Big Data- ը նոր բնական ռեսուրս է, տվյալները կրկնապատկվում են յուրաքանչյուր 12-18 ամիս: Այս նոր Big Data Analytics դասընթացը ներառում է նոր հասկացություններ ստեղծելու համար խոշոր բազմազան տվյալների հավաքածուների հենքի եւ հիմնական հասկացությունների համար: Դուք կարող եք տիրապետել R լեզվի օգտագործմանը, որպեսզի ստեղծել Wordcloud, Pagerank, Data Visualization, Decision Trees, Regression, Clustering, Neural Networks եւ այլն: Դուք աշխատելու եք մի քանի խոշոր բազմամիլիոն ռեկորդային տվյալների, ինչպես նաեւ Twitter- ի թարմացումների հետ: Դուք կսովորեք Hadoop / MapReduce եւ Streaming Data հասկացությունները եւ կքննարկեք այլ Apache Մեծ Տվյալների նախագծեր, ինչպիսիք են Spark, Flink, Kafka, Storm, Samza, NoSQL- ը անհատական ​​հետազոտական ​​փաստաթղթերի միջոցով: Դուք կաշխատեք Kaggle.com- ից բաց ծրագրերի խմբերում, որպեսզի մրցեք դրամական պարգեւի համար `լուծելու լավագույն տվյալների վերլուծական մարտահրավերները: Դուք նաեւ կսովորեք օգտագործել ոլորտի առաջատար IBM SPSS Modeler- ը եւ բաց կոդով տվյալների հանքարդյունաբերական հարթակները: Այս դասարանում օգտագործվող #1 դասի բեսթսելլերը գրված է հրահանգչի կողմից: Դասընթացը կօգտագործի նաեւ MIT- ի, Coursera- ի, Google- ի եւ այլ տեղերից տեսանյութերի լայն տեսականի: (4 միավոր) Նախադրյալ. Բաժանմունքի ֆակուլտետի համաձայնությունը

Մի քանի կարճ տարիների ընթացքում խոշոր տվյալների տեխնոլոգիաներն անցել են նորագույն թվային տարիքի հիմնական բաղադրիչներից մեկը: Այս տեխնոլոգիաները շատ օգտակար են տեղեկատվությունը Գիտելիքի փոխակերպման համար:

Դասընթացի նպատակն է ձեր զինանոցում ավելացնել մի քանի իսկապես կարևոր գործիքներ, որոնք կօգնեն ձեզ լուծել մեծ տվյալների տարբեր խնդիրներ: Մենք կսկսենք պատասխանել այն հարցերի, ինչպիսիք են «Ի՞նչ է մեծ տվյալները. Ինչու է դա կարևոր կամ օգտակար: Ինչպե՞ս եք պահում այս մեծ տվյալները »: Դրանից հետո մենք կուսումնասիրենք տարբեր գործիքների և ծրագրավորման մոդելների տվյալների մեծ տեխնոլոգիական կույտից, որոնք կօգնեն մեզ վերլուծել տվյալները: Թեմաները ներառում են Hadoop էկոհամակարգի որոշ նախագծեր, ինչպիսիք են MapReduce, Pig, Hive, Sqoop, Flume, HBase (NoSQL DB), Zookeeper և Apache Spark էկոհամակարգի նախագծերը: Մենք նաև կներկայացնենք AWS- ի և EMR- ի ներածությունը: Դուք հիմնականում աշխատելու եք Cloudera- ի Hadoop- ի մեկ հանգույցի բաշխման հետ: (4 միավոր) (նախադրյալներ չկան)

Տվյալների բազայի համակարգերը կազմակերպում եւ ստանում են տեղեկատվություն, որը թույլ է տալիս օգտվողին մուտք գործել ցանկալի տեղեկատվությունը հեշտ եւ արդյունավետ: Թեմաներ են ներառում `հարաբերական տվյալների մոդելը. SQL; ER մոդելավորում; հարաբերական հանրահաշիվ; տվյալների կարգավորումը; գործարքներ; տվյալների բազայում օբյեկտներ; տվյալների անվտանգություն եւ ամբողջականություն; տվյալների պահեստավորում, OLAP եւ տվյալների հանքարդյունաբերություն; բաշխված տվյալների բազաներ; եւ ուսումնասիրել կոնկրետ առեւտրային տվյալների բազայի համակարգը: (4 միավոր) Նախադրյալ. CS 401 կամ բաժնի ֆակուլտետի համաձայնությունը:

