Cykl kształcenia: 2018/2019
Nazwa jednostki prowadzącej studia: Wydział Elektrotechniki i Informatyki
Nazwa kierunku studiów: Informatyka
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: drugiego stopnia
Forma studiów: stacjonarne
Specjalności na kierunku: EFA-DU - inżynieria systemów informatycznych, EFS-DU - Systemy i sieci komputerowe
Tytuł otrzymywany po ukończeniu studiów: magister inżynier
Nazwa jednostki prowadzącej zajęcia: Zakład Systemów Złożonych
Kod zajęć: 3173
Status zajęć: wybierany dla specjalności EFS-DU - Systemy i sieci komputerowe
Układ zajęć w planie studiów: sem: 3 / W25 L30 / 5 ECTS / E
Język wykładowy: polski
Imię i nazwisko koordynatora: dr inż. Paweł Dymora
Terminy konsultacji koordynatora: https://pdymora.v.prz.edu.pl/konsultacje
Główny cel kształcenia: Zasadniczym celem kształcenia na module jest prezentacja wybranych zagadnień z zakresu optymalizacji systemów bazodanowych mających praktyczne zastosowanie w ich administracji i eksploatacji.
Ogólne informacje o zajęciach: Moduł zakłada zapoznanie studenta z zagadnieniami optymalizacji systemów bazodanowych, w szczególności optymalizacją polecń SQL mających wpływ na wydajność przetwarzania baz danych jak i systemu hosta (CPU, RAM), jak również generowaniu i analizie statystyk. Realizacja tego celu odbywa się w czasie wykładów i laboratoriów.
Materiały dydaktyczne: http://dymorap.sd.prz.edu.pl/pl/67/
Inne: Możliwość skorzystania z książek u prowadzącego.
1 | S. Alapati, D. Kuhn, B. Padfield | Oracle Database 12c, Problemy i Rozwiązania | Helion. | 2015 |
2 | J. Price | Oracle Database 12c i SQL. Programowanie | Helion. | 2015 |
3 | OAI Coursebook | Oracle Database 11g SQL Tuning Workshop | Oracle. | 2016 |
4 | A. Silberschatz, H. F. Korth, S. Sudarshan | Database System Concepts | McGraw-Hill Higher Education. | 2011 |
5 | W. R Stanek | Microsoft SQL Server 2012, Vademecum Administratora | MS Press. | 2012 |
1 | OAI Coursebook | Oracle Database 11g SQL Tuning Workshop | Oracle. | 2018 |
1 | OAI Coursebook | Oracle Database 11g – Administration | Oracle. | 2017 |
2 | D. Tow | SQL. Optymalizacja | Helion. | 2004 |
Wymagania formalne: Student powinien znać podstawowe zagadnienia z zakresu teorii mnogości, algebry zbiorów, relacyjnych baz danych, wybranych systemów bazodanowych.
Wymagania wstępne w kategorii Wiedzy: Student powinien mieć wiedzę z zakresu relacyjnych baz danych, systemów bazodanowych oraz SQL, wykorzystywaną do formułowania i rozwiązywania zaawansowanych zadań inżynieryjnych z eksploatacji BD.
Wymagania wstępne w kategorii Umiejętności: Student powinien umieć użyć wiedzę z zakresu relacyjnych baz danych oraz eksploatacji systemów bazodanowych celem optymalizacji funkcjonowania systemów bazodanowych.
Wymagania wstępne w kategorii Kompetencji społecznych: Student powinien umieć pracować indywidualnie jak i w zespole, prezentować wyniki pracy na forum grupy jak i w formie opisowej.
