Informações sobre o curso

15,547 visualizações recentes

Resultados de carreira do aprendiz

25%

consegui um benefício significativo de carreira com este curso

33%

recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 20 horas para completar
Inglês

Habilidades que você terá

GraphsDistributed ComputingBig DataMachine Learning

Resultados de carreira do aprendiz

25%

consegui um benefício significativo de carreira com este curso

33%

recebi um aumento ou promoção
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Aprox. 20 horas para completar
Inglês

oferecido por

Placeholder

Universidade de Illinois em Urbana-ChampaignUniversidade de Illinois em Urbana-Champaign

Comece a trabalhar rumo ao seu mestrado

Este curso é parte da graduação 100% on-line Master in Computer Science da Universidade de Illinois em Urbana-ChampaignUniversidade de Illinois em Urbana-Champaign. Caso seja aceito para o programa completo, seus cursos contarão para sua graduação.

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

3 horas para concluir

Course Orientation

3 horas para concluir
1 vídeo (Total 26 mín.), 4 leituras, 1 teste
4 leituras
Syllabus10min
About the Discussion Forums10min
Updating Your Profile10min
Social Media10min
1 exercício prático
Orientation Quiz30min
2 horas para concluir

Module 1: Spark, Hortonworks, HDFS, CAP

2 horas para concluir
13 vídeos (Total 108 mín.), 1 leitura, 1 teste
13 videos
1.1.2 Apache Spark11min
1.1.3 Spark Example: Log Mining9min
1.1.4 Spark Example: Logistic Regression7min
1.1.5 RDD Fault Tolerance4min
1.1.6 Interactive Spark4min
1.1.7 Spark Implementation4min
1.2.1 Introduction to Distros3min
1.2.2 Hortonworks23min
1.2.3 Cloudera CDH2min
1.2.4 MapR Distro2min
1.3.1 HDFS Introduction15min
1.3.2 YARN and MESOS9min
1 leituras
Module 1 Overview10min
1 exercício prático
Module 1 Quiz30min
Semana
2

Semana 2

6 horas para concluir

Module 2: Large Scale Data Storage

6 horas para concluir
24 vídeos (Total 303 mín.), 1 leitura, 1 teste
24 videos
2.1.1 Introduction to MapReduce with Spark3min
2.1.2 MapReduce: Motivation15min
2.1.3 MapReduce Programming Model with Spark9min
2.1.4 MapReduce Example: Word Count9min
2.1.5 MapReduce Example: Pi Estimation & Image Smoothing15min
2.1.6 MapReduce Example: Page Rank13min
2.1.7 MapReduce Summary4min
2.2.1 Eventual Consistency – Part 110min
2.2.2 Eventual Consistency – Part 220min
2.2.3 Consistency Trade-Offs4min
2.2.4 ACID and BASE19min
2.2.5 Zookeeper and Paxos: Introduction10min
2.2.6 Paxos17min
2.2.7 Zookeeper16min
2.3.1 Cassandra Introduction27min
2.3.2 Redis7min
2.3.3 Redis Demonstration14min
2.4.1 HBase Usage API15min
2.4.2 HBase Internals - Part 117min
2.4.3 HBase Internals - Part 29min
2.4.4 Spark SQL8min
2.5.5 Spark SQL Demo8min
2.5.1 Kafka17min
1 leituras
Module 2 Overview10min
1 exercício prático
Module 2 Quiz30min
Semana
3

Semana 3

4 horas para concluir

Module 3: Streaming Systems

4 horas para concluir
18 vídeos (Total 216 mín.), 1 leitura, 1 teste
18 videos
3.1.1 Streaming Introduction9min
3.1.2 "Big Data Pipelines: The Rise of Real-Time"7min
3.1.3 Storm Introduction: Protocol Buffers & Thrift15min
3.1.4 A Storm Word Count Example3min
3.1.5 Writing the Storm Word Count Example10min
3.1.6 Storm Usage at Yahoo3min
3.2.1 Anchoring and Spout Replay17min
3.2.2 Trident: Exactly Once Processing10min
3.3.1 Inside Apache Storm9min
3.3.2 The Structure of a Storm Cluster4min
3.3.3 Using Thrift in Storm10min
3.3.4 How Storm Schedulers Work12min
3.3.5 Scaling Storm to 4000 Nodes14min
3.3.6 Q&A with Bobby Evans (Yahoo) on Storm32min
3.4.1 Spark Streaming18min
3.4.2 Lambda and Kappa Architecture4min
3.4.3 Streaming Ecosystem24min
1 leituras
Module 3 Overview10min
1 exercício prático
Module 3 Quiz30min
Semana
4

Semana 4

4 horas para concluir

Module 4: Graph Processing and Machine Learning

4 horas para concluir
18 vídeos (Total 173 mín.), 1 leitura, 1 teste
18 videos
4.1.2 Pregel - Part 17min
4.1.3 Pregel - Part 211min
4.1.4 Pregel - Part 36min
4.1.5 Giraph Introduction6min
4.1.6 Giraph Example4min
4.1.7 Spark GraphX15min
4.2.1 Big Data Machine Learning Introduction13min
4.2.2 Mahout: Introduction8min
4.2.3 Mahout kmeans5min
4.2.4 Mahout: Naïve Bayes9min
4.2.5 Mahout: fpm6min
4.2.6 Spark Naïve Bayes2min
4.2.7 Spark fpm2min
4.2.8 Spark ML/MLlib11min
4.2.9 Introduction to Deep Learning20min
4.2.10 Deep Neural Network Systems17min
4.3.1 Closing Remarks1min
1 leituras
Module 4 Overview10min
1 exercício prático
Module 4 Quiz30min

Avaliações

Principais avaliações do CLOUD COMPUTING APPLICATIONS, PART 2: BIG DATA AND APPLICATIONS IN THE CLOUD

Visualizar todas as avaliações

Sobre Programa de cursos integrados Computação em nuvemComputação em Nuvem

Computação em nuvemComputação em Nuvem

Perguntas Frequentes – FAQ

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.