Élaboration distribuée et parallèle2017/18
Édition archivée : cette page est conservée pour mémoire, certains documents ou liens pourraient ne plus être disponibles.
Materiel bibliographique
Le cours fait référence au livre Mining of Massive Datasets (MMD par la suite).
Programme
Le programme fait référence aux arguments detaillés dans le calendrier des leçons.
Calendrier des leçons
| Leçon | Date | Sujet | Documents |
|---|---|---|---|
| L01 | 07/07/2018 | Stockage distribué (HDFS). |
|
| L02 | 07/07/2018 | Map-reduce |
|
| L03 | 12/07/2018 | Exemples d'algorithmes map-reduce. |
|
| L04 | 14/07/2018 | Apache Spark. | |
| L05 | 14/07/2018 | Analyse de liens. | |
| L06 | 14/07/2018 | Recherche d'éléments similaires. |
|
| L07 | 19/07/2018 | Recherche d'ensembles fréquents. |
|
| L08 | 19/07/2018 | Regroupement. |
|
| L09 | 19/07/2018 | Systèmes de recommandation. |
|
| 10 | 20/07/2018 | Régression. |
Modalités d'examination
L'examination consiste en un projet pour les cours de
Parallel and distributed computing,
Elements of R and python (module sur python),
Databases, data linking and data visualization
e Cloud computing, Data Base and Web Scraping Lab
(modulo sur le Cloud computing).
Les étudiants peuvent télécharger un
notebook
qui contient le text du projet et le
fichier
avec les données à élaborer. La réalisation du projet (individuelle ou par
groupes de deux personne maximum) doit être envoyée aux enseignants par
courriel.