Big Data เป็นทรัพยากรธรรมชาติใหม่: ข้อมูลเพิ่มขึ้นเป็นสองเท่าในทุก ๆ เดือน 12-18 หลักสูตร Big Data Analytics ใหม่นี้ครอบคลุมแนวคิดและเครื่องมือพื้นฐานสำหรับการขุดชุดข้อมูลที่มีขนาดใหญ่เพื่อสร้างความเข้าใจใหม่ คุณจะเชี่ยวชาญการใช้ภาษา R เพื่อสร้าง Wordcloud, Pagerank, การสร้างภาพข้อมูล, ต้นไม้การตัดสินใจ, การถดถอย, การจัดกลุ่ม, เครือข่ายประสาทและอื่น ๆ คุณจะทำงานกับชุดข้อมูลชุดใหญ่หลายล้านชุดและฟีด Twitter คุณจะได้เรียนรู้แนวคิด Hadoop / MapReduce และสตรีมมิ่งข้อมูลและจะสำรวจโครงการ Apache Big Data อื่น ๆ เช่น Spark, Flink, Kafka, Storm, Samza, NoSQL ผ่านเอกสารการวิจัยส่วนบุคคล คุณจะทำงานเป็นกลุ่มในโครงการเปิดจาก Kaggle.com เพื่อชิงเงินรางวัลโดยการแก้ปัญหาการวิเคราะห์ข้อมูลที่ดีที่สุด คุณจะได้เรียนรู้การใช้ IBM SPSS Modeler ซึ่งเป็นผู้นำอุตสาหกรรมและแพลตฟอร์มการขุดข้อมูลโอเพ่นซอร์ส ตำราเรียนที่ขายดี #1 ที่ใช้ในหลักสูตรนี้เขียนขึ้นโดยผู้สอนเอง หลักสูตรนี้จะใช้สื่อการฝึกอบรมวิดีโอที่หลากหลายจาก MIT, Coursera, Google และที่อื่น ๆ (หน่วย 4) วิชาบังคับก่อน: ได้รับความเห็นชอบจากคณะวิชา

ในเวลาเพียงไม่กี่ปีเทคโนโลยีข้อมูลขนาดใหญ่ได้หายไปจากขอบเขตของ hype ไปยังหนึ่งในองค์ประกอบหลักของยุคดิจิตอลใหม่ เทคโนโลยีเหล่านี้มีประโยชน์มากสำหรับการเปลี่ยนข้อมูลเป็นความรู้

จุดมุ่งหมายของหลักสูตรนี้คือการเพิ่มเครื่องมือที่สำคัญบางอย่างในคลังแสงของคุณเพื่อช่วยคุณแก้ปัญหาข้อมูลขนาดใหญ่ต่างๆ เราจะเริ่มต้นด้วยการตอบคำถามเช่น“ Big Data คืออะไร? ทำไมจึงสำคัญหรือมีประโยชน์? คุณจัดเก็บข้อมูลขนาดใหญ่นี้อย่างไร” จากนั้นเราจะศึกษาเครื่องมือและโมเดลการเขียนโปรแกรมต่างๆจากสแต็กเทคโนโลยีข้อมูลขนาดใหญ่ซึ่งจะช่วยให้เราวิเคราะห์ข้อมูลได้ หัวข้อ ได้แก่ โครงการบางส่วนในระบบนิเวศ Hadoop เช่น MapReduce, Pig, Hive, Sqoop, Flume, HBase (NoSQL DB), Zookeeper และ Apache Spark นอกจากนี้เราจะกล่าวถึงการแนะนำ AWS และ EMR คุณจะทำงานกับการกระจาย Hadoop โหนดเดียวของ Cloudera เป็นหลัก (4 หน่วย) (ไม่มีข้อกำหนดเบื้องต้น)

ระบบฐานข้อมูลจัดระเบียบและดึงข้อมูลช่วยให้ผู้ใช้สามารถเข้าถึงข้อมูลที่ต้องการได้อย่างง่ายดายและมีประสิทธิภาพ หัวข้อรวมถึง: แบบจำลองข้อมูลเชิงสัมพันธ์; SQL; การสร้างแบบจำลอง ER; พีชคณิตเชิงสัมพันธ์ การทำข้อมูลให้เป็นมาตรฐาน การทำธุรกรรม วัตถุในฐานข้อมูล ความปลอดภัยและความสมบูรณ์ของข้อมูล คลังข้อมูล OLAP และการขุดข้อมูล ฐานข้อมูลแบบกระจาย และศึกษาระบบฐานข้อมูลเชิงพาณิชย์ที่เฉพาะเจาะจง (หน่วย 4) วิชาบังคับก่อน: CS 401 หรือได้รับความเห็นชอบจากคณะวิชา

