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: Alle 12-18 Monate verdoppeln sich die Daten. Dieser neue Big Data Analytics-Kurs behandelt die grundlegenden Konzepte und Tools für das Mining großer unterschiedlicher Datensätze, um neue Erkenntnisse zu gewinnen. Sie beherrschen die Verwendung der R-Sprache, um Wordcloud, Pagerank, Datenvisualisierung, Entscheidungsbäume, Regression, Clustering, neuronale Netze und mehr zu erstellen. Sie werden mit einigen großen Datensätzen von mehreren Millionen arbeiten und auch Twitter-Feeds minen. Sie lernen Hadoop/MapReduce- und Streaming Data-Konzepte kennen und erkunden andere Apache Big Data-Projekte wie Spark, Flink, Kafka, Storm, Samza, NoSQL durch individuelle Forschungsarbeiten. Sie arbeiten in Gruppen an offenen Projekten von Kaggle.com, um um Preisgelder zu konkurrieren, indem Sie die besten datenanalytischen Herausforderungen lösen. Sie lernen auch, den branchenführenden IBM SPSS Modeler und Open-Source-Data-Mining-Plattformen zu verwenden. Der Kurs wird auch eine breite Palette von Video-Schulungsmaterialien von MIT, Coursera, Google und anderen verwenden. (4 Einheiten) Voraussetzung: Zustimmung der Fakultätsfakultät

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.

Ziel des Kurses ist es, einige wirklich wichtige Tools in Ihr Arsenal aufzunehmen, mit denen Sie verschiedene Big-Data-Probleme lösen können. Wir beginnen mit Antworten auf Fragen wie „Was ist Big Data? Warum ist es wichtig oder nützlich? Wie speichern Sie diese Big Data? “ Anschließend untersuchen wir verschiedene Tools und Programmiermodelle aus dem Big-Data-Technologie-Stack, mit denen wir die Daten analysieren können. Zu den Themen gehören einige Projekte im Hadoop-Ökosystem, wie z. B. MapReduce-, Pig-, Hive-, Sqoop-, Flume-, HBase- (NoSQL DB), Zookeeper- und Apache Spark-Ökosystemprojekte. Wir werden auch eine Einführung in AWS und EMR behandeln. Sie arbeiten hauptsächlich mit einer Hadoop-Distribution mit einem Knoten von Cloudera. (4 Einheiten) (Keine Voraussetzungen)

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 (wird im Frühjahr 2021 nicht unterrichtet). Das Studienfach, in dem Computer aus Daten lernen können, steht im Mittelpunkt fast aller wissenschaftlichen Disziplinen und das Studium der Generalisierung (dh Vorhersage) aus Daten sind das zentrale Thema des maschinellen Lernens. Dieser Kurs bietet eine Einführung in das maschinelle Lernen auf Hochschulniveau und eine eingehende Beschreibung neuer und fortgeschrittener Methoden des maschinellen Lernens sowie ihrer zugrunde liegenden Theorie. Es hebt Ansätze mit praktischer Relevanz hervor und diskutiert eine Reihe neuerer Anwendungen des maschinellen Lernens, wie Data Mining (in Big Data / Data Science, Datenanalyse), Verarbeitung natürlicher Sprache, Computer Vision, Robotik, Bioinformatik sowie Text- und Webdatenverarbeitung. Maschinelles Lernen wird in verschiedenen Branchen eingesetzt, darunter Finanzdienstleistungen, Öl und Gas, Gesundheitswesen, Marketing und Werbung, Regierung, 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 Kontrolltheorie, soweit sie für das maschinelle Lernen relevant sind. Zu den Themen gehören: überwachtes Lernen (generatives / diskriminatives Lernen, parametrisches / nicht parametrisches Lernen, neuronale Netze, Unterstützungsvektormaschinen, Entscheidungsbaum, Bayes'sches Lernen und Optimierung); unbeaufsichtigtes Lernen (Clustering, Dimensionsreduktion, Kernel-Methoden); Lerntheorie (Bias / Varianz-Kompromisse; VC-Theorie; große Margen); Verstärkungslernen und adaptive Kontrolle. Weitere Themen sind HMM (Hidden Markov Model), Evolutionary Computing, Deep Learning (mit neuronalen Netzen) und das Entwerfen von Algorithmen, deren Leistung auf 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)

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 Praktikum führen die Studierenden computerbezogene Aufgaben in einer technischen Fachposition aus. Die durchgeführten Aufgaben können im Entwurf und in der Entwicklung neuer Systeme oder in der Anwendung bestehender Systeme für bestimmte Zwecke liegen. Praktikumsbeschreibungen werden vom Arbeitgeber und vom Studenten formuliert und müssen vorab von einer der Graduiertenfakultäten der Abteilung in Absprache mit dem Praktikumsleiter, in dem der Student untergebracht ist, genehmigt werden. (Dieser Kurs richtet sich hauptsächlich an Studenten im Praktikum oder in Kooperationsprogrammen.) (0.5-1 Einheiten pro Block - kann wiederholt werden.)