Veidlapa Nr. M-3 (8)
Studiju kursa apraksts
Datu inženierija
Kursa kods
SZF_174
Zinātnes nozare
-
Kredītpunkti (ECTS)
6,00
Mērķauditorija
Informācijas un komunikācijas zinātne; Uzņēmējdarbības vadība; Vadībzinātne
LKI
7. līmenis
Studiju veids un forma
Pilna laika
Studiju kursa īstenotājs
Kursa vadītājs
Linda Alksne
Struktūrvienības vadītājs
Ieva Puzo
Struktūrvienība
Sociālo zinātņu fakultāte
Kontaktinformācija
Dzirciema iela 16, Rīga, szf@rsu.lv
Par studiju kursu
Mērķis
Šī kursa mērķis ir sniegt uzņēmumu un projektu vadītājiem izpratni par datu inženierijas pamatiem un tās nozīmi mūsdienu uzņēmējdarbībā. Kursa ietvaros dalībnieki iegūs zināšanas par datu plūsmas un datu apstrādes procesiem, kas palīdzēs veiksmīgāk plānot un vadīt projektus, kuros izmantoti dati, kā arī izprast prasības un izaicinājumus datu infrastruktūras izveidē un uzturēšanā.
Priekšzināšanas
Lai sekmīgi piedalītos šajā datu inženierijas kursā, dalībniekiem ir vēlama pamatizpratne par datorzinātnēm un IT infrastruktūru, kā arī pamatzināšanas par datu bāzēm un datu analīzi. Būtu noderīga arī izpratne par biznesa procesiem un to, kā dati tiek izmantoti lēmumu pieņemšanā. Priekšrocība būs zināšanas projektu vadībā, lai veiksmīgāk pārraudzītu un koordinētu datu projektus no biznesa perspektīvas.
Studiju kursa tēmu plāns
PILNA LAIKA
1. daļa
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu inženiera loma un atbildības
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Data pipelines – kā tos veidot un uzturēt. ETL (extract, transform, load) un ELT procesi, priekšrocības un trūkumi
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Data pipelines – kā tos veidot un uzturēt. ETL (extract, transform, load) un ELT procesi, priekšrocības un trūkumi
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu uzglabāšanas sistēmas un datubāzes
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu uzglabāšanas sistēmas un datubāzes
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu uzglabāšanas sistēmas un datubāzes
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Batch VS Streaming datu apstrāde, telemetrija un IoT dati
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Batch VS Streaming datu apstrāde, telemetrija un IoT dati
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Batch VS Streaming datu apstrāde, telemetrija un IoT dati
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Lielo datu apstrāde, distributed computing (Spark, Hadoop)
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Lielo datu apstrāde, distributed computing (Spark, Hadoop)
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Lielo datu apstrāde, distributed computing (Spark, Hadoop)
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Mākoņinfrastruktūras pamati (AWS, Google Cloud, Azure)
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Mākoņinfrastruktūras pamati (AWS, Google Cloud, Azure)
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu integrācija un datu kvalitātes nodrošināšana
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu integrācija un datu kvalitātes nodrošināšana
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu apstrādes ekosistēma
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu noliktavu dizains un arhitektūra
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu noliktavu dizains un arhitektūra
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu ezeru struktūras un labākās prakses
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu ezeru struktūras un labākās prakses
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Reāllaika datu apstrāde
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu inženierijas projektu vadība
|
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Auditorija
|
2
|
Tēmas
|
Datu inženierijas projektu vadība
|
Kopā kredītpunkti (ECTS):
6,00
Kontaktstundas:
48 ak. st.
Gala pārbaudījums:
Eksāmens
Bibliogrāfija
Obligātā literatūra
1.
Kleppmann M. 2017. Designing Data-Intensive Applications: The Big Ideas Behind Reliable, Scalable, and Maintainable SystemsPiemērots angļu valodas plūsmai
2.
Akidau T., Chernyak S., Lax R. 2018. Streaming Systems: The What, Where, When, and How of Large-Scale Data ProcessingPiemērots angļu valodas plūsmai
3.
Dutt D.G. 2019. Cloud Native Data Center NetworkingPiemērots angļu valodas plūsmai
4.
Akerkar R. 2014. Big Data: Principles and Paradigms (akceptējams izdevums)Piemērots angļu valodas plūsmai
5.
Krishnan K. 2013. Data Warehousing in the Age of Big Data (akceptējams izdevums)Piemērots angļu valodas plūsmai
Papildu literatūra
1.
Glass R., Callahan S. 2014. The Big Data-Driven Business: How to Use Big Data to Win Customers, Beat Competitors, and Boost ProfitsPiemērots angļu valodas plūsmai
2.
Shalender K., Singla B., Singh N., Singla R. 2025. Integrating AI with Data Science: Realising Full Potential of Data-driven Decision Making. Navigating Data Science in the Age of AI: Exploring Possibilities of Generative Intelligence, pp. 1 - 11Piemērots angļu valodas plūsmai