English | Log ind

02807 Beregningsmæssige Værktøjer til Datavidenskab

2019/2020

Kursusinformation
Computational Tools for Data Science
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
E7 (tirs 18-22)
Campus Lyngby
Forelæsninger, opgaveregning og projektarbejde.
13-uger
E7, Ingen eksamen
Bedømmelse af øvelser og rapport(er)
Bedømmelsen af rapporter er baseret på individualiserede grupperapporter.
7-trins skala , intern bedømmelse
Solid programmeringserfaring. Minimum et kursus i programmering + yderligere erfaring fra et andet kursus eller programmeringsprojekt.
Minimum 20
Philip Bille , phbi@dtu.dk
Inge Li Gørtz , inge@dtu.dk
Patrick Hagge Cording
01 Institut for Matematik og Computer Science
http://courses.compute.dtu.dk/02807/
I studieplanlæggeren
Dette kursus giver den studerende en mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
Overordnede kursusmål
Dette kursus giver en kort og intensiv introduktion til beregningsberegningsmæssige værktøjer og teknikker til at håndtere store datamængder. Fokus er på praktisk erfaring.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Udvikle og implementere parallelle og distribuerede algoritmer.
  • Sammenligne, evaluere og anvende teknologier for parallelle og distribuerede algoritmer.
  • Sammenligne, evaluere og anvende databaseteknologier.
  • Sammenligne, evaluere og anvende beregningsberegningsmæssige værktøjer og teknikker for massive datamængder.
  • Finde, undersøge og evaluere relevant teknologier og litteratur relateret til beregningsmæssige værktøjer og teknikker for massive datamængder.
  • Kombinere beregningsmæssige værktøjer og teknikker for massive datamængder.
  • Analysere skalerbarhed af beregningsmæssige værktøjer og teknikker for massive datamængder.
  • Argumentere klart for valg i forbindelse med design og udvikling af løsninger.
Kursusindhold
Beregningsmæssige værktøjer og teknikker til at håndtere massive data mængder.
Sidst opdateret
12. september, 2019