MEK | Student, który zaliczył zajęcia | Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia | Metody weryfikacji każdego z wymienionych efektów kształcenia | Związki z KEK | Związki z OEK |
---|---|---|---|---|---|
01 | Wyjaśnia podstawowe elementy architektury systemu bazodanowego na poziomie fizycznym i logicznym oraz ich wzajemne powiązania. | wykład, laboratorium | zaliczenie cz. pisemna, obserwacja wykonawstwa |
K_W03++ K_U02++ K_U21+++ |
T2A_W04+++ T2A_U08++ T2A_U09+++ T2A_U15+++ |
02 | Wyjaśnia podstwowe procesy systemu bazodanowego związane z jego funkcjonowaniem oraz przetwarzaniem danych. | wykład, laboratorium | zaliczenie cz. pisemna, obserwacja wykonawstwa |
K_W03++ K_U02++ K_U21+++ |
T2A_W04+++ T2A_U08++ T2A_U09++ T2A_U15+++ |
03 | Interpretacju plany wykonania oraz rozumie perspektywy systemowe. | wykład, laboratorium | zaliczenie cz. pisemna, obserwacja wykonawstwa |
K_W03+++ K_U07+++ K_U21+++ |
T2A_W04+++ T2A_U08+++ T2A_U15+++ |
04 | Potrafi dokonać transformacji modelu danych (model schematu gwiazdy, płatka śniegu) celem optymalizacji zapytań. | wykład, laboratorium | zaliczenie cz. pisemna, obserwacja wykonawstwa |
K_W03+++ K_U02+++ K_U07++ |
T2A_W04++ T2A_U08++ T2A_U09+++ |
05 | Interpretuje statystyki optymalizatora, rodzaje statystyk, histogramy oraz potrafi używać wskazówek (reguł) optymalizacji. | wykład, laboratorium | zaliczenie cz. pisemna, obserwacja wykonawstwa |
K_W03++ K_U02+++ K_U07++ K_U21+ |
T2A_W04++ T2A_U08+++ T2A_U09+++ T2A_U15++ |
06 | Zarządza i optymalizuje system operacyjny oraz bazodanowy na poziomie fizycznym jak i logicznym. | wykład , laboratorium | zaliczenie cz. pisemna, obserwacja wykonawstwa |
K_W03++ K_U02++ K_U07+++ K_U21+++ |
T2A_W04++ T2A_U08+++ T2A_U09+++ T2A_U15+++ |
Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
3 | TK01 | W01, L01 | ||
3 | TK02 | W02, L01, L02 | MEK01 MEK02 | |
3 | TK03 | W03, L03, L4 | MEK01 MEK02 MEK06 | |
3 | TK04 | W04, L05, L6 | MEK01 MEK02 MEK03 MEK05 MEK06 | |
3 | TK05 | W05, L07, L08 | MEK01 MEK03 MEK05 MEK06 | |
3 | TK06 | W06, L09, L10 | MEK01 MEK03 MEK05 MEK06 | |
3 | TK07 | W07, L11 | MEK02 MEK03 MEK05 MEK06 | |
3 | TK08 | W08, L12 | MEK01 MEK03 MEK04 MEK05 MEK06 | |
3 | TK09 | W09, L13 | MEK03 MEK05 MEK06 | |
3 | TK10 | W10, L14 | MEK03 MEK05 MEK06 | |
3 | TK11 | W11, L15 | MEK02 MEK03 MEK05 MEK06 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 3) | Przygotowanie do kolokwium:
10.00 godz./sem. |
Godziny kontaktowe:
25.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
10.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem. |
Laboratorium (sem. 3) | Przygotowanie do laboratorium:
4.00 godz./sem. Przygotowanie do kolokwium: 10.00 godz./sem. |
Godziny kontaktowe:
30.00 godz./sem. |
|
Konsultacje (sem. 3) | Przygotowanie do konsultacji:
10.00 godz./sem. |
Udział w konsultacjach:
6.00 godz./sem. |
|
Egzamin (sem. 3) | Przygotowanie do egzaminu:
20.00 godz./sem. |
Egzamin pisemny:
2.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Wykład kończy się egzaminem ustnym. Warunkiem dopuszczenia do egzaminu jest uzyskanie pozytywnej oceny końcowej z laboratorium. |
