Séance de cours

Analyse des données au repos et des données en mouvement

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Dans cours

COM-490: Large-scale data science for real-world data

This hands-on course covers tools and methods used by data scientists, from researching solutions to scaling prototypes on Spark clusters. Students engage with the full data engineering and data science pipeline, from data acquisition to extracting insight ...

Description

Cette séance de cours couvre l'importance de combiner des données au repos (lot) avec des données en mouvement (streaming) dans diverses applications telles que les transactions financières et l'analyse Web. Il explique l'architecture Lambda, qui permet de traiter simultanément les traitements par lots et par flux. La séance de cours explore également les complexités et les alternatives de l'architecture Lambda, en soulignant les défis de maintenir deux bases de code synchronisées et d'assurer une qualité de données cohérente. En outre, il discute de l'évaluation de la qualité des flux et des lots, fournissant des informations sur le processus de traitement continu des données et l'apprentissage périodique de nouveaux modèles. La séance de cours se termine par un aperçu détaillé des exigences finales du projet, y compris la construction d'un planificateur d'itinéraires de transport public robuste à l'aide de l'ensemble de données CFF.

Enseignant·e·s (3)

Olivier Verscheure

Enseignement et PhD Cours Data science pour ingénieurs avec Python ENG-209 Ce cours propose une immersion progressive et complète dans le domaine de la Data Science à travers le langage Python. Il guide les étudiants depuis la manipulation de données brutes jusqu'à la modélisation et l'extraction de connaissances utiles à partir de données réelles. Large-scale data science for real-world data COM-490 Ce cours pratique couvre outils et méthodes des data scientists, de la reche

Sofiane Sarni

Enseignement et PhD Cours Large-scale data science for real-world data COM-490 Ce cours pratique couvre outils et méthodes des data scientists, de la recherche de solutions à la mise à l'échelle de prototypes sur clusters Spark. Les étudiants explorent le pipeline complet d'ingénierie et science des données, de l'acquisition à l'extraction d'insights appliqués à des cas réels.

Pamela Isabel Delgado Borda

I am a PhD student in the School of Computer and Communication Sciences at EPFL. I am part of the Operating Systems Laboratory and my advisor is Prof. Willy Zwaenepoel. I received my Bachelor's degree in Systems Engineering from Universidad Catolica Boliviana, Bolivia in 2008 and Master's degree in Computer Science, specialization Foundations of Software from EPFL in 2012.

Source officielle

Concepts associés (32)

Analytics

Analytics is the systematic computational analysis of data or statistics. It is used for the discovery, interpretation, and communication of meaningful patterns in data. It also entails applying data patterns toward effective decision-making. It can be valuable in areas rich with recorded information; analytics relies on the simultaneous application of statistics, computer programming, and operations research to quantify performance. Organizations may apply analytics to business data to describe, predict, and improve business performance.

Hokku

is the opening stanza of a Japanese orthodox collaborative linked poem, renga, or of its later derivative, renku (haikai no renga). From the time of Matsuo Bashō (1644–1694), the hokku began to appear as an independent poem, and was also incorporated in haibun (in combination with prose). In the late 19th century, Masaoka Shiki (1867–1902) renamed the standalone hokku as "haiku", and the latter term is now generally applied retrospectively to all hokku appearing independently of renku or renga, irrespective of when they were written.

Haikai

Haikai (Japanese 俳諧 comic, unorthodox) may refer in both Japanese and English to haikai no renga (renku), a popular genre of Japanese linked verse, which developed in the sixteenth century out of the earlier aristocratic renga. It meant "vulgar" or "earthy", and often derived its effect from satire and puns, though "under the influence of [Matsuo] Bashō (1644–1694) the tone of haikai no renga became more serious".

Kireji

Un kireji (切れ字, « caractère de coupe »), ou mot de césure, est un mot-outil utilisé dans la poésie japonaise traditionnelle. Il peut s'agir d'une particule enclitique (adverbe, conjonction, postposition) ou d'un auxiliaire verbal. Il est généralement considéré comme obligatoire dans le haïku, le hokku, le renga et le renku. Il n'existe pas d'équivalent exact dans la langue française et sa fonction peut être difficile à définir.

Renga

Le est un genre de la poésie japonaise collaborative . Un renga comprend au moins deux ou strophes. La première strophe d'un renga, appelée le , est devenue la base de la forme de poésie moderne haiku. Deux des plus grands maîtres du renga sont le prêtre bouddhiste Sōgi (1421–1502) et Matsuo Bashō (1644–1694). Le renga est l'un des arts littéraires les plus importants du Japon pré-moderne. Le plus ancien renga qui nous est parvenu se trouve dans le Man'yōshū lorsque Ōtomo no Yakamochi et une rédigent et échangent des poèmes dont le nombre d'unité sonores (onji) est de 5-7-5 et 7-7.

Afficher plus

Séances de cours associées (64)

Introduction générale à la science des données

Offre une introduction complète à la science des données, couvrant Python, Numpy, Pandas, Matplotlib et Scikit-learn, en mettant l'accent sur les exercices pratiques et le travail collaboratif.

Introduction générale aux données massives

Couvre les outils de science des données, Hadoop, Spark, les écosystèmes des lacs de données, le théorème CAP, le traitement par lots vs. flux, HDFS, Hive, Parquet, ORC, et l'architecture MapReduce.

L'échange de données avec Hadoop

Couvre les techniques de manipulation des données à l'aide de Hadoop, en se concentrant sur les bases de données axées sur les lignes et les colonnes, les formats de stockage populaires et l'intégration HBase-Hive.

Éléments de la collaboration dans le domaine de la science des données

Présente des outils collaboratifs de science des données comme les carnets Jupyter, Docker et Git, mettant l'accent sur la version des données et la conteneurisation.

Data Wrangling avec Hadoop : formats de stockage et ruche

Explore les querelles de données avec Hadoop, en mettant l'accent sur les formats de stockage et Hive pour le traitement des données volumineuses.

Afficher plus

Concepts associés (32)