Chevron Left
Data Manipulation at Scale: Systems and Algorithms(으)로 돌아가기

워싱턴 대학교의 Data Manipulation at Scale: Systems and Algorithms 학습자 리뷰 및 피드백

759개의 평가

강좌 소개

Data analysis has replaced data acquisition as the bottleneck to evidence-based decision making --- we are drowning in it. Extracting knowledge from large, heterogeneous, and noisy datasets requires not only powerful computing resources, but the programming abstractions to use them effectively. The abstractions that emerged in the last decade blend ideas from parallel databases, distributed systems, and programming languages to create a new class of scalable data analytics platforms that form the foundation for data science at realistic scales. In this course, you will learn the landscape of relevant systems, the principles on which they rely, their tradeoffs, and how to evaluate their utility against your requirements. You will learn how practical systems were derived from the frontier of research in computer science and what systems are coming on the horizon. Cloud computing, SQL and NoSQL databases, MapReduce and the ecosystem it spawned, Spark and its contemporaries, and specialized systems for graphs and arrays will be covered. You will also learn the history and context of data science, the skills, challenges, and methodologies the term implies, and how to structure a data science project. At the end of this course, you will be able to: Learning Goals: 1. Describe common patterns, challenges, and approaches associated with data science projects, and what makes them different from projects in related fields. 2. Identify and use the programming models associated with scalable data manipulation, including relational algebra, mapreduce, and other data flow models. 3. Use database technology adapted for large-scale analytics, including the concepts driving parallel databases, parallel query processing, and in-database analytics 4. Evaluate key-value stores and NoSQL systems, describe their tradeoffs with comparable systems, the details of important examples in the space, and future trends. 5. “Think” in MapReduce to effectively write algorithms for systems including Hadoop and Spark. You will understand their limitations, design details, their relationship to databases, and their associated ecosystem of algorithms, extensions, and languages. write programs in Spark 6. Describe the landscape of specialized Big Data systems for graphs, arrays, and streams...

최상위 리뷰


2016년 1월 10일

Great course that strikes a balance between teaching general principles and concepts, and providing hands-on technical skills and practice.

The lessons are well designed and clearly conveyed.


2016년 5월 27일

I like the breadth of coverage of this class. Each of the exercise is a gem in that I get to learn something new also. I would highly recommend this even to experience practitioner also.

필터링 기준:

Data Manipulation at Scale: Systems and Algorithms의 165개 리뷰 중 1~25

교육 기관: Anne-Marie T

2020년 1월 6일

교육 기관: Max E

2018년 11월 12일

교육 기관: Toby E

2020년 5월 7일

교육 기관: Anish C

2018년 1월 17일

교육 기관: Alon M

2017년 5월 16일

교육 기관: Jan M

2019년 6월 17일

교육 기관: Daniel W

2017년 4월 26일

교육 기관: Christopher A

2015년 9월 29일

교육 기관: Huynh L D

2016년 6월 30일

교육 기관: Valery N

2017년 9월 2일

교육 기관: Sofia C

2016년 11월 14일

교육 기관: Zahid P

2015년 11월 14일

교육 기관: Korbinian K

2016년 11월 7일

교육 기관: Jakub B

2016년 1월 4일

교육 기관: Francisco J

2017년 3월 6일

교육 기관: Robert H S J

2016년 2월 15일

교육 기관: Mangesh J

2015년 9월 27일

교육 기관: Vijai K S

2016년 1월 19일

교육 기관: Kairsten F

2016년 9월 22일

교육 기관: Maria P

2015년 10월 28일

교육 기관: Qianhong H

2019년 9월 9일

교육 기관: Kenneth P

2015년 12월 6일

교육 기관: Paulo S S S

2016년 2월 6일

교육 기관: Hernan A

2016년 1월 11일

교육 기관: Dimitrios K

2016년 1월 24일