El procesamiento moderno de la información está definido por vastos repositorios de datos que no pueden ser manejados por los sistemas de bases de datos tradicionales. Este curso cubre la última tecnología desarrollada y utilizada por los líderes de la industria para resolver este problema de la manera más eficiente. Los temas específicos cubiertos incluyen los algoritmos MapReduce, los patrones de diseño del algoritmo MapReduce, HDFS, la arquitectura de clúster Hadoop, YARN, las frecuencias relativas de computación, la clasificación secundaria, el rastreo web, los índices invertidos y la compresión de índices, los algoritmos Spark y Scala. (Unidades 4) Requisito previo: Algoritmos CS 435.

Big Data es el nuevo recurso natural: los datos se duplican cada mes 12-18. Este nuevo curso de análisis de Big Data cubre los conceptos y herramientas fundamentales para extraer grandes conjuntos de datos diversos para generar nuevos conocimientos. Dominarás el uso del lenguaje R para crear Wordcloud, Pagerank, Visualización de datos, Árboles de decisión, Regresión, Agrupación, Redes neuronales y más. Trabajará con algunos grandes conjuntos de datos de registro multimillonario, y también extraerá feeds de Twitter. Aprenderá los conceptos de Hadoop / MapReduce y Streaming Data, y explorará otros proyectos de Big Data de Apache, tales como Spark, Flink, Kafka, Storm, Samza, NoSQL a través de trabajos de investigación individuales. Trabajará en grupos en proyectos abiertos de Kaggle.com para competir por el premio en efectivo al resolver los mejores desafíos analíticos de datos. También aprenderá a usar IBM SPSS Modeler, líder en la industria, y plataformas de minería de datos de código abierto. El libro de texto del bestseller #1 utilizado en este curso está escrito por el propio instructor. El curso también utilizará una amplia gama de materiales de capacitación en video de MIT, Coursera, Google y otros lugares. (Unidades 4) Requisito previo: Consentimiento de la facultad del departamento

En solo unos pocos años, las tecnologías de big data han pasado del ámbito de la moda a uno de los componentes centrales de la nueva era digital. Estas tecnologías son muy útiles para transformar la información en conocimiento.

El objetivo del curso es agregar algunas herramientas realmente importantes a su arsenal para ayudarlo a resolver varios problemas de big data. Comenzaremos dando respuestas a preguntas como “¿Qué es Big Data? ¿Por qué es importante o útil? ¿Cómo se almacenan estos macrodatos? " Luego, estudiaremos diferentes herramientas y modelos de programación de la pila de tecnología de big data que nos ayudarán a analizar los datos. Los temas incluyen algunos de los proyectos en el ecosistema de Hadoop como MapReduce, Pig, Hive, Sqoop, Flume, HBase (NoSQL DB), Zookeeper y proyectos de ecosistema de Apache Spark. También cubriremos una introducción a AWS y EMR. Trabajará principalmente con una distribución Hadoop de un solo nodo de Cloudera. (4 unidades) (Sin requisitos previos)

Los sistemas de bases de datos organizan y recuperan información, lo que permite al usuario acceder a la información deseada de manera fácil y eficiente. Los temas incluyen: modelo de datos relacionales; SQL; Modelado ER; álgebra relacional; normalización de datos; actas; objetos en la base de datos; seguridad e integridad de los datos; almacenamiento de datos, OLAP y minería de datos; bases de datos distribuidas; y estudio de un sistema de base de datos comercial específico. (Unidades 4) Requisito previo: CS 401 o consentimiento de la facultad del departamento.

El objetivo de este curso es proporcionar a los estudiantes conocimientos y habilidades en liderazgo,
incluyendo habilidades de comunicación como preparación para futuros roles de liderazgo. Al final de
Este curso, los estudiantes comprenderán las respuestas a preguntas clave sobre la eficacia
liderazgo, incluyendo lo siguiente: • ¿Hay líderes 'natos'? •Tienes que
¿Tiene carisma para liderar con eficacia? • ¿Qué activo se requiere para ser líder? •Qué es
la diferencia entre dirigir y liderar? • ¿Cuáles son las muchas 'inteligencias'
requerido para liderar en esta era? • ¿Qué es la 'mala praxis administrativa' y cómo conduce a
autosabotaje? • Sabiendo que la retroalimentación es esencial para el proceso de liderazgo, ¿cómo obtenemos
por el miedo a dar y recibir? • ¿Cuál es la fuente del 80% de los problemas?
encontrado en el lugar de trabajo? • ¿Existe investigación científica disponible para ayudar a la organización a
mejorar sus habilidades de liderazgo individual y de equipo? • Los oradores invitados incluirán eminentes
empresarios, informáticos, filántropos, académicos y otros destacados
líderes en la sociedad. (2 créditos) (Sin requisitos previos)

El aprendizaje automático (no se enseña en la primavera de 2021. Verifique la disponibilidad), el campo de estudio que brinda a las computadoras la capacidad de aprender de los datos, está en el corazón de casi todas las disciplinas científicas y el estudio de la generalización (es decir, la predicción) de Los datos son el tema central del aprendizaje automático. Este curso brinda una introducción a nivel de posgrado al aprendizaje automático y una cobertura en profundidad de métodos nuevos y avanzados en el aprendizaje automático, así como su teoría subyacente. Enfatiza enfoques con relevancia práctica y analiza una serie de aplicaciones recientes del aprendizaje automático, como la minería de datos (en Big Data / ciencia de datos, análisis de datos), procesamiento de lenguaje natural, visión por computadora, robótica, bioinformática y procesamiento de datos de texto y web. El aprendizaje automático se utiliza en diversas industrias, incluidas las de servicios financieros, petróleo y gas, atención médica, marketing y publicidad, gobierno, Internet e Internet de las cosas.