Մեքենայական ուսուցում (չի դասավանդվում գարուն 2021 թ. Ստուգեք առկայությունը), այն ուսումնասիրության ոլորտը, որը համակարգիչներին տալիս է տվյալներից սովորելու ունակություն, գրեթե յուրաքանչյուր գիտական ​​առարկայի հիմքում է, և ընդհանրացման (այսինքն ՝ կանխատեսման) ուսումնասիրությունը տվյալները մեքենայական ուսուցման կենտրոնական թեման են: Այս դասընթացը շրջանավարտ մակարդակով ներկայացնում է մեքենայական ուսուցումը և մեքենայական ուսուցման նոր և առաջադեմ մեթոդների խորը լուսաբանումը, ինչպես նաև դրանց հիմքում ընկած տեսությունը: Այն շեշտադրում է գործնական արդիականություն ունեցող մոտեցումները և քննարկում է մեքենայական ուսուցման մի շարք վերջին կիրառություններ, ինչպիսիք են տվյալների արդյունահանումը (Big Data / Data Science, Data Analytics), Բնական լեզվի մշակումը, Computer Vision, Robotics, Bioinformatics և Text and Web տվյալների մշակումը: Մեքենայական ուսուցումն օգտագործվում է տարբեր արդյունաբերություններում, այդ թվում ՝ Ֆինանսական ծառայություններ, նավթ և գազ, առողջապահություն, մարկետինգ և գովազդ, կառավարություն, ինտերնետ և իրերի ինտերնետ:

Այս դասընթացն ընդգրկում է ուսման մի շարք պարադիգմներ, ալգորիթմներ, տեսական արդյունքներ և ծրագրեր: Այն օգտագործում է արհեստական ​​ինտելեկտի, տեղեկատվության տեսության, վիճակագրության և կառավարման տեսության հիմնական հասկացությունները այնքանով, որքանով դրանք կարևոր են մեքենայական ուսուցման համար: Թեմաները ներառում են. Վերահսկվող ուսուցում (գեներատիվ / խտրական դասընթաց, պարամետրային / ոչ պարամետրիկ ուսուցում, նեյրոնային ցանցեր, օժանդակ վեկտորային մեքենաներ, որոշումների ծառ, բայեզյան ուսուցում և օպտիմիզացում); չվերահսկվող ուսուցում (կլաստերացում, ծավալայնության կրճատում, միջուկի մեթոդներ); ուսման տեսություն (կողմնակալության / շեղման փոխզիջումներ; VC տեսություն; մեծ լուսանցքներ); ուժեղացման ուսուցում և հարմարվողական վերահսկողություն: Այլ թեմաները ներառում են HMM (Hidden Markov Model), Evolutionary Computing, Deep Learning (Neural Nets) և նախագծման ալգորիթմներ, որոնց կատարումը կարող է խստորեն վերլուծվել մեքենայական ուսուցման հիմնարար խնդիրների համար:

Դասընթացի կարեւոր մասն է խմբի նախագիծը: Զուգահեռ, բաշխված եւ չափելի մեքենաների ուսուցման համար օգտագործվող հիմնական բաց կոդով գործիքները կարճ ժամանակով կներկայացվեն, որպեսզի ուսանողները օգնի ծրագրերին: (4 միավոր) Նախադրյալ. Ոչ:

Շարժական սարքի ծրագրավորման կարեւորությունը վերջին տարիներին առաջացել է որպես ծրագրային ապահովման զարգացման նոր տիրույթ: Այս դասընթացը ուսանողներին պատրաստում է զարգացնել ծրագրեր, որոնք աշխատում են շարժական սարքերում, ինչպիսիք են IPhone, iPad կամ Android հեռախոսները: Սա արագ զարգացող շուկա է: Դասընթացը կենտրոնանում է բջջային ծրագրերի տեղադրման, մշակման, փորձարկման եւ բաշխման վրա: Այս դասընթացի ավարտին ուսանողները կարողանում են մշակել ծրագրեր, որոնք ընդգրկված են, դրանք մոդելավորել, ստուգել դրանք իրական սարքի վրա եւ վերջապես հրատարակել հավելվածի խանութը, օգտագործողների համար մատչելի դարձնելու համար: (4 միավոր) Նախադրյալ. CS472 կամ բաժնի ֆակուլտետի համաձայնությունը:

Այս ընթացքում դուք կկարողանաք իմանալ ՍՊԱ (Single Page Web Applications) ռեակտիվ ծրագրավորման ճարտարապետությունը եւ բոլոր անհրաժեշտ հմտությունները `ամբողջական արդի վեբ հավելված ստեղծելու համար: Տեխնոլոգիաները ներառում են `NodeJS, ExpressJS, TypeScript, AngularJS2, Firebase եւ NoSQL տվյալների բազաները (MongoDB): Դասընթացը կներառի.

