redogöra för användningen av virtualisering på OS-nivå (containrar) och arbeta med applikationskontextualisering;
beskriva styrkor och svagheter hos, samt praktiskt använda, moderna system för hantering av strömmande data;
analysera egenskaper hos dataintensiva tillämpningar med strömmande data och använda analysen till att föreslå lämpliga arkitekturer för att hantera tillämpningen inklusive kombination av strömmande data och batchanalys;
implementera programvara där analysen från föregående punkt och teknik som presenteras i kursen används;
redogöra för och hantera praktiska aspekter av produktionssättning av maskininlärningsmodeller;
använda sig av ramverk för storskalig distribuerad maskininlärning;
kritiskt analysera, diskutera och presentera lösningar och implementationer skriftligt och muntligt.
Kursinnehåll
Avancerade koncept i molnberäkningar såsom orkestrering av programbehållare (containers) och automatisering. Teori och ramverk för skalbar hantering och analys av dataströmmar såsom Apache Pulsar. Driftsättning och användande av ramverk för distribuerad maskininlärning. Mjