Moderne Informationsverarbeitung wird durch umfangreiche Datenbestände definiert, die von herkömmlichen Datenbanksystemen nicht verarbeitet werden können. Dieser Kurs behandelt die neuesten Technologien, die von Branchenführern entwickelt und eingesetzt werden, um dieses Problem auf die effizienteste Weise zu lösen. Zu den behandelten Themen gehören ua MapReduce-Algorithmen, MapReduce-Algorithmusentwurfsmuster, HDFS, Hadoop-Clusterarchitektur, YARN, Berechnen relativer Häufigkeiten, Sekundärsortierung, Web-Crawling, invertierte Indizes und Indexkomprimierung, Spark-Algorithmen und Scala. (4-Einheiten) Voraussetzung: CS 435-Algorithmen.

Big Data ist die neue natürliche Ressource: Daten verdoppeln sich alle 12-18-Monate. In diesem neuen Big Data Analytics-Kurs werden die grundlegenden Konzepte und Werkzeuge für das Abfragen großer unterschiedlicher Datensätze behandelt, um neue Erkenntnisse zu gewinnen. Sie beherrschen die Verwendung der Sprache R zur Erstellung von Wordcloud, Pagerank, Datenvisualisierung, Entscheidungsbäumen, Regression, Clustering, neuronalen Netzwerken und mehr. Sie werden mit einigen Millionen Datensätzen arbeiten und auch Twitter-Feeds durchsuchen. Sie lernen Hadoop / MapReduce und Streaming Data-Konzepte und erkunden andere Apache Big Data-Projekte wie Spark, Flink, Kafka, Storm, Samza und NoSQL in einzelnen Forschungsarbeiten. Sie arbeiten in Gruppen an offenen Projekten von Kaggle.com, um um das Preisgeld zu kämpfen, indem Sie die besten datenanalytischen Herausforderungen lösen. Außerdem lernen Sie den branchenführenden IBM SPSS Modeler und Open-Source-Data-Mining-Plattformen kennen. Das in diesem Kurs verwendete #1-Bestseller-Lehrbuch wurde vom Dozenten selbst geschrieben. Der Kurs wird auch eine Vielzahl von Video-Schulungsmaterialien von MIT, Coursera, Google und anderen Ländern verwenden. (4-Einheiten) Voraussetzung: Zustimmung der Fakultät der Fakultät

In nur wenigen Jahren haben sich Big Data-Technologien vom Hype zu einer der Kernkomponenten des neuen digitalen Zeitalters entwickelt. Diese Technologien sind sehr nützlich, um Informationen in Wissen umzuwandeln.

Das Ziel des Kurses ist es, einige wirklich wichtige Werkzeuge in Ihr Arsenal aufzunehmen, um Ihnen bei der Lösung verschiedener Big Data-Probleme zu helfen. Wir beginnen mit Antworten auf Fragen wie „Was ist Big Data? Warum ist es wichtig oder nützlich? Wie speichern Sie diese Big Data? “Wir untersuchen dann verschiedene Tools und Programmiermodelle aus dem Big Data-Technologie-Stack, die uns bei der Analyse der Daten helfen. Zu den Themen gehören einige der Projekte im Hadoop-Ökosystem wie MapReduce, Pig, Hive, Sqoop, Flume, HBase (NoSQL DB), Zookeeper und Apache Spark-Ökosystemprojekte. Wir behandeln auch eine Einführung in AWS und EMR. Sie werden hauptsächlich mit einer einzelnen Knoten-Hadoop-Distribution von Cloudera arbeiten. (4-Einheiten) (Keine Voraussetzungen)

Das Ziel dieses Kurses ist das Erlernen der Konzepte, Architekturprinzipien und der Terminologie von Computernetzwerken, indem die Funktionsweise von Netzwerken untersucht und Netzwerkanwendungen entwickelt werden. In diesem Kurs wird der Top-down-Ansatz zum Verständnis von Netzwerken anhand der Architektur und Protokolle des Internets als primäres Beispiel für die Implementierung von Netzwerkprinzipien verfolgt. Wir beginnen bei der Anwendungsebene und fahren durch die Transportschicht, die Netzwerkschicht, die Verbindungsschicht und die physikalische Schicht von Computernetzwerken. Die Schüler entwickeln mehrere Netzwerkanwendungen und führen mehrere Labore durch, um die vorherrschenden Netzwerkprotokolle im Internet zu verfolgen und zu verstehen. (4-Einheiten) Voraussetzung: CS 401 oder Zustimmung der Fakultät der Fakultät.

Dieser Kurs geht tief in die drei Aspekte der Computersicherheit ein: Vertraulichkeit, Integrität und Verfügbarkeit. Verschiedene Modelle für vertrauliche und Integritätssicherheitsrichtlinien werden untersucht. Die Rolle der Kryptographie bei der Gewährleistung von Vertraulichkeit und Integrität wird untersucht. Weitere Themen sind Authentifizierung, Überwachung, Durchdringungstest, allgemeine Schwachstellen und Erkennung von Eindringlingen. Der Kurs schließt mit der Fallstudie eines realistischen sicheren Systems. Die Studierenden werden gebeten, Artikel aus der Sicherheitsliteratur zu lesen und auf das in den Vorlesungen gegebene Material anzuwenden. (4-Punkte) Voraussetzung: CS 401 oder Zustimmung der Fakultät der Fakultät.

Datenbanksysteme organisieren und rufen Informationen ab, sodass der Benutzer einfach und effizient auf die gewünschten Informationen zugreifen kann. Zu den Themen gehören: relationales Datenmodell; SQL; ER-Modellierung; relationale Algebra; Datennormierung; Transaktionen; Objekte in der Datenbank; Datensicherheit und Integrität; Data Warehousing, OLAP und Data Mining; verteilte Datenbanken; und Untersuchung eines spezifischen kommerziellen Datenbanksystems. (4-Einheiten) Voraussetzung: CS 401 oder Zustimmung der Fakultät der Fakultät.

Maschinelles Lernen, das Lernfeld, in dem Computer aus Daten lernen kann, ist das Herzstück fast jeder wissenschaftlichen Disziplin, und das Studium der Verallgemeinerung (dh Vorhersage) aus Daten ist das zentrale Thema des maschinellen Lernens. Dieser Kurs bietet eine Einführung in das maschinelle Lernen auf Graduiertenebene und eine detaillierte Beschreibung neuer und fortgeschrittener Methoden des maschinellen Lernens sowie ihrer zugrunde liegenden Theorie. Es hebt Ansätze mit praxisrelevanter Bedeutung hervor und erörtert eine Reihe neuerer Anwendungen des maschinellen Lernens, wie Data Mining (in Big Data / Data Science, Datenanalytik), Verarbeitung natürlicher Sprachen, Computer Vision, Robotik, Bioinformatik sowie Text- und Webdatenverarbeitung. Maschinelles Lernen wird in verschiedenen Branchen eingesetzt, darunter Finanzdienstleistungen, Öl und Gas, Gesundheitswesen, Marketing und Werbung, Behörden, Internet und Internet der Dinge.

Dieser Kurs behandelt eine Vielzahl von Lernparadigmen, Algorithmen, theoretischen Ergebnissen und Anwendungen. Es verwendet grundlegende Konzepte aus künstlicher Intelligenz, Informationstheorie, Statistik und Steuerungstheorie, sofern diese für das maschinelle Lernen relevant sind. Zu den Themen gehören: Beaufsichtigtes Lernen (generatives / diskriminatives Lernen, parametrisches / nichtparametrisches Lernen, neuronale Netze, Support-Vektor-Maschinen, Entscheidungsbaum, Bayesianisches Lernen und Optimierung); unüberwachtes Lernen (Clustering, Dimensionsreduktion, Kernmethoden); Lerntheorie (Bias / Varianz-Tradeoffs; VC-Theorie; große Margen); Verstärkungslernen und adaptive Kontrolle. Weitere Themen sind HMM (Hidden Markov Model), Evolutionary Computing, Deep Learning (mit neuronalen Netzen) und Entwurf von Algorithmen, deren Leistung für grundlegende Probleme des maschinellen Lernens genau analysiert werden kann.

Ein wichtiger Teil des Kurses ist ein Gruppenprojekt. Die wichtigsten Open-Source-Tools, die für das parallele, verteilte und skalierbare maschinelle Lernen verwendet werden, werden kurz behandelt, um die Schüler bei der Durchführung der Projekte zu unterstützen. (4-Einheiten) Voraussetzung: Keine.

