ID3017 Ström bearbetning 7,5 hp

Stream Processing

Kursen behandlar fundamenta inom ström bearbetning metoder, algoritmer och system för att  behandla infinita/icke-avslutade data (dataströmmar). Vi använder beräkningssystem för ström bearbetning, såsom Storm, InfoSphere, Apache Spark och Flink. av aktuell forskning inom ström bearbetning och dess koppling till andra relevanta forskningsområden.

  • Utbildningsnivå

    Forskarnivå
  • Huvudområde

  • Betygsskala

    P, F

Det finns inget planerat kurstillfälle.

Lärandemål

Kursen behandlar fundamenta inom dataström bearbetning (data stream processing). Tyngdpunkten i kursen ligger på de teoretiska grunderna och forskningsfrågor kring algoritmisk, analytisk, programvaruteknik och distribuerad bearbetning arkitektoniska grundvalar ström bearbetning. Det ger också en solid programmering grund och förståelse för de praktiska aspekterna av att bygga ström bearbetning tillämpningar.Vi använder beräkningssystem för dataström bearbetning, såsom Storm och InfoSphere, Spark och Flink.
Efter denna kurs kommer studenterna att programmera och bygga system, tjänster och tillämpningar inom ström bearbetning. De förväntas också att kunna lösa problem i praktiska tillämpningar som hanterar infinita/icke-avslutade data (dataströmmar). Dessutom ska studenten kunna beskriva och tillämpa aktuella forsknings trender i dataström bearbetning (inklusive metoder, algoritmer, språkstöd och verktyg).

Kursens huvudsakliga innehåll

Innehåll:
• Introduction till ström bearbetning (Stream Processing)
• Utveckling av tillämpningar
• Storskalig utveckling
• Vizualisering och felsökning
• Arkitektur av ström bearbetning system
• Arkitektur av InfoSphere Strömmar, Storm, Apache Spark och Flink
• Designprinciper och mönster för ström bearbetning tillämpningar
• Stream analytics
• Program användningsfall
• Översikt av aktuell forskning inom ström bearbetning och dess koppling till andra relevanta forskningsområden.

Behörighet

Rekommenderade förkunskaper

Rekommenderade förkunskaper:
Kännedom om begrepp och terminologi associerad med statistik, databassystem, och maskininlärning; kurser om datastrukturer, algoritmer, diskret matematik (som IX1500 Discrete Mathematics); en kurs i mjukvarusystem, software engineering, och programmeringsspråk; en kurs om att behandla, lagra and analysera massiva datamängder (som ID2221 Data-Intensive Computing).

Litteratur

The contents of the course are derived from the following textbook:
H.C.M. Andrade, B. Gedik, D.S. Tugara, Fundamentals of Stream Processing: Application Design, Systems, and Analytics, Cambridge University Press, 2014

Examination

  • EXA1 - Examination, 7,5, betygsskala: P, F

Krav för slutbetyg

Examination sker genom obligatorisk närvaro, ett antal godkända inlämningsuppgifter, muntliga redovisningar och godkänd rapport som beskriver en möjlig användning av ström-bearbetning verktyg, algoritmer och metoder i studentens forskning; Förhållandet mellan studentens forsknings- och ström bearbetningsmetoder ; diskussion om aktuella forskningsfrågor och möjliga lösningar i ström bearbetning. För att bli godkänd på kursen ska studenten också kunna kritiskt granska och värdera olika metoder, samt kunna jämföra och förklara för- och nackdelar med olika metoder, algoritmer och system för ström bearbetning.

Ges av

EECS/Programvaruteknik och datorsystem

Examinator

Vladimir Vlassov <vladv@kth.se>

Versionsinformation

Kursplan gäller från och med HT2016.
Examinationsinformation gäller från och med VT2019.