Laboratorium | Obecność obowiązkowa na wszystkich zajęciach laboratoryjnych – dopuszcza się zwolnienia lekarskie z koniecznością odrobienia zajęć. Ocena wystawiana na podstawie wejściówek, obserwacji wykonastwa powierzonych zadań. |
Ocena końcowa | Ocena końcowa wystawiana jest jako średnia arytmetyczna oceny z egzaminu ustnego i laboratorium/projektu. |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | P. Dymora; M. Jucha; M. Mazurek | Examining the possibility of short-term prediction of traffic volume in smart city control systems with the use of regression models | 2024 |
2 | P. Dymora; G. Lichacz; M. Mazurek | Performance Analysis of a Real-Time Data Warehouse System Implementation Based on Open-Source Technologies | 2023 |
3 | P. Dymora; M. Jucha; M. Mazurek | Regression Models Evaluation of Short-Term Traffic Flow Prediction | 2023 |
4 | P. Dymora; M. Mazurek; M. Nycz | Comparison of Angular, React, and Vue Technologies in the Process of Creating Web Applications on the User Interface Side | 2023 |
5 | P. Dymora; M. Mazurek; M. Nycz | Modeling and Statistical Analysis of Data Breach Problems in Python | 2023 |
6 | K. Doerffer; P. Doerffer; P. Dymora; P. Flaszynski; S. Grigg; M. Jurek; D. Kordos; B. Kowal; M. Mazurek; T. Rogalski; R. Śliwa; R. Unnthorsson | The Latest Advances in Wireless Communication in Aviation, Wind Turbines and Bridges | 2022 |
7 | P. Dymora; K. Łyczko; M. Mazurek | The effectiveness analysis of selected IT tools for predictions of the COVID-19 pandemic | 2022 |
8 | P. Dymora; P. Hadaj; M. Łatka; M. Nowak; D. Strzałka | The use of PLANS and NetworkX in modeling power grid system failures | 2022 |
9 | S. Bomba; P. Dymora; M. Mazurek | A Comparative Analysis of Selected Predictive Algorithms in Control of Machine Processes | 2022 |
10 | M. Bolanowski; G. Budzik; P. Dymora; P. Kubiak; A. Paszkiewicz; M. Salach | Methodology of Implementing Virtual Reality in Education for Industry 4.0 | 2021 |
11 | P. Dymora; B. Kowal; M. Mazurek; R. Śliwa | The effects of Virtual Reality technology application in the aircraft pilot training process | 2021 |
12 | P. Dymora; M. Mazurek | Comparison of Selected Algorithms of Traffic Modelling and Prediction in Smart City - Rzeszów | 2021 |
13 | P. Dymora; M. Mazurek | Influence of Model and Traffic Pattern on Determining the Self-Similarity in IP Networks | 2021 |
14 | P. Dymora; M. Mazurek | Personal Data as a Critical Element of Sustainable Systems—Comparison of Selected Data Anonymization Techniques | 2021 |
15 | P. Dymora; M. Mazurek; B. Sudek | Comparative Analysis of Selected Open-Source Solutions for Traffic Balancing in Server Infrastructures Providing WWW Service | 2021 |
16 | P. Dymora; M. Mazurek; K. Smalara | Modeling and Fault Tolerance Analysis of ZigBee Protocol in IoT Networks | 2021 |
17 | P. Dymora; W. Gołda; M. Mazurek | Analysis of the Impact of Gamification on Learning Efficiency on the Example of a Mobile Application | 2021 |
18 | G. Dunkan; P. Dymora; W. Koczkodaj; B. Kowal; M. Mazurek; D. Strzałka | Open Government issues and opportunity: a case study based on a medium-sized city in Poland | 2020 |
19 | P. Dymora | Opinia o innowacyjności usługi w postaci udostępnienia autonomicznej sprzętowo-programowej platformy ICT wspierającej funkcjonowanie firmy z uwzględnieniem usług o charakterze konwergentnym z możliwością wdrożenia w modelu scentralizowanym i rozproszonym \"ICTBox\" | 2020 |