แมชชีนเลิร์นนิง (ไม่ได้รับการสอนในฤดูใบไม้ผลิปี 2021 ตรวจสอบความพร้อมใช้งาน) สาขาวิชาที่ช่วยให้คอมพิวเตอร์สามารถเรียนรู้จากข้อมูลเป็นหัวใจสำคัญของระเบียบวินัยทางวิทยาศาสตร์เกือบทุกประเภทและการศึกษาลักษณะทั่วไป (นั่นคือการทำนาย) จาก ข้อมูลเป็นหัวข้อหลักของการเรียนรู้ของเครื่อง หลักสูตรนี้ให้การแนะนำระดับบัณฑิตศึกษาเกี่ยวกับการเรียนรู้ของเครื่องและการครอบคลุมเชิงลึกของวิธีการใหม่และขั้นสูงในการเรียนรู้ของเครื่องตลอดจนทฤษฎีพื้นฐาน เน้นแนวทางที่มีความเกี่ยวข้องในทางปฏิบัติและกล่าวถึงแอปพลิเคชั่นล่าสุดของการเรียนรู้ของเครื่องเช่นการขุดข้อมูล (ใน Big Data / Data Science, การวิเคราะห์ข้อมูล), การประมวลผลภาษาธรรมชาติ, คอมพิวเตอร์วิชั่น, หุ่นยนต์, ชีวสารสนเทศและการประมวลผลข้อมูลข้อความและเว็บ Machine Learning ใช้ในอุตสาหกรรมต่างๆเช่นบริการทางการเงินน้ำมันและก๊าซการดูแลสุขภาพการตลาดและการโฆษณารัฐบาลอินเทอร์เน็ตและอินเทอร์เน็ตของสรรพสิ่ง

หลักสูตรนี้ครอบคลุมกระบวนทัศน์การเรียนรู้อัลกอริธึมผลทางทฤษฎีและการประยุกต์ใช้ที่หลากหลาย โดยใช้แนวคิดพื้นฐานจากปัญญาประดิษฐ์ทฤษฎีข้อมูลสถิติและทฤษฎีการควบคุมตราบเท่าที่เกี่ยวข้องกับการเรียนรู้ของเครื่อง หัวข้อประกอบด้วย: การเรียนรู้ภายใต้การดูแล (การเรียนรู้แบบกำเนิด / การแยกแยะ, การเรียนรู้แบบพาราเมตริก / ไม่ใช่พารามิเตอร์, เครือข่ายประสาทเทียม, เครื่องเวกเตอร์ที่สนับสนุน, แผนผังการตัดสินใจ, การเรียนรู้แบบเบย์และการเพิ่มประสิทธิภาพ); การเรียนรู้ที่ไม่ได้รับการดูแล (การจัดกลุ่มการลดมิติข้อมูลวิธีการเคอร์เนล) ทฤษฎีการเรียนรู้ (การแลกเปลี่ยนอคติ / ความแปรปรวนทฤษฎี VC ขอบขนาดใหญ่); การเรียนรู้แบบเสริมกำลังและการควบคุมแบบปรับตัว หัวข้ออื่น ๆ ได้แก่ HMM (Hidden Markov Model), Evolutionary Computing, Deep Learning (With Neural Nets) และการออกแบบอัลกอริทึมที่สามารถวิเคราะห์ประสิทธิภาพอย่างเข้มงวดสำหรับปัญหาพื้นฐานของการเรียนรู้ของเครื่อง

ส่วนที่สำคัญของหลักสูตรคือโครงงานกลุ่ม เครื่องมือโอเพนซอร์สที่สำคัญที่ใช้สำหรับการเรียนรู้ของเครื่องจักรแบบขนานกระจายและปรับขนาดได้จะได้รับการคุ้มครองโดยย่อเพื่อช่วยนักเรียนทำโครงงาน (หน่วย 4) สิ่งที่ต้องมี: ไม่มี

ความสำคัญของการเขียนโปรแกรมอุปกรณ์มือถือเกิดขึ้นในช่วงไม่กี่ปีที่ผ่านมาในฐานะโดเมนใหม่ในการพัฒนาซอฟต์แวร์ หลักสูตรนี้เตรียมนักเรียนเพื่อพัฒนาแอปพลิเคชั่นที่ทำงานบนอุปกรณ์พกพาเช่น IPhone, IPad หรือโทรศัพท์ Android นี่คือตลาดที่กำลังพัฒนาอย่างรวดเร็ว หลักสูตรเน้นการติดตั้งพัฒนาทดสอบและจำหน่ายแอปพลิเคชั่นมือถือ ในตอนท้ายของหลักสูตรนี้นักเรียนสามารถพัฒนาแอพสำหรับแพลตฟอร์มที่ครอบคลุมจำลองการทดสอบบนอุปกรณ์จริงและเผยแพร่ในที่สุดใน app store เพื่อให้พร้อมใช้งานกับผู้ใช้ (หน่วย 4) วิชาบังคับก่อน: CS472 หรือได้รับความเห็นชอบจากคณะวิชา

