Über diesen Kurs

13,673 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 20 Stunden zum Abschließen
Englisch

Kompetenzen, die Sie erwerben

GraphsDistributed ComputingBig DataMachine Learning
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Ca. 20 Stunden zum Abschließen
Englisch

von

Placeholder

University of Illinois at Urbana-Champaign

Beginnen Sie damit, auf Ihren Master-Abschluss hinzuarbeiten.

Dieses Kurs ist Teil des reinen Onlineabschlusses Master in Computer Science von University of Illinois at Urbana-Champaign. Wenn Sie in das komplette Programm aufgenommen werden, werden Ihre Kurse auf Ihren Abschluss angerechnet.

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

3 Stunden zum Abschließen

Course Orientation

3 Stunden zum Abschließen
1 Video (Gesamt 26 min), 4 Lektüren, 1 Quiz
4 Lektüren
Syllabus10m
About the Discussion Forums10m
Updating Your Profile10m
Social Media10m
1 praktische Übung
Orientation Quiz30m
2 Stunden zum Abschließen

Module 1: Spark, Hortonworks, HDFS, CAP

2 Stunden zum Abschließen
13 Videos (Gesamt 108 min), 1 Lektüre, 1 Quiz
13 Videos
1.1.2 Apache Spark11m
1.1.3 Spark Example: Log Mining9m
1.1.4 Spark Example: Logistic Regression7m
1.1.5 RDD Fault Tolerance4m
1.1.6 Interactive Spark4m
1.1.7 Spark Implementation4m
1.2.1 Introduction to Distros3m
1.2.2 Hortonworks23m
1.2.3 Cloudera CDH2m
1.2.4 MapR Distro2m
1.3.1 HDFS Introduction15m
1.3.2 YARN and MESOS9m
1 Lektüre
Module 1 Overview10m
1 praktische Übung
Module 1 Quiz30m
Woche
2

Woche 2

6 Stunden zum Abschließen

Module 2: Large Scale Data Storage

6 Stunden zum Abschließen
24 Videos (Gesamt 303 min), 1 Lektüre, 1 Quiz
24 Videos
2.1.1 Introduction to MapReduce with Spark3m
2.1.2 MapReduce: Motivation15m
2.1.3 MapReduce Programming Model with Spark9m
2.1.4 MapReduce Example: Word Count9m
2.1.5 MapReduce Example: Pi Estimation & Image Smoothing15m
2.1.6 MapReduce Example: Page Rank13m
2.1.7 MapReduce Summary4m
2.2.1 Eventual Consistency – Part 110m
2.2.2 Eventual Consistency – Part 220m
2.2.3 Consistency Trade-Offs4m
2.2.4 ACID and BASE19m
2.2.5 Zookeeper and Paxos: Introduction10m
2.2.6 Paxos17m
2.2.7 Zookeeper16m
2.3.1 Cassandra Introduction27m
2.3.2 Redis7m
2.3.3 Redis Demonstration14m
2.4.1 HBase Usage API15m
2.4.2 HBase Internals - Part 117m
2.4.3 HBase Internals - Part 29m
2.4.4 Spark SQL8m
2.5.5 Spark SQL Demo8m
2.5.1 Kafka17m
1 Lektüre
Module 2 Overview10m
1 praktische Übung
Module 2 Quiz30m
Woche
3

Woche 3

4 Stunden zum Abschließen

Module 3: Streaming Systems

4 Stunden zum Abschließen
18 Videos (Gesamt 216 min), 1 Lektüre, 1 Quiz
18 Videos
3.1.1 Streaming Introduction9m
3.1.2 "Big Data Pipelines: The Rise of Real-Time"7m
3.1.3 Storm Introduction: Protocol Buffers & Thrift15m
3.1.4 A Storm Word Count Example3m
3.1.5 Writing the Storm Word Count Example10m
3.1.6 Storm Usage at Yahoo3m
3.2.1 Anchoring and Spout Replay17m
3.2.2 Trident: Exactly Once Processing10m
3.3.1 Inside Apache Storm9m
3.3.2 The Structure of a Storm Cluster4m
3.3.3 Using Thrift in Storm10m
3.3.4 How Storm Schedulers Work12m
3.3.5 Scaling Storm to 4000 Nodes14m
3.3.6 Q&A with Bobby Evans (Yahoo) on Storm32m
3.4.1 Spark Streaming18m
3.4.2 Lambda and Kappa Architecture4m
3.4.3 Streaming Ecosystem24m
1 Lektüre
Module 3 Overview10m
1 praktische Übung
Module 3 Quiz30m
Woche
4

Woche 4

4 Stunden zum Abschließen

Module 4: Graph Processing and Machine Learning

4 Stunden zum Abschließen
18 Videos (Gesamt 173 min), 1 Lektüre, 1 Quiz
18 Videos
4.1.2 Pregel - Part 17m
4.1.3 Pregel - Part 211m
4.1.4 Pregel - Part 36m
4.1.5 Giraph Introduction6m
4.1.6 Giraph Example4m
4.1.7 Spark GraphX15m
4.2.1 Big Data Machine Learning Introduction13m
4.2.2 Mahout: Introduction8m
4.2.3 Mahout kmeans5m
4.2.4 Mahout: Naïve Bayes9m
4.2.5 Mahout: fpm6m
4.2.6 Spark Naïve Bayes2m
4.2.7 Spark fpm2m
4.2.8 Spark ML/MLlib11m
4.2.9 Introduction to Deep Learning20m
4.2.10 Deep Neural Network Systems17m
4.3.1 Closing Remarks1m
1 Lektüre
Module 4 Overview10m
1 praktische Übung
Module 4 Quiz30m

Bewertungen

Top-Bewertungen von CLOUD COMPUTING APPLICATIONS, PART 2: BIG DATA AND APPLICATIONS IN THE CLOUD

Alle Bewertungen anzeigen

Über den Spezialisierung Cloud Computing

Cloud Computing

Häufig gestellte Fragen

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..