มหาวิทยาลัยอิลลินอยส์ Urbana-Champaign การศึกษาออนไลน์ฟรี

แอปพลิเคชั่นการคำนวณแบบคลาวด์ตอนที่ 2: ข้อมูลขนาดใหญ่และแอปพลิเคชันในระบบคลาวด์

รายละเอียด

ยินดีต้อนรับสู่แอปพลิเคชั่น Cloud Computing ส่วนที่สองของซีรีย์สองคอร์สออกแบบมาเพื่อให้คุณได้เห็นมุมมองที่ครอบคลุมเกี่ยวกับโลกของ Cloud Computing และ Big Data!

ในหลักสูตรที่สองนี้เรายังคงใช้งาน Cloud Computing โดยสำรวจว่า Cloud เปิดการวิเคราะห์ข้อมูลของข้อมูลจำนวนมากที่เป็นแบบคงที่หรือสตรีมด้วยความเร็วสูงและเป็นตัวแทนของข้อมูลที่หลากหลาย แอปพลิเคชั่นบนคลาวด์และการวิเคราะห์ข้อมูลแสดงถึงการเปลี่ยนแปลงที่ก่อกวนในรูปแบบที่สังคมได้รับการแจ้งเตือนและใช้ข้อมูล เราเริ่มต้นสัปดาห์แรกด้วยการแนะนำระบบที่สำคัญสำหรับการวิเคราะห์ข้อมูลรวมถึง Spark และกรอบงานหลักและการกระจายของแอพพลิเคชั่นการวิเคราะห์รวมถึง Hortonworks, Cloudera และ MapR ในช่วงกลางสัปดาห์ที่ผ่านมาเราแนะนำระบบไฟล์ HDFS แบบกระจายและมีประสิทธิภาพซึ่งใช้ในแอพพลิเคชั่นมากมายเช่น Hadoop และเสร็จสิ้นสัปดาห์แรกโดยการสำรวจโมเดลการเขียนโปรแกรม MapReduce อันทรงพลังและวิธีการกระจายระบบปฏิบัติการเช่น YARN และ Mesos การวิเคราะห์ข้อมูลขนาดใหญ่ ในสัปดาห์ที่สองหลักสูตรของเราจะแนะนำการจัดเก็บข้อมูลขนาดใหญ่และความยากลำบากและปัญหาของฉันทามติในร้านค้าขนาดใหญ่ที่ใช้โปรเซสเซอร์หน่วยความจำและดิสก์จำนวนมาก เราหารือเกี่ยวกับความสอดคล้องในที่สุด, ACID และ BASE และอัลกอริธึมที่สอดคล้องกันที่ใช้ในศูนย์ข้อมูลรวมถึง Paxos และ Zookeeper หลักสูตรของเรานำเสนอร้านค้า Key-Value แบบกระจายและในฐานข้อมูลหน่วยความจำเช่น Redis ที่ใช้ในศูนย์ข้อมูลเพื่อประสิทธิภาพ ต่อไปเราจะนำเสนอฐานข้อมูล NOSQL เราเยี่ยมชม HBase ซึ่งเป็นฐานข้อมูลความล่าช้าต่ำที่ปรับขนาดได้ซึ่งสนับสนุนการดำเนินงานฐานข้อมูลในแอปพลิเคชันที่ใช้ Hadoop จากนั้นอีกครั้งเราจะแสดงให้เห็นว่า Spark SQL สามารถโปรแกรมคิวรี่ SQL กับข้อมูลขนาดใหญ่ได้อย่างไร เราจบสัปดาห์ที่สองด้วยการนำเสนอในระบบเผยแพร่เผยแพร่ / สมัครสมาชิกโดยใช้ Kafka ระบบบันทึกข้อความกระจายที่หาการใช้งานที่กว้างขวางในการเชื่อมต่อ Big Data และการสตรีมแอพพลิเคชั่นเข้าด้วยกันเพื่อสร้างระบบที่ซับซ้อน สามสัปดาห์ไปยังการสตรีมข้อมูลแบบเรียลไทม์อย่างรวดเร็วและแนะนำเทคโนโลยี Storm ที่ใช้กันอย่างแพร่หลายในอุตสาหกรรมเช่น Yahoo เราดำเนินการต่อด้วย Spark Streaming, สถาปัตยกรรมของ Lambda และ Kappa และการนำเสนอระบบนิเวศ Streaming สี่สัปดาห์มุ่งเน้นไปที่การประมวลผลกราฟการเรียนรู้ของเครื่องและการเรียนรู้ลึก เราแนะนำแนวคิดของการประมวลผลกราฟและนำเสนอ Pregel, Giraph และ Spark GraphX จากนั้นเราย้ายไปที่การเรียนรู้ของเครื่องด้วยตัวอย่างจาก Mahout และ Spark ตัวอย่าง Kmeans, Naive Bayes และ fpm เป็นตัวอย่าง Spark ML และ Mllib ยังคงธีมของความสามารถในการโปรแกรมและการสร้างแอปพลิเคชัน หัวข้อสุดท้ายที่เรากล่าวถึงในสัปดาห์ที่สี่จะเปิดตัวเทคโนโลยีการเรียนรู้ลึกเช่น Theano, Tensor Flow, CNTK, MXnet และ Caffe on Spark

ราคา: ลงทะเบียนฟรี!

ÀÒÉÒ: ภาษาอังกฤษ

คำบรรยาย: ภาษาอังกฤษ, เกาหลี

แอปพลิเคชั่นการคำนวณแบบคลาวด์ตอนที่ 2: ข้อมูลขนาดใหญ่และแอปพลิเคชันในระบบคลาวด์ - มหาวิทยาลัยอิลลินอยส์ Urbana-Champaign