINT) - poziom 2 Data Science (DATS)- poziom 2 |
||||||||||||||||||||||||||
| Ramowe treści programowe |
Zagadnienia związane z programowaniem, projektowaniem i zarządzaniem systemami informatycznymi oraz wykorzystywaniem nowoczesnych technologii do tworzenia systemów komputerowych. Zarządzania danymi, analiza, przetwarzanie i wizualizacja danych w środowisku chmurowym. |
||||||||||||||||||||||||||
| Inne informacje o przedmiocie | przedmiot ma związek z prowadzoną na Uczelni działalnością naukową | ||||||||||||||||||||||||||
| przedmiot kształtuje umiejętności praktyczne | |||||||||||||||||||||||||||
| Wyliczenie: | Nakład pracy studenta związany z: | Godzin ogółem |
W tym kontaktowych |
W tym praktycznych |
|||||||||||||||||||||||
| udziałem w wykładach | 26 | 26 | |||||||||||||||||||||||||
| udziałem w innych formach zajęć | 26 | 26 | 26 | ||||||||||||||||||||||||
| przygotowaniem do zaliczenia wykładu | 10 | ||||||||||||||||||||||||||
| przygotowaniem do bieżących zajęć | 38 | 38 | |||||||||||||||||||||||||
| Razem godzin: | 100 | 52 | 64 | ||||||||||||||||||||||||
| Razem punktów ECTS: | 4 | 2.1 | 2.6 | ||||||||||||||||||||||||
| Zakładane kierunkowe efekty uczenia się | Wiedza | Umiejętności | Kompetencje społeczne |
||||||||||||||||||||||||
| CYB1_W04 | CYB1_U05 | ||||||||||||||||||||||||||
| CYB1_W14 | CYB1_U12 | ||||||||||||||||||||||||||
| CYB1_U19 | |||||||||||||||||||||||||||
| Cele i treści ramowe sformułował(a) | dr inż. Jerzy Krawczuk | Data: | 08/04/2026 | ||||||||||||||||||||||||
| Realizacja w roku akademickim | 2028/2029 | ||||||||||||||||||||||||||
| Treści programowe | |||||||||||||||||||||||||||
| Wykład | |||||||||||||||||||||||||||
| 1. | Wprowadzenie do przetwarzania w chmurze | ||||||||||||||||||||||||||
| 2. | Analiza danych w chmurze | ||||||||||||||||||||||||||
| 3. | Cykl życia danych | ||||||||||||||||||||||||||
| 4. | Rola analityka danych w chmurze | ||||||||||||||||||||||||||
| 5. | Wprowadzenie do zarządzania danymi i ich przechowywania w chmurze | ||||||||||||||||||||||||||
| 6. | Kluczowe elementy organizacji danych | ||||||||||||||||||||||||||
| 7. | Kroki do odnalezienia danych | ||||||||||||||||||||||||||
| 8. | Techniki dostępu do danych | ||||||||||||||||||||||||||
| 9. | Wprowadzenie do transformacji danych w chmurze | ||||||||||||||||||||||||||
| 10. | Przetwarzanie surowych danych za pomocą potoków | ||||||||||||||||||||||||||
| 11. | Strategie optymalizacji danych w chmurze | ||||||||||||||||||||||||||
| 12. | Wizualizacja danych w chmurze | ||||||||||||||||||||||||||
| 13. | Zaliczenie wykładu | ||||||||||||||||||||||||||
| Pracownia specjalistyczna | |||||||||||||||||||||||||||
| 1. | Zapoznanie z interfejsem BigQuery; Typy danych w BigQuery | ||||||||||||||||||||||||||
| 2. | Identyfikacja różnych źródeł danych wsadowych i strumieniowych | ||||||||||||||||||||||||||
| 3. | Zapoznanie z lakehouse; Nawigacja w Dataplex | ||||||||||||||||||||||||||
| 4. | Porównanie analizy danych w BigQuery i Dataproc | ||||||||||||||||||||||||||
| 5. | Zarządzanie partycjonowaną tabelą w BigQuery | ||||||||||||||||||||||||||
| 6. | Zapoznanie z metodami transformacji danych | ||||||||||||||||||||||||||
| 7. | Tworzenie i zarządzanie potokami SQL | ||||||||||||||||||||||||||
| 8. | Metoda RFM do segmentacji danych klientów | ||||||||||||||||||||||||||
| 9. | Utworzenie raportu w Looker Studio | ||||||||||||||||||||||||||
| 10. | Utworzenie dashboardu w Looker Enterprise UI | ||||||||||||||||||||||||||
| 11. | Wymiary i pomiary modelu przy użyciu LookML | ||||||||||||||||||||||||||
