Kursplan för

Programming Models and Practice for Big Data
Programmeringsmodeller och metoder för att hantera stora datamängder

EDA025F, 7.5 högskolepoäng

Gäller från och med: Autumn 2015
Beslutad av: FN1/Anders Gustafsson
Datum för fastställande: 2015-09-08

Allmänna uppgifter

Avdelning: Computer Science (LTH)
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: English

Syfte

This course will teach the doctoral students how to analyze and design programs for big data. It will provide knowledge on big data architectures, languages, and ecosystems with a focus on Spark. The techniques presented in the course are expected to have high impacts in a variety of fields such as data analysis, customer recommendation, trend prediction, pattern recognition, etc.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

Färdighet och förmåga

För godkänd kurs skall doktoranden show her/his capability to operate big data architectures and design and write programs using Spark.

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden show the ability to select and assess architectures and algorithms for big data problems.

Kursinnehåll

The course consists of four full-day sessions that will address: 1/ Cloud architectures, Spark concepts, and Spark programming. 2/ Intermediate and advanced Spark. 3/ Supervised machine-learning with Spark: MLlib and MLlib programming. 4/ Unsupervised machine learning.

Kurslitteratur

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, laborationer, övningar, projekt

Kursens examination

Examinationsform: Inlämningsuppgifter. The assessment will consist of programs and reports to hand in
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: Good programming skills in Java, Scala, or Python. Knowledge of statistics

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvarig: Pierre Nugues <pierre.nugues@cs.lth.se>

Fullständig visning