Wenn Sie diesen Text sehen, ist auf ihrem Gerät noch nicht das neue Layout geladen worden. Bitte laden Sie diese Seite neu (ggf. mit gedrückter 'Shift'- oder 'Alt'-Taste) oder in einem 'privaten Fenster'.
Weitere Hinweise unter https://www.uni-hildesheim.de/wiki/lsf/faq/fehler.im.layout.

Zur Seitennavigation oder mit Tastenkombination für den accesskey-Taste und Taste 1 
Zum Seiteninhalt oder mit Tastenkombination für den accesskey und Taste 2 
Startseite    Anmelden     

Master-Seminar: Künstliche Intelligenz und Maschinelles Lernen: Big Data Analytics with Apache Spark - Einzelansicht

Grunddaten
Veranstaltungsart Seminar
Veranstaltungsnummer 3111 Kurztext
Semester SoSe 2016 SWS 2
Erwartete Teilnehmer/-innen Max. Teilnehmer/-innen
Rhythmus Studienjahr / Zielgruppe
Credits 3
Hyperlink http://www.ismll.uni-hildesheim.de/lehre/semAI-16s/index.html Evaluation
Sprache deutsch
Termine Gruppe: 1-Gruppe iCalendar Export
  Tag Zeit Rhythmus Dauer Raum (mögliche Änderungen beachten!) Raum-
plan
Lehrperson Status Bemerkung fällt aus am Max. Teilnehmer/-innen
Einzeltermine anzeigen
iCalendar Export
Mi. 16:00 bis 18:00 c.t. wöchentlich Gebäude C (Samelson-Campus) - SC.C.1.47 (Computerraum) Raumplan        
Gruppe 1-Gruppe:


Zugeordnete Personen
Kontaktperson (durchführend) Zuständigkeit
Khan, Umer , M.Sc. durchführend, nicht verantwortlich
Weitere Personen Zuständigkeit
Schmidt-Thieme, Lars, Professor Dr. Dr. verantwortlich, nicht durchführend
Wistuba, Martin , M.Sc. nicht durchführend, nicht verantwortlich
Studiengänge
Abschluss Studiengang Semester ECTS Kontingent
Master M.Sc. Informationsmanagm.
Master M.Sc. Wirtschaftsinf.
LSF - Module
Modulkürzel Modultitel
MIT-SKIML Seminar KI und Maschinelles Lernen (M WINF/IMIT bis PO 2016)
0ERA-4LP Veranstaltungen mit 4 Credits f. ausl. Programmstud. (ERASMUS)
BWI-Wa4LP Wahlbereich (B WINF) mit 4 LP (Wirtschaftsinf. i.e.S., BWL, Inf.)
MWINF-SeBI Seminar Business Intelligence (Master WINF)
Zuordnung zu Einrichtungen
Abt. Wirtschaftsinformatik und Maschinelles Lernen
Inhalt
Lerninhalte

This seminar is intended to get to know and understand the core concepts and functionality of Apache Spark for Big Data Analytics. Spark is an open source processing engine built around speed, ease of use, and analytics. If you have large amounts of data that requires low latency processing that a typical Map Reduce program cannot provide, Spark is the alternative. Spark performs at speeds up to 100 times faster than Map Reduce for iterative algorithms or interactive data mining. Spark provides in-memory cluster computing for lightning fast speed and supports Java, Scala, and Python APIs for ease of development.

A set of research and concept papers about Apache Spark for Analytics will be offered in the introductory session of seminar. Each student is required to choose a paper, read and understand it thoroughly and analytically, and present it during the seminar.

Zielgruppe

MSc WI & IMIT

MSc 1-3


Strukturbaum
Keine Einordnung ins Vorlesungsverzeichnis vorhanden. Veranstaltung ist aus dem Semester SoSe 2016 , Aktuelles Semester: WiSe 2024/25
Impressum      Datenschutzerklärung     Datenschutz      Datenschutzerklärung     Erklärung zur Barrierefreiheit