20 | P. Dymora; A. Paszkiewicz | Performance Analysis of Selected Programming Languages in the Context of Supporting Decision-Making Processes for Industry 4.0 | 2020 |
21 | P. Dymora; B. Kowal; M. Mazurek | Analysis of Selected Characteristics of Open Data Inception Portals in the Context of Smart Cities IoT Data Accessibility | 2020 |
22 | P. Dymora; B. Kowal; M. Mazurek | Pozyskiwanie dowodów ingerencji w system z wykorzystaniem programu Snort jako darmowego systemu IDS | 2020 |
23 | P. Dymora; D. Łannik; M. Mazurek | Analiza wpływu wybranych implementacji algorytmu drzewa decyzyjnego na wydajność systemu komputerowego | 2020 |
24 | P. Dymora; M. Mazurek | An innovative approach to anomaly detection in communication networks using multifractal analysis | 2020 |
25 | P. Dymora; M. Mazurek | Opinia o innowacyjności pt. Usługi internetowe nowej generacji oparte o standard XGS-PON | 2020 |
26 | P. Dymora; M. Mazurek | Opinia o innowacyjności pt. Wdrożenie innowacji w zakresie badań sprawności i wydolności fizycznej dla sportowców celem zwiększenia konkurencyjności firmy LC Lab Sp. z o.o. | 2020 |
27 | P. Dymora; M. Mazurek | Performance assessment of selected techniques and methods detecting duplicates in data warehouses | 2020 |
28 | P. Dymora; M. Mazurek | Wdrożenie nowej usługi zdalnej rehabilitacji poprzez implementację innowacyjnej technologii „Doctor Kinetic” celem zwiększenia konkurencyjności firmy LC Lab Sp. z o.o.” | 2020 |
29 | M. Bolanowski; P. Dymora; B. Kowal; M. Mazurek; M. Salach | Raport dotyczący: analizy uwarunkowań technicznych wdrażania technologii VR w dydaktyce na kierunkach automatyka i robotyka oraz informatyka prowadzonych przez WEiI z potencjalnymi zastosowaniami dla Przemysłu 4.0 | 2019 |
30 | P. Dymora; B. Kowal; M. Mazurek | Dydaktyczne aspekty projektowania aplikacji w środowisku Unity 3D | 2019 |
31 | P. Dymora; B. Kowal; M. Mazurek | Multifractal properties of network communication traffic | 2019 |
32 | P. Dymora; B. Kowal; M. Mazurek | Ocena skutków wykorzystania technologii wirtualnej i rozszerzonej rzeczywistości w pracesie edukacyjnym | 2019 |
33 | P. Dymora; B. Kowal; M. Mazurek | Opinia o innowacyjności usługi Innowacyjne Mobilne Centrum Digitalizacji | 2019 |
34 | P. Dymora; B. Kowal; M. Mazurek | The effectiveness of the use of R-language in anonymizing open data | 2019 |
35 | P. Dymora; B. Kowal; M. Mazurek; M. Totoń | Opinia o innowacyjności dla projektu MARBER | 2019 |
36 | P. Dymora; D. Łannik; M. Mazurek | Badanie efektywności tworzenia wielowymiarowych zestawów danych w wybranych środowiskach analitycznych | 2019 |
37 | P. Dymora; K. Niemiec | Gamification as a supportive tool for school children with dyslexia | 2019 |
38 | P. Dymora; M. Koryl; M. Mazurek | Process discovery in business process management optimization | 2019 |
39 | P. Dymora; M. Mazurek | Anomaly detection in IoT communication network based on spectral analysis and Hurst exponent | 2019 |
40 | P. Dymora; W. Koczkodaj; M. Mazurek; D. Strzałka | Consistency-Driven Pairwise Comparisons Approach to Software Product Management and Quality Measurement | 2019 |