Die Bedeutung der Programmierung mobiler Geräte hat sich in den letzten Jahren als eine neue Domäne in der Softwareentwicklung herausgestellt. Dieser Kurs bereitet die Studenten auf die Entwicklung von Anwendungen vor, die auf mobilen Geräten wie einem IPhone, einem IPad oder einem Android-Telefon laufen. Dies ist ein sich schnell entwickelnder Markt. Der Kurs konzentriert sich auf das Installieren, Entwickeln, Testen und Verteilen von mobilen Anwendungen. Am Ende dieses Kurses können die Studenten eine App für die behandelten Plattformen entwickeln, simulieren, auf dem realen Gerät testen und schließlich im App Store veröffentlichen, um den Benutzern die Verfügbarkeit zu ermöglichen. (4-Geräte) Voraussetzung: CS472 oder Zustimmung der Fakultät der Fakultät.

In diesem Kurs lernen Sie die reaktive Programmierarchitektur von SPA (Single Page-Webanwendungen) mit allen erforderlichen Fähigkeiten, um eine vollständige moderne Webanwendung zu erstellen. Zu den Technologien gehören: NodeJS-, ExpressJS-, TypeScript-, AngularJS2-, Firebase- und NoSQL-Datenbanken (MongoDB). Der Kurs umfasst:

• Funktionsweise der C ++ V8-Engine und des asynchronen Codes in Node und in der Node-Ereignisschleife.
• So strukturieren Sie Ihren Code zur Wiederverwendung und zum Erstellen einer Restful-API mit Modulen und ExpressJS.
• Funktionsweise von NoSQL-Datenbanken: Mongo Shell, Aggregationsframework, Replikatsätze, Clustering, Shards, Mongoose ORM.
• Tiefes Verständnis für die Funktionsweise von Angular (unterstützt von Google), Änderungserkennung, Reactive RxJs-Programmierung mit Observables und Subjekten, The Shadow DOM, Zonen, Module und Komponenten, benutzerdefinierte Direktiven und Pipes, Services und Abhängigkeitsinjektion, Angular Compiler, JIT- und AOF-Kompilierung , Formulare (vorlagen- und datengesteuert), Datenbindung, Routing, Guards und Routenschutz, HTTP-Client, JWT JSON-Authentifizierung über Web-Token.

(4-Einheiten)

Ein Betriebssystem steuert die zentralen Ressourcen des Computersystems und ordnet sie einzelnen Benutzern zu. Die Kursthemen umfassen sequentielle und gleichzeitige Prozesse, gegenseitigen Ausschluss, gemeinsame Nutzung von Ressourcen, Prozesszusammenarbeit, Deadlock, Ressourcenzuweisung, Prozessorplanung, Speicherverwaltung, Segmentierungs- und Paging-Algorithmen, Timesharing-Systeme, Zeitplanungsalgorithmen und Ressourcenschutz. (4-Einheiten) Voraussetzung: CS 401 oder Zustimmung der Fakultät der Fakultät.

Der Standardprozessor für alle neuen Computer ist jetzt ein Multi-Core-Prozessor, der das Potenzial hat, Programme viel schneller auszuführen. Um dieses Potenzial zu nutzen, muss ein Programmierer jedoch Kenntnisse in parallelen Programmiertechniken besitzen. Während dieses Kurses verbringen die Studenten die meiste Zeit damit, parallele Programme zu schreiben und zu debuggen. Das erwartete Ergebnis wird darin bestehen, eine neue Ebene praktischer Programmierfähigkeiten zu entwickeln. Diese Fertigkeit ist nicht nur für die Programmierung von Multi-Core-Prozessoren nützlich, sondern auch für die Programmierung von Betriebssystemen und für die verteilte Datenbank. Zu den in diesem Kurs verwendeten Softwaretools gehören Microsoft Visual C / C ++, Java-Multithreading-Bibliothek und OpenMP-Threading-Standard. (4-Einheiten) Voraussetzung: Kenntnis der Computerprogrammierung mit Java, C oder C ++.

In diesem Kurs werden die Techniken, Prinzipien und Muster beschrieben, wie flexible, skalierbare, testbare und belastbare Softwaresysteme mithilfe von Mikrodienstleistungen entworfen werden können. Wir werden untersuchen, wie wir große Anwendungen in kleinere Mikrodienste aufteilen können, die einfacher zu erstellen sind, und andere Vorteile im Vergleich zu monolithischen Unternehmensanwendungen. Eine verteilte Microservice-Architektur bringt auch viele Herausforderungen mit sich. Wir werden diese Herausforderungen untersuchen und wie wir sie angehen können. Themen dieses Kurses sind Architekturstile, Integrationstechniken und -muster, domänengetriebenes Design, ereignisgesteuerte Architektur und reaktive Programmierung. (4-Gutschriften). (Keine Voraussetzungen)