• Ինչպես C ++ V8- ի շարժիչն ու ասինխրոն կոդը աշխատում են հանգույցում եւ հանգույցի իրադարձության հանգույցում:
• Ինչպես կառուցել ձեր կոդը վերագործարկման համար եւ կառուցել հանգստացող API `մոդուլների եւ ExpressJS- ի միջոցով:
• Ինչպես է գործում NoSQL տվյալների բազա. Mongo Shell, համախմբման հիմունքներ, Replica Sets, Clustering, Shards, Mongoose ORM:
• Խորը հասկացողություն, թե ինչպես է անկյունային (աջակցում է Google- ի կողմից), փոփոխության հայտնաբերում, ռեակտիվ RxJs- ի ծրագրավորում, դիտորդների եւ առարկաների հետ, ստվերային DOM, գոտիներ, մոդուլներ եւ բաղադրիչներ, մաքսային հրահանգներ եւ խողովակներ, ծառայություններ եւ կախվածության ներարկում, անկյունային կոմպիլյատոր, JIT եւ AOF կազմելը , Ձեւաթղթեր (Կաղապար ղեկավարվող եւ տվյալների վրա հիմնված), Տվյալների ամրագրումը, Ուղղորդումը, Պահպանողները եւ երթուղու պաշտպանությունը, HTTP հաճախորդը, JWT JSON վեբ տեքստային նույնականացումը:

(4 միավոր)

Բոլոր նոր համակարգիչների ստանդարտ պրոցեսորը այժմ բազմակողմանի պրոցեսոր է, որն ունի ավելի արագ ծրագրեր իրականացնելու ներուժ: Այնուամենայնիվ, օգտագործելու այս ներուժը, ծրագրավորողը պետք է ունենա զուգահեռ ծրագրավորման տեխնիկայի որոշակի գիտելիքներ: Այս դասընթացի ընթացքում ուսանողները կկատարեն ժամանակի մեծ մասը զուգահեռ ծրագրեր գրելու եւ կարգաբերելու համար: Ակնկալվող արդյունքը կլինի գործնական ծրագրավորման հմտության նոր մակարդակի մշակում: Այս հմտությունը ոչ միայն օգտակար կլինի բազմաֆունկցիոնալ պրոցեսորների ծրագրավորման, այլեւ օպերացիոն համակարգերի ծրագրավորման եւ բաշխված տվյալների բազայի ծրագրավորման համար: Այս դասընթացի ընթացքում օգտագործված ծրագրային գործիքները ներառում են Microsoft Visual C / C ++, Java multithreading գրադարան եւ OpenMP սեղմման ստանդարտ: (4 միավոր) Նախադրյալ. Համակարգչային ծրագրավորման իմացություն, օգտագործելով Java, C կամ C ++:

Այս ընթացքում մենք կանդրադառնանք միկրոալիքային ծառայություններ օգտագործող ճկուն, լայնածավալ, փորձարկելի եւ ճկուն ծրագրային համակարգերի նախագծման մեթոդներին, սկզբունքներին եւ ձեւերին: Մենք կսովորեցնենք, թե ինչպես կարող ենք խոշոր ծրագրեր բաժանել ավելի փոքր միկրոային ծառայությունների, որոնք ավելի հեշտ են կառուցել եւ այլ առավելություններ, համեմատած մոնոլիտ ձեռնարկությունների ծրագրերի հետ: Բաշխված միկրոալիքային ճարտարապետությունը նույնպես շատ մարտահրավերներ է առաջացնում: Մենք կքննարկենք այդ մարտահրավերները եւ դրանց լուծման ուղիները: Այս դասընթացի թեմաներն են ճարտարապետական ​​ոճերը, ինտեգրման տեխնիկան եւ ձեւերը, տիրույթը հիմնված դիզայնը, միջոցառումների վրա հիմնված ճարտարապետությունը եւ ռեակտիվ ծրագրավորումը: (4 վարկ): (Առանց նախապայմանների)