Parallelldatorprogrammering för bearbetning av stora datamängder

Om utbildningen

Om kursen: Hanteringen av enorma datamängder är kärnan i datautvinning, ”deep learning” och autonom beslutsfattande i realtid. Alla dessa är i sin tur kärnan i moderna applikationer för artificiell intelligens. Data kan vara mer eller mindre permanent i molnet och nås via distribuerade filsystem och/eller strömmas i realtid från flera sensorer i mycket snabb takt. Tillgången och bearbetningen av data sker via mycket välutvecklade ramverk där både lagring och bearbetning sker parallellt. Syftet med kursen är att presentera denna infrastruktur, inklusive parallellprogrammering för genomförandet av dessa ramverk. Detta ska göra det möjligt för studenten att bedöma hur man väljer ramverk för applikationer, identifiera för- och nackdelar samt föreslå och till och med genomföra förbättringar. Kursens innehåll: Kursen innehåller moderna tekniker, metoder och verktyg för distribuerat lagringsutrymme för statiska och strömmade stora datamängder, till exempel distribuerade och feltoleranta nyckel-/värdetabeller, inklusive replikerings- och samordningsmekanismer. Kursen innehåller också moderna tekniker, metoder och verktyg för distribuerad bearbetning av statiska och strömmade stora datamängder inklusive ramverk som MapReduce och Spark. Kursen innehåller även begrepp, metoder och verktyg för parallellprogrammering för datakluster, inklusive GPU.

Behörighet

Kursen Edge Computing och Internet of Things 7,5 hp. Engelska 6 eller Engelska nivå 2. Undantag ges för kravet på svenska, för dig med utländska betyg.

Rekommenderade förkunskaper: uh

Alla tillfällen (1)

Liknande utbildningar

• Data engineering IUniversitet/högskola
• Parallella algoritmer och datastrukturerUniversitet/högskola
• Beräkningsmetoder för storskaliga dataUniversitet/högskola
• Beräkningsvetenskap: Parallellprogrammering inom beräkningsmatematikUniversitet/högskola