Este curso cubre una variedad de paradigmas de aprendizaje, algoritmos, resultados teóricos y aplicaciones. Utiliza conceptos básicos de inteligencia artificial, teoría de la información, estadística y teoría de control en la medida en que sean relevantes para el aprendizaje automático. Los temas incluyen: aprendizaje supervisado (aprendizaje generativo / discriminativo, aprendizaje paramétrico / no paramétrico, redes neuronales, máquinas de vectores de apoyo, árbol de decisiones, aprendizaje y optimización bayesianos); aprendizaje no supervisado (agrupamiento, reducción de dimensionalidad, métodos de kernel); teoría del aprendizaje (compensaciones de sesgo / varianza; teoría de VC; márgenes grandes); aprendizaje por refuerzo y control adaptativo. Otros temas incluyen HMM (modelo oculto de Markov), computación evolutiva, aprendizaje profundo (con redes neuronales) y el diseño de algoritmos cuyo rendimiento se puede analizar rigurosamente para detectar problemas fundamentales de aprendizaje automático.

Una parte importante del curso es un proyecto grupal. Las principales herramientas de código abierto utilizadas para el aprendizaje automático paralelo, distribuido y escalable se cubrirán brevemente para ayudar a los estudiantes a realizar los proyectos. (Unidades 4) Prerrequisito: Ninguno.

La importancia de la programación de dispositivos móviles ha emergido en los últimos años como un nuevo dominio en el desarrollo de software. Este curso prepara a los estudiantes para desarrollar aplicaciones que se ejecutan en dispositivos móviles como un teléfono IPhone, iPad o Android. Este es un mercado en rápido desarrollo. El curso se enfoca en instalar, desarrollar, probar y distribuir aplicaciones móviles. Al final de este curso, los estudiantes pueden desarrollar una aplicación para las plataformas cubiertas, simularlas, probarlas en el dispositivo real y, finalmente, publicarlas en la tienda de aplicaciones para que estén disponibles para los usuarios. (Unidades 4) Requisito previo: CS472 o consentimiento de la facultad del departamento.

En este curso, aprenderá la Arquitectura de programación reactiva de SPA (aplicaciones web de una sola página) junto con todas las habilidades necesarias para crear una aplicación web moderna completa. Las tecnologías incluyen: NodeJS, ExpressJS, TypeScript, AngularJS2, Firebase y bases de datos NoSQL (MongoDB). El curso abarcará:

• Cómo funcionan el motor de C ++ V8 y el código asíncrono en el bucle de eventos Nodo y Nodo.
• Cómo estructurar su código para reutilizarlo y crear una API Restful usando módulos y ExpressJS.
• Cómo funcionan las bases de datos NoSQL: Mongo Shell, marco de agregación, conjuntos de réplicas, agrupación en clústeres, fragmentos, ORM de mangosta.
• Comprensión profunda de cómo funciona Angular (respaldado por Google), detección de cambios, programación de RxJ reactivos con observables y sujetos, The Shadow DOM, zonas, módulos y componentes, directivas y tuberías personalizadas, inyección de dependencias y servicios, compilador angular, compilación de JIT y AOF , Formularios (controlados por plantillas y controlados por datos), enlace de datos, enrutamiento, protecciones y protección de rutas, cliente HTTP, autenticación de token web JWT JSON.

(unidades 4)

El procesador estándar para todas las computadoras nuevas ahora es un procesador de múltiples núcleos, que tiene el potencial de ejecutar programas mucho más rápidamente. Sin embargo, para utilizar este potencial, un programador debe tener algún conocimiento de las técnicas de programación paralela. Durante este curso, los estudiantes pasarán la mayor parte del tiempo escribiendo y depurando programas paralelos. El resultado esperado será desarrollar un nuevo nivel de habilidad de programación práctica. Esta habilidad no solo será útil para la programación de procesadores de múltiples núcleos, sino también para la programación de sistemas operativos y la programación de bases de datos distribuidas. Las herramientas de software utilizadas durante este curso incluyen Microsoft Visual C / C ++, la biblioteca de subprocesos múltiples de Java y el estándar de subprocesos OpenMP. (Unidades 4) Requisito previo: Conocimiento de la programación de computadoras utilizando Java, C o C ++.

En este curso de práctica, los estudiantes realizan tareas relacionadas con la informática en un puesto técnico profesional. Las tareas realizadas pueden ser en el diseño y desarrollo de nuevos sistemas o la aplicación de sistemas existentes para propósitos específicos. Las descripciones de los puestos de práctica son formuladas por el empleador y el estudiante, y requieren la aprobación previa de uno de los profesores graduados del departamento, en consulta con el supervisor de prácticas donde se ubica al estudiante. (Este curso es principalmente para estudiantes en pasantías o programas cooperativos.) (0.5-1 unidad por bloque - puede repetirse).