Descriptif
Ce cours porte sur les principes de conception et les fondements algorithmiques des systèmes logiciels influants pour les mégadonnées analytiques. Le cours commence par la conception de grands entrepôts de données d'entreprises, les techniques de traitement des requêtes pour le traitement analytique en ligne et le data mining dans l'entrepôt de données. Le cours étudie ensuite les changements architecturaux fondamentaux vers cluster de serveurs partagé, notamment les bases de données parallèles, MapReduce, columnstore et la prise en charge de traitement par lots, d'algorithmes itératifs, de l'apprentissage machine et des analyses intéractives dans ce nouveau contexte.
Evaluation : série devoirs écrits et de programmation + examen final
Langue : Anglais
Diplôme(s) concerné(s)
- M2 Data AI - Data and Artificial Intelligence
- M1 PDS - Parallel and Distributed Systems
- Programmes d'échange internationaux
- M1 Data AI - Data and Artificial Intelligence
- M1 HPDA - High Performance Data Analytics
- M2 PDS - Parallel and Distributed Systems
- M2 HPDA - High Performance Data Analytics
- Titre d’Ingénieur diplômé de l’École polytechnique
Parcours de rattachement
- M1 PDS - Parallel and Distributed Systems - Master 1A
- M2 Data AI - Data and Artificial Intelligence - Master 2A
- M2 PDS - Parallel and Distributed Systems - Master 2A
- M1 Data AI - Data and Artificial Intelligence - Master 1A
- M1 HPDA - High Performance Data Analytics - Master 1A
- M2 HPDA - High Performance Data Analytics - Master 2A
- PA-Panaché P2
Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique
Vous devez avoir validé l'équation suivante : UE INF553
Pré-requis : INF553
Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme Programmes d'échange internationaux
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme M2 Data AI - Data and Artificial Intelligence
Vos modalités d'acquisition :
2.5 ECTS si l'élève fait la version "courte" soit 24h du cours .
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme M1 PDS - Parallel and Distributed Systems
Le rattrapage est autorisé (Note de rattrapage conservée)Pour les étudiants du diplôme M1 HPDA - High Performance Data Analytics
Le rattrapage est autorisé (Note de rattrapage conservée)Pour les étudiants du diplôme M2 PDS - Parallel and Distributed Systems
Le rattrapage est autorisé (Note de rattrapage conservée)Pour les étudiants du diplôme M1 Data AI - Data and Artificial Intelligence
Vos modalités d'acquisition :
2.5 ECTS si l'élève fait la version "courte" soit 24h du cours .Le rattrapage est autorisé (Note de rattrapage conservée)
- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme M2 HPDA - High Performance Data Analytics
Le rattrapage est autorisé (Note de rattrapage conservée)Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.