Böyük Data yeni təbii resursdur: məlumatlar hər 12-18 ayda iki dəfə artır. Bu yeni Big Data Analytics kursu, yeni anlayışlar yaratmaq üçün böyük müxtəlif məlumat dəstləri çıxarmaq üçün əsas konsepsiyaları və vasitələrini əhatə edir. Wordcloud, Pagerank, Data Görselleştirme, Qərar ağacı, Regresyon, Kümelenme, Sinir Ağları və daha çox yaratmaq üçün R dili istifadə edəcəksiniz. Bir neçə milyondan çox qeydiyyatdan keçmiş məlumat dəsti ilə, həmçinin Twitter-da Twitter-da işləyəcəksiniz. Siz Hadoop / MapReduce və Axın Məlumat konsepsiyalarını öyrənəcəksiniz və fərdi tədqiqat sənədləri vasitəsilə Spark, Flink, Kafka, Storm, Samza, NoSQL kimi digər Apache Big Data layihələrini araşdırırsınız. Kaggle.com-dan açıq layihələr üzrə qruplarda ən yaxşı məlumat-analitik çağırışların həlli yolu ilə mükafatlandırmaq üçün rəqabət aparacaqsınız. Ayrıca, sektorda aparıcı IBM SPSS Modeler və açıq mənbə məlumat mədən platformalarını da istifadə etməyi öyrənəcəksiniz. Bu kursda istifadə edilən #1 bestseller dərsliyi təlimatçı tərəfindən özü tərəfindən yazılmışdır. Bu kurs həmçinin MİT, Coursera, Google və digər yerlərdə geniş video təlim materialları istifadə edəcəkdir. (4 ədəd) Önkoşul: Bölmə fakültəsinin razılığı

Yalnız bir neçə ildən sonra, böyük məlumat texnologiyaları şırıngızın sahəsindən yeni rəqəmsal dövrün əsas komponentlərindən birinə keçdi. Bu texnologiya İnformasiyanın İnformasiyaya çevrilməsi üçün çox faydalıdır.

Kursun məqsədi müxtəlif böyük məlumat problemlərini həll etməyinizə kömək edəcək bir sıra həqiqətən vacib alətləri əlavə etməkdir. “Big Data nədir?” Kimi suallara cavab verməklə başlayacağıq. Niyə vacibdir və ya faydalıdır? Bu böyük məlumatları necə saxlayırsınız? ” Daha sonra məlumatları təhlil etməyimizə kömək edəcək böyük məlumat texnologiyası yığından fərqli alətlər və proqramlaşdırma modellərini araşdıracağıq. Mövzular Hadoop ekosistemindəki bəzi MapReduce, Donuz, Hive, Sqoop, Flume, HBase (NoSQL DB), Zookeeper və Apache Spark ekosistem layihələri kimi bəzi layihələri əhatə edir. AWS və EMR-yə giriş barədə də məlumat verəcəyik. Əsasən Cloudera-nın tək bir Hadoop paylanması ilə işləyəcəksiniz. (4 ədəd) (şərt yoxdur)

Verilənlər bazası məlumatları təşkil edir və əldə edir, istənilən məlumatı asanlıqla və səmərəli istifadə etməyə imkan verir. Mövzular arasında relational data modelləri; SQL; ER modelləşdirilməsi; əlaqəli cəbr; məlumatların normallaşdırılması; əməliyyatlar; verilənlər bazasında olan obyektlər; məlumatların təhlükəsizliyi və bütövlüyü; məlumatların saxlanması, OLAP və məlumatların toplanması; paylanmış verilənlər bazası; və xüsusi bir verilənlər bazası sisteminin öyrənilməsi. (4 ədəd) Önkoşul: CS 401 və ya kafedra fakültəsinin razılığı.

Maşın Öyrənmə (Bahar 2021-ci ildə öyrədilmir. Mövcudluğunu yoxlayın), kompüterlərə məlumat əldə etmək imkanı verən təhsil sahəsi, demək olar ki, hər elmi intizamın mərkəzindədir və ümumiləşdirmə (yəni proqnozlaşdırma) data maşın öyrənmənin mərkəzi mövzusudur. Bu kurs, məzun səviyyəsində maşın tədrisinə giriş və maşın öyrənməsindəki yeni və qabaqcıl metodların, eləcə də onların əsas nəzəriyyəsinin dərindən əhatə olunmasına imkan yaradır. Praktik əhəmiyyəti olan yanaşmaları vurğulayır və Data Mining (Big Data / Data Science, Data Analytics-də), Natural Language Processing, Computer Vision, Robotics, Bioinformatics və Text and Web data Process kimi bir çox son maşın öyrənmə tətbiqlərini müzakirə edir. Maşın Öyrənmə Maliyyə xidmətləri, Neft və Qaz, Səhiyyə, Marketinq və Reklam, Hökümət, İnternet və Şeylər interneti daxil olmaqla müxtəlif sahələrdə istifadə olunur.

Bu kurs müxtəlif öyrənmə paradiqmaları, alqoritmləri, nəzəri nəticələri və tətbiqetmələri əhatə edir. Süni intellekt, məlumat nəzəriyyəsi, statistika və idarəetmə nəzəriyyəsindən əsas anlayışları maşın öyrənmə ilə əlaqəli şəkildə istifadə edir. Mövzulara aşağıdakılar daxildir: nəzarətli öyrənmə (generativ / diskriminativ öyrənmə, parametrik / parametrik olmayan öyrənmə, sinir şəbəkələri, dəstək vektor maşınları, qərar ağacı, Bayes dili öyrənmə və optimallaşdırma); nəzarətsiz öyrənmə (qruplaşdırma, ölçülərin azaldılması, kernel metodları); öyrənmə nəzəriyyəsi (qərəzlilik / varyans ticarətləri; VC nəzəriyyəsi; böyük fərqlər); möhkəmləndirmə öyrənmə və adaptiv nəzarət. Digər mövzular arasında HMM (Gizli Markov Modeli), Təkamül Hesablama, Dərin Öyrənmə (Sinir Şəbəkələri ilə) və əsas maşın öyrənmə problemləri üçün performansı ciddi şəkildə təhlil edilə bilən alqoritmlərin dizaynı var.

Kursun mühüm hissəsi qrup layihədir. Paralel, paylanmış və ölçeklenebilir maşın öyrənmə üçün istifadə edilən böyük açıq mənbə vasitələr, tələbələrin layihələri həyata keçirmələrinə kömək etmək üçün qısa bir şəkildə əhatə olunacaq. (4 ədəd) Önkoşul: Yoxdur.

Mobil cihazın proqramlaşdırmasının əhəmiyyəti son illər ərzində proqram inkişafında yeni bir sahə olaraq ortaya çıxmışdır. Bu kurs tələbələrə iPhone, iPad və ya Android telefon kimi mobil qurğularda tətbiq olunan proqramları hazırlamağa hazırlaşır. Bu sürətlə inkişaf edən bazardır. Kurs, mobil tətbiqlərin quraşdırılmasına, inkişafına, sınaqdan keçirilməsinə və paylanmasına yönəlib. Bu kursun sonunda tələbələr platforma əhatə olunmuş, onları simulyasiya edən, gerçək cihazda sınaqdan keçirən və istifadəçilər üçün mövcudluğu təmin etmək üçün tətbiq mağazasında dərc etdirə biləcək bir proqram hazırlaya bilərlər. (4 ədəd) Önkoşul: CS472 və ya kafedra fakültəsinin razılığı.

Bu kursda SPA-nın Reaktiv Proqramlaşdırma Mimarisi (Single Page Web Applications) ilə tam Müasir Veb Tətbiqi qurmaq üçün bütün zəruri bacarıqları öyrənəcəksiniz. Texnologiyalar daxildir: NodeJS, ExpressJS, TypeScript, AngularJS2, Firebase və NoSQL məlumat bazaları (MongoDB). Ders aşağıdakıları əhatə edəcək:

• C ++ V8 mühərriki və asinxron kod Node və Node hadisə loopunda necə işləyir.
• Kodunuzu modulları və ExpressJS-dən istifadə etmək üçün yenidən istifadə etmək və qurmaq üçün necə qurmaq olar?
• NoSQL məlumat bazaları necə işləyir: Mongo Shell, birləşmə çərçivəsi, Replica dəstləri, Kümeleme, Shards, Mongoose ORM.
• Rəqəmsal RxJs proqramlaşdırmaçıları və mövzular, kölgə DOM, zonalar, modullar və komponentlər, xüsusi direktivlər və borular, xidmətlər və bağımlılıq enjeksiyonları, buruq kompilyator, JIT və AOF tərtibatı ilə necə Angular (Google tərəfindən dəstəklənir), Change Detection, Reaktiv RxJs proqramlaşdırma necə dərin anlaşma Formalar (Şablonlu Sürücülər və Data Driven), Data Binding, Routing, Guards və Route Protection, HTTP müştəri, JWT JSON Web Token Kimlik Doğrulama.

(4 ədəd)

Bütün yeni kompüterlər üçün standart prosessor indi proqramları çox daha sürətlə yerinə yetirmək potensialına malik olan bir çox əsaslu prosessordur. Lakin, bu potensialdan istifadə etmək üçün bir proqramçı paralel proqramlaşdırma texnikasının bəzi biliklərinə malik olmalıdır. Bu kurs zamanı şagirdlər paralel proqramları yazmaq və düzəltmək üçün vaxtlarını çox vaxt sərf edəcəklər. Gözlənilən nəticə praktiki proqramlaşdırma bacarıqlarının yeni səviyyəsini inkişaf etdirmək olacaq. Bu qabiliyyət yalnız multi-core prosessorların proqramlaşdırılması üçün faydalı deyil, həm də əməliyyat sistemləri proqramlaşdırma və məlumat bazası proqramlaşdırma paylamaq üçün faydalı olacaq. Bu kurs zamanı istifadə olunan proqram vasitələrinə Microsoft Visual C / C ++, Java multithreading kitabxanası və OpenMP iş parçacığı standartları daxildir. (4 ədəd) Önkoşul: Java, C və ya C ++ istifadə edərək kompüter proqramlaşdırma bilikləri.

Bu kursda, mikroservisləri istifadə edərək, esnek, ölçeklenebilir, test edilebilen ve esnek bir proqram sisteminin nasıl tasarlanacağı teknikleri, ilkeleri ve modellerini inceleyeceğiz. Böyük monopoliya müəssisələri ilə müqayisədə qurulma və digər üstünlükləri olan kiçik mikroservislərə necə geniş şəkildə tətbiq edə biləcəyimizi öyrənəcəyik. Distributed microservice architecture də bir çox çətinliklər verir. Biz bu problemləri və onları necə həll edəcəyimizi öyrənəcəyik. Bu kursun mövzusu memarlıq üslubları, inteqrasiya üsulları və nümunələri, domain idarəli dizaynı, hadisəyə əsaslanan arxitektura və reaktiv proqramlaşdırma. (4 kreditləri). (Ön şərt yoxdur)