Acerca de este Curso

13,588 vistas recientes

Resultados profesionales del estudiante

25%

consiguió un beneficio tangible en su carrera profesional gracias a este curso

33%

consiguió un aumento de sueldo o ascenso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Aprox. 20 horas para completar
Inglés (English)

Habilidades que obtendrás

GraphsDistributed ComputingBig DataMachine Learning

Resultados profesionales del estudiante

25%

consiguió un beneficio tangible en su carrera profesional gracias a este curso

33%

consiguió un aumento de sueldo o ascenso
Certificado para compartir
Obtén un certificado al finalizar
100 % en línea
Comienza de inmediato y aprende a tu propio ritmo.
Fechas límite flexibles
Restablece las fechas límite en función de tus horarios.
Aprox. 20 horas para completar
Inglés (English)

ofrecido por

Placeholder

Universidad de Illinois en Urbana-Champaign

Comienza a trabajar para obtener tu maestría

Este curso es parte del Master in Computer Science completamente en línea de Universidad de Illinois en Urbana-Champaign. Si eres aceptado en el programa completo, tus cursos cuentan para tu título.

Programa - Qué aprenderás en este curso

Semana
1

Semana 1

3 horas para completar

Course Orientation

3 horas para completar
1 video (Total 26 minutos), 4 lecturas, 1 cuestionario
4 lecturas
Syllabus10m
About the Discussion Forums10m
Updating Your Profile10m
Social Media10m
1 ejercicio de práctica
Orientation Quiz30m
2 horas para completar

Module 1: Spark, Hortonworks, HDFS, CAP

2 horas para completar
13 videos (Total 108 minutos), 1 lectura, 1 cuestionario
13 videos
1.1.2 Apache Spark11m
1.1.3 Spark Example: Log Mining9m
1.1.4 Spark Example: Logistic Regression7m
1.1.5 RDD Fault Tolerance4m
1.1.6 Interactive Spark4m
1.1.7 Spark Implementation4m
1.2.1 Introduction to Distros3m
1.2.2 Hortonworks23m
1.2.3 Cloudera CDH2m
1.2.4 MapR Distro2m
1.3.1 HDFS Introduction15m
1.3.2 YARN and MESOS9m
1 lectura
Module 1 Overview10m
1 ejercicio de práctica
Module 1 Quiz30m
Semana
2

Semana 2

6 horas para completar

Module 2: Large Scale Data Storage

6 horas para completar
24 videos (Total 303 minutos), 1 lectura, 1 cuestionario
24 videos
2.1.1 Introduction to MapReduce with Spark3m
2.1.2 MapReduce: Motivation15m
2.1.3 MapReduce Programming Model with Spark9m
2.1.4 MapReduce Example: Word Count9m
2.1.5 MapReduce Example: Pi Estimation & Image Smoothing15m
2.1.6 MapReduce Example: Page Rank13m
2.1.7 MapReduce Summary4m
2.2.1 Eventual Consistency – Part 110m
2.2.2 Eventual Consistency – Part 220m
2.2.3 Consistency Trade-Offs4m
2.2.4 ACID and BASE19m
2.2.5 Zookeeper and Paxos: Introduction10m
2.2.6 Paxos17m
2.2.7 Zookeeper16m
2.3.1 Cassandra Introduction27m
2.3.2 Redis7m
2.3.3 Redis Demonstration14m
2.4.1 HBase Usage API15m
2.4.2 HBase Internals - Part 117m
2.4.3 HBase Internals - Part 29m
2.4.4 Spark SQL8m
2.5.5 Spark SQL Demo8m
2.5.1 Kafka17m
1 lectura
Module 2 Overview10m
1 ejercicio de práctica
Module 2 Quiz30m
Semana
3

Semana 3

4 horas para completar

Module 3: Streaming Systems

4 horas para completar
18 videos (Total 216 minutos), 1 lectura, 1 cuestionario
18 videos
3.1.1 Streaming Introduction9m
3.1.2 "Big Data Pipelines: The Rise of Real-Time"7m
3.1.3 Storm Introduction: Protocol Buffers & Thrift15m
3.1.4 A Storm Word Count Example3m
3.1.5 Writing the Storm Word Count Example10m
3.1.6 Storm Usage at Yahoo3m
3.2.1 Anchoring and Spout Replay17m
3.2.2 Trident: Exactly Once Processing10m
3.3.1 Inside Apache Storm9m
3.3.2 The Structure of a Storm Cluster4m
3.3.3 Using Thrift in Storm10m
3.3.4 How Storm Schedulers Work12m
3.3.5 Scaling Storm to 4000 Nodes14m
3.3.6 Q&A with Bobby Evans (Yahoo) on Storm32m
3.4.1 Spark Streaming18m
3.4.2 Lambda and Kappa Architecture4m
3.4.3 Streaming Ecosystem24m
1 lectura
Module 3 Overview10m
1 ejercicio de práctica
Module 3 Quiz30m
Semana
4

Semana 4

4 horas para completar

Module 4: Graph Processing and Machine Learning

4 horas para completar
18 videos (Total 173 minutos), 1 lectura, 1 cuestionario
18 videos
4.1.2 Pregel - Part 17m
4.1.3 Pregel - Part 211m
4.1.4 Pregel - Part 36m
4.1.5 Giraph Introduction6m
4.1.6 Giraph Example4m
4.1.7 Spark GraphX15m
4.2.1 Big Data Machine Learning Introduction13m
4.2.2 Mahout: Introduction8m
4.2.3 Mahout kmeans5m
4.2.4 Mahout: Naïve Bayes9m
4.2.5 Mahout: fpm6m
4.2.6 Spark Naïve Bayes2m
4.2.7 Spark fpm2m
4.2.8 Spark ML/MLlib11m
4.2.9 Introduction to Deep Learning20m
4.2.10 Deep Neural Network Systems17m
4.3.1 Closing Remarks1m
1 lectura
Module 4 Overview10m
1 ejercicio de práctica
Module 4 Quiz30m

Reseñas

Principales reseñas sobre CLOUD COMPUTING APPLICATIONS, PART 2: BIG DATA AND APPLICATIONS IN THE CLOUD

Ver todas las reseñas

Acerca de Programa especializado: Informática en la nube

Informática en la nube

Preguntas Frecuentes

¿Tienes más preguntas? Visita el Centro de Ayuda al Alumno.