ในหลักสูตรนี้คุณจะได้เรียนรู้สถาปัตยกรรมการเขียนโปรแกรมแบบตอบโต้ของ SPA (เว็บแอปพลิเคชันหน้าเดียว) พร้อมกับทักษะที่จำเป็นทั้งหมดเพื่อสร้างเว็บแอปพลิเคชันสมัยใหม่ เทคโนโลยีรวมถึง: NodeJS, ExpressJS, TypeScript, AngularJS2, ฐานข้อมูล Firebase และ NoSQL (MongoDB) หลักสูตรจะครอบคลุม:

• กลไก C ++ V8 และโค้ดอะซิงโครนัสทำงานอย่างไรในโหนดและวนรอบเหตุการณ์โหนด
• วิธีจัดโครงสร้างโค้ดของคุณเพื่อนำมาใช้ใหม่และสร้าง Restful API โดยใช้โมดูลและ ExpressJS
• วิธีที่ฐานข้อมูล NoSQL ทำงาน: Mongo Shell, กรอบงานการรวม, ชุดจำลอง, การทำคลัสเตอร์, Shards, Mongoose ORM
• ความเข้าใจอย่างลึกซึ้งเกี่ยวกับวิธีการทำงานของ Angular (สนับสนุนโดย Google), การตรวจจับการเปลี่ยนแปลง, การเขียนโปรแกรมปฏิกิริยา RxJs ด้วย Observables และหัวเรื่อง, Shadow DOM, โซน, โมดูลและส่วนประกอบ, คำสั่งและท่อที่กำหนดเอง, บริการและพึ่งพาการฉีดคอมโพสิต JIT และ AOF , ฟอร์ม (การขับเคลื่อนเทมเพลตและการขับเคลื่อนข้อมูล), การเชื่อมโยงข้อมูล, การกำหนดเส้นทาง, ฝาครอบและการป้องกันเส้นทาง, ไคลเอนต์ HTTP, การตรวจสอบสิทธิ์โทเค็นเว็บ JWT JSON

(หน่วย 4)

โปรเซสเซอร์มาตรฐานสำหรับคอมพิวเตอร์ใหม่ทุกเครื่องปัจจุบันเป็นโปรเซสเซอร์แบบมัลติคอร์ซึ่งมีศักยภาพในการรันโปรแกรมได้รวดเร็วยิ่งขึ้น อย่างไรก็ตามเพื่อใช้ศักยภาพนี้โปรแกรมเมอร์ต้องมีความรู้เกี่ยวกับเทคนิคการเขียนโปรแกรมแบบขนาน ระหว่างหลักสูตรนี้นักเรียนจะใช้เวลาส่วนใหญ่เขียนและดีบักโปรแกรมแบบขนาน ผลลัพธ์ที่คาดหวังคือการพัฒนาทักษะการเขียนโปรแกรมในระดับใหม่ ทักษะนี้ไม่เพียง แต่จะมีประโยชน์สำหรับการเขียนโปรแกรมของโปรเซสเซอร์แบบมัลติคอร์ แต่ยังรวมถึงการเขียนโปรแกรมระบบปฏิบัติการและการเขียนโปรแกรมฐานข้อมูลแบบกระจาย เครื่องมือซอฟต์แวร์ที่ใช้ในระหว่างหลักสูตรนี้ประกอบด้วย Microsoft Visual C / C ++, ไลบรารี Java multithreading และมาตรฐานเธรด OpenMP (หน่วย 4) สิ่งที่ต้องมีก่อน: ความรู้เกี่ยวกับการเขียนโปรแกรมคอมพิวเตอร์โดยใช้ Java, C หรือ C ++

ในหลักสูตรนี้เราจะดูที่เทคนิคหลักการและรูปแบบของวิธีการออกแบบระบบซอฟต์แวร์ที่ยืดหยุ่นปรับขนาดได้ทดสอบและยืดหยุ่นได้โดยใช้ไมโครไซต์ เราจะศึกษาวิธีที่เราสามารถแยกแอพพลิเคชั่นขนาดใหญ่ออกเป็นไมโครไซต์ขนาดเล็กที่ง่ายต่อการสร้างและข้อดีอื่น ๆ เมื่อเทียบกับแอพพลิเคชั่นระดับองค์กรขนาดใหญ่ สถาปัตยกรรมไมโครบริการแบบกระจายยังให้ความท้าทายมากมาย เราจะศึกษาความท้าทายเหล่านี้และวิธีการแก้ไข หัวข้อของหลักสูตรนี้เป็นรูปแบบสถาปัตยกรรมเทคนิคการรวมและรูปแบบการออกแบบโดเมนขับเคลื่อนสถาปัตยกรรมขับเคลื่อนเหตุการณ์และการเขียนโปรแกรมปฏิกิริยา (เครดิต 4) (ไม่มีข้อกำหนดเบื้องต้น)