InfoS9AE Scalable Architectures for Big Data | Durée : 21 heures | Crédits : 2 ECTS | Semestre : S9 | |
Responsable(s) : Laurent Ciarletta et Sylvain Contassot Vivien | ||||
Mots clés : Architectures matérielles, architectures logicielles, gestion de grandes masses de données, algorithmes parallèles et distribués. | ||||
Pré requis : Anglais, Algorithmique, Bases de Données, Systèmes d'exploitation, Python, C | ||||
Objectif général : Comprendre les concepts fondamentaux du calcul parallèle et distribué ainsi que les architectures logicielles et matérielles permettant de traiter efficacement de grands volumes de données et permettant de passer à l'échelle lorsque les besoins de traitement augmentent. | ||||
Programmes et contenus : Ce cours étant commun avec le parcours Big Data, il est susceptible d'être en anglais. Concepts abordés :
| ||||
Compétences : | ||||
Niveaux | Description et verbes opérationnels | |||
Connaître | Les concepts liés au parallélisme et les enjeux liés au traitements de grandes masses de données de manière distribuée et efficace. | |||
Comprendre | Les contraintes techniques liées au stockage, l'accès et le traitement efficace de grandes masses de données | |||
Appliquer | Des algorithmes de traitement et d'ordonnancement de grands volumes de données. | |||
Analyser | Les besoins et les contraintes associés à la mise en œuvre de solutions de traitements de grandes masses de données. | |||
Synthétiser | Des préconisations, avantages et inconvénients de diverses architectures logicielles ou matérielles pour le traitement de grands volumes de données. | |||
Évaluer | La pertinence d'architectures spécifiques pour des problèmes particuliers. | |||
Évaluations : | ||||
|
|
|
|
|