À propos de ce cours

14,997 consultations récentes
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 6 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 20 heures pour terminer
Anglais

Compétences que vous acquerrez

GraphsDistributed ComputingBig DataMachine Learning
Certificat partageable
Obtenez un Certificat lorsque vous terminez
100 % en ligne
Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Cours 4 sur 6 dans le
Dates limites flexibles
Réinitialisez les dates limites selon votre disponibilité.
Approx. 20 heures pour terminer
Anglais

Offert par

Placeholder

Université de l'Illinois à Urbana-Champaign

Commencez à travailler pour obtenir votre master

Ce cours fait partie du diplôme intégralement en ligne Master in Computer Science de Université de l'Illinois à Urbana-Champaign. Si vous êtes admis au programme complet, vos cours seront pris en compte dans votre apprentissage diplômant.

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1

Semaine 1

3 heures pour terminer

Course Orientation

3 heures pour terminer
1 vidéo (Total 26 min), 4 lectures, 1 quiz
4 lectures
Syllabus10 min
About the Discussion Forums10 min
Updating Your Profile10 min
Social Media10 min
1 exercice pour s'entraîner
Orientation Quiz30 min
2 heures pour terminer

Module 1: Spark, Hortonworks, HDFS, CAP

2 heures pour terminer
13 vidéos (Total 108 min), 1 lecture, 1 quiz
13 vidéos
1.1.2 Apache Spark11 min
1.1.3 Spark Example: Log Mining9 min
1.1.4 Spark Example: Logistic Regression7 min
1.1.5 RDD Fault Tolerance4 min
1.1.6 Interactive Spark4 min
1.1.7 Spark Implementation4 min
1.2.1 Introduction to Distros3 min
1.2.2 Hortonworks23 min
1.2.3 Cloudera CDH2 min
1.2.4 MapR Distro2 min
1.3.1 HDFS Introduction15 min
1.3.2 YARN and MESOS9 min
1 lecture
Module 1 Overview10 min
1 exercice pour s'entraîner
Module 1 Quiz30 min
Semaine
2

Semaine 2

6 heures pour terminer

Module 2: Large Scale Data Storage

6 heures pour terminer
24 vidéos (Total 303 min), 1 lecture, 1 quiz
24 vidéos
2.1.1 Introduction to MapReduce with Spark3 min
2.1.2 MapReduce: Motivation15 min
2.1.3 MapReduce Programming Model with Spark9 min
2.1.4 MapReduce Example: Word Count9 min
2.1.5 MapReduce Example: Pi Estimation & Image Smoothing15 min
2.1.6 MapReduce Example: Page Rank13 min
2.1.7 MapReduce Summary4 min
2.2.1 Eventual Consistency – Part 110 min
2.2.2 Eventual Consistency – Part 220 min
2.2.3 Consistency Trade-Offs4 min
2.2.4 ACID and BASE19 min
2.2.5 Zookeeper and Paxos: Introduction10 min
2.2.6 Paxos17 min
2.2.7 Zookeeper16 min
2.3.1 Cassandra Introduction27 min
2.3.2 Redis7 min
2.3.3 Redis Demonstration14 min
2.4.1 HBase Usage API15 min
2.4.2 HBase Internals - Part 117 min
2.4.3 HBase Internals - Part 29 min
2.4.4 Spark SQL8 min
2.5.5 Spark SQL Demo8 min
2.5.1 Kafka17 min
1 lecture
Module 2 Overview10 min
1 exercice pour s'entraîner
Module 2 Quiz30 min
Semaine
3

Semaine 3

4 heures pour terminer

Module 3: Streaming Systems

4 heures pour terminer
18 vidéos (Total 216 min), 1 lecture, 1 quiz
18 vidéos
3.1.1 Streaming Introduction9 min
3.1.2 "Big Data Pipelines: The Rise of Real-Time"7 min
3.1.3 Storm Introduction: Protocol Buffers & Thrift15 min
3.1.4 A Storm Word Count Example3 min
3.1.5 Writing the Storm Word Count Example10 min
3.1.6 Storm Usage at Yahoo3 min
3.2.1 Anchoring and Spout Replay17 min
3.2.2 Trident: Exactly Once Processing10 min
3.3.1 Inside Apache Storm9 min
3.3.2 The Structure of a Storm Cluster4 min
3.3.3 Using Thrift in Storm10 min
3.3.4 How Storm Schedulers Work12 min
3.3.5 Scaling Storm to 4000 Nodes14 min
3.3.6 Q&A with Bobby Evans (Yahoo) on Storm32 min
3.4.1 Spark Streaming18 min
3.4.2 Lambda and Kappa Architecture4 min
3.4.3 Streaming Ecosystem24 min
1 lecture
Module 3 Overview10 min
1 exercice pour s'entraîner
Module 3 Quiz30 min
Semaine
4

Semaine 4

4 heures pour terminer

Module 4: Graph Processing and Machine Learning

4 heures pour terminer
18 vidéos (Total 173 min), 1 lecture, 1 quiz
18 vidéos
4.1.2 Pregel - Part 17 min
4.1.3 Pregel - Part 211 min
4.1.4 Pregel - Part 36 min
4.1.5 Giraph Introduction6 min
4.1.6 Giraph Example4 min
4.1.7 Spark GraphX15 min
4.2.1 Big Data Machine Learning Introduction13 min
4.2.2 Mahout: Introduction8 min
4.2.3 Mahout kmeans5 min
4.2.4 Mahout: Naïve Bayes9 min
4.2.5 Mahout: fpm6 min
4.2.6 Spark Naïve Bayes2 min
4.2.7 Spark fpm2 min
4.2.8 Spark ML/MLlib11 min
4.2.9 Introduction to Deep Learning20 min
4.2.10 Deep Neural Network Systems17 min
4.3.1 Closing Remarks1 min
1 lecture
Module 4 Overview10 min
1 exercice pour s'entraîner
Module 4 Quiz30 min

Avis

Meilleurs avis pour CLOUD COMPUTING APPLICATIONS, PART 2: BIG DATA AND APPLICATIONS IN THE CLOUD

Voir tous les avis

À propos du Spécialisation Cloud Computing

Cloud Computing

Foire Aux Questions

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.