Couvre la mise en œuvre et l'évaluation d'un projet pratique dans les algorithmes distribués, en mettant l'accent sur la construction de liens parfaits, la diffusion FIFO et la diffusion causale localisée.
Présente le modèle de programmation MapReduce pour l'informatique distribuée, en mettant l'accent sur sa vision et ses mécanismes de sous-développement.
Discute des techniques avancées d'optimisation Spark pour gérer efficacement les Big Data, en se concentrant sur la parallélisation, les opérations de mélange et la gestion de la mémoire.
Couvre un examen des examens passés sur les algorithmes distribués, en mettant l'accent sur des concepts clés tels que la résiliation de la diffusion fiable, le consensus et l'élection des dirigeants.
Explore la transmission causale et l'ordre total dans des algorithmes distribués, y compris des exercices sur la propriété d'ordre total et la transformation de consensus.
Examine la conception d'un système d'exécution distribué à usage général, couvrant les défis, les cadres spécialisés, la logique de contrôle décentralisée et les remaniements de haute performance.
Couvre les solutions à un examen simulé sur les Algorithmes Distribués, abordant des sujets comme les Détecteurs de Défaillance Parfaits et le Consensus.
Introduit le cours d'analyse des données appliquées à l'EPFL, couvrant un large éventail de sujets d'analyse des données et mettant l'accent sur l'apprentissage continu en sciences des données.
