Fiches de cours

Systems for data science

CS-449

Enseignant(s) :

Koch Christoph

Langue:

English

Summary

The course covers fundamental principles for understanding and building systems for managing and analyzing large amounts of data.

Content

Programming methods, including parallel programming:

Big data systems design and implementation:

Changing data:

Online / Streaming / Real-time analytics:

Keywords

Databases, data-parallel programming, NoSQL systems, query processing.

Learning Prerequisites

Required courses

CS-322: Introduction to database systems

Recommended courses

CS-323: Introduction to operating systems

CS-206 Parallelism and concurrency

Important concepts to start the course

Learning Outcomes

By the end of the course, the student must be able to:

Teaching methods

Ex cathedra; including exercises in class, practice with pen and paper or with a computer, and a project

Expected student activities

During the semester, the students are expected to:

Assessment methods

Project (30%); final exam in August (70%)

Supervision

Office hours Yes
Assistants Yes
Forum Yes
Others Office ours by appointment

Resources

Bibliography

Relevant resources (textbook chapters, articles, and videos) posted on moodle page.

Dans les plans d'études

  • Data Science, 2019-2020, Master semestre 2
    • Semestre
      Printemps
    • Forme de l'examen
      Ecrit
    • Crédits
      6
    • Matière examinée
      Systems for data science
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Exercices
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
  • Data Science, 2019-2020, Master semestre 4
    • Semestre
      Printemps
    • Forme de l'examen
      Ecrit
    • Crédits
      6
    • Matière examinée
      Systems for data science
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Exercices
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
  • Science et ingénierie computationnelles, 2019-2020, Master semestre 2
    • Semestre
      Printemps
    • Forme de l'examen
      Ecrit
    • Crédits
      6
    • Matière examinée
      Systems for data science
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Exercices
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
  • Science et ingénierie computationnelles, 2019-2020, Master semestre 4
    • Semestre
      Printemps
    • Forme de l'examen
      Ecrit
    • Crédits
      6
    • Matière examinée
      Systems for data science
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Exercices
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
  • Mineur en Data science, 2019-2020, Semestre printemps
    • Semestre
      Printemps
    • Forme de l'examen
      Ecrit
    • Crédits
      6
    • Matière examinée
      Systems for data science
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Exercices
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines

Semaine de référence

LuMaMeJeVe
8-9
9-10
10-11
11-12
12-13
13-14 INR219
14-15INM202
15-16
16-17INM202
17-18
18-19
19-20
20-21
21-22
Cours
Exercice, TP
Projet, autre

légende

  • Semestre d'automne
  • Session d'hiver
  • Semestre de printemps
  • Session d'été
  • Cours en français
  • Cours en anglais
  • Cours en allemand