вміти ефективно використовувати парадигми паралельного опрацювання даних, зокрема MapReduce та системи Apache Hadoop, Apache Spark, відповідні хмарні служби Amazon Web Services та IBM Bluemix; розгортати надійні та швидкі сховища для надвеликих обсягів даних; використовувати програмні бібліотеки та фреймворки з ефективними алгоритмами опрацювання надвеликих обсягів даних. Вміти аналізувати й ефективно застосовувати хмарні системи опрацювання великих даних.

Організація баз даних
Системний аналіз
Дискретна математика

Великі дані (big data), наука про дані (data science) та аналіз даних (data analytics): математичне, алгоритмічне, апаратне та програмне забезпечення для розв'язання основних задач предметної області великих даних. Аналіз та побудова систем для опрацювання великих даних: налаштування та створення апаратних та програмних засобів.

Дэви С. Основы Data Science и Big Data. Python и наука о
данных.//С.Дэви, М.Арно, А.Мохамед — СПб.: Питер, 2017. —
336 е.: ил.
C. B. B. D. Manyika, “Big Data: The Next Frontier for
Innovation, Competition, and Productivity,” McKinsey
Global Institute, 2011. URL:
http://www.mckinsey.com/~/media/McKinsey/dotcom/Ins
ights%20and%20pubs/MGI/Research/Technology%20an
d%20Innovation/Big%20Data/MGI_big_data_full_report.
ashx
Data Science and Big Data Analytics: Discovering, Analyzing,
Visualizing and Presenting Data // EMC Education
Services. 2015. — 432p. — ISBN: 978-1-118-87613-

laboratory lessons - 20;
settlement work - 30;
written component - 30;
oral component - 20.