| 12. | Zbieranie, przetwarzanie i przechowywanie dane w BigQuery | ||||||||||||||||||||||||||
| 13. | Analiza i aktywacja danych w Looker Enterprise | ||||||||||||||||||||||||||
| Metody dydaktyczne (realizacja stacjonarna) |
|||||||||||||||||||||||||||
| W | wykład problemowy; wykład informacyjny; wykład z prezentacją multimedialną | ||||||||||||||||||||||||||
| Ps | rozwiązywanie testów oraz zadań w chmurze GCP | ||||||||||||||||||||||||||
| Metody dydaktyczne (realizacja zdalna) |
|||||||||||||||||||||||||||
| W | wykład z prezentacją multimedialną | ||||||||||||||||||||||||||
| - | |||||||||||||||||||||||||||
| Forma zaliczenia | |||||||||||||||||||||||||||
| W | zaliczenie pisemne | ||||||||||||||||||||||||||
| Ps | testy i zadania w chmurze GCP | ||||||||||||||||||||||||||
| Warunki zaliczenia | |||||||||||||||||||||||||||
| W | Uzyskanie min. 30% z każdego efektu uczenia się z zakresu wiedzy, a po spełnieniu tego warunku ostateczna ocena wynika z sumy uzyskanych punktów. Kryteria oceny: [ 0 – 50]% punktów – 2.0 (50 – 60]% punktów – 3.0 (60 – 70]% punktów – 3.5 (70 – 80]% punktów – 4.0 (80 – 90]% punktów – 4.5 (90 – 100]% punktów – 5.0 |
||||||||||||||||||||||||||
| Ps | Minimalne wymagania dotyczące poszczególnych efektów uczenia się z zakresu umiejętności: E3 - odczytu transformacji i zapisu danych w chmurze E4 - wizualizacji danych w Looker Studio Wyższe oceny na podstawie wyników testów i liczby rozwiązanych ćwiczeń w chmurze. Po spełnieniu powyższych warunków oraz zsumowaniu uzyskanych punktów: [ 0 – 50]% punktów – 2.0 (50 – 60]% punktów – 3.0 (60 – 70]% punktów – 3.5 (70 – 80]% punktów – 4.0 (80 – 90]% punktów – 4.5 (90 – 100]% punktów – 5.0 |
||||||||||||||||||||||||||
| Symbol efektu | Zakładane efekty uczenia się | Odniesienie do efektów uczenia się zdefiniowanych dla kierunku studiów | |||||||||||||||||||||||||
| Wiedza | Umiejętności | Kompetencje społeczne |
|||||||||||||||||||||||||
| Wiedza: student zna i rozumie | |||||||||||||||||||||||||||
| E1 | możliwości przechowywania i analizy danych w chmurze obliczeniowej | ||||||||||||||||||||||||||
| E2 | możliwości transformacji danych w chmurze w tym budowania potoków danych | ||||||||||||||||||||||||||
| Umiejętności: student potrafi | |||||||||||||||||||||||||||
| E3 | odczytywać transformować i zapisywać dane narzędziami chmury Google | ||||||||||||||||||||||||||
| E4 | budować raporty i wizualizować dane w chmurze Google | ||||||||||||||||||||||||||
| Symbol efektu | Sposób weryfikacji efektu uczenia się | Forma zajęć na której zachodzi weryfikacja | |||||||||||||||||||||||||
| E1 | zaliczenie pisemne | W | |||||||||||||||||||||||||
| E2 | zaliczenie pisemne | W | |||||||||||||||||||||||||
| E3 | testy oraz zadania praktyczne na platformie GCP | Ps | |||||||||||||||||||||||||
| E4 | testy oraz zadania praktyczne na platformie GCP | Ps | |||||||||||||||||||||||||
| Literatura podstawowa | |||||||||||||||||||||||||||
| 1. | Kurs online - Google Cloud Computing Foundations Certificate (https://www.cloudskillsboost.google/paths/36) | ||||||||||||||||||||||||||
| 2. | Oficjalna dokumentacja Google Cloud Documentation (https://cloud.google.com/docs) | ||||||||||||||||||||||||||
| Literatura uzupełniająca | |||||||||||||||||||||||||||
| 1. | Cloud Analytics with Google Cloud Platform: An end-to-end guide to processing and analyzing big data using Google Cloud Platform. Thodge, Sanket. 2018 | ||||||||||||||||||||||||||
| . | - | ||||||||||||||||||||||||||
| Koordynator przedmiotu: | dr inż. Jerzy Krawczuk | Data: | 08/04/2026 | ||||||||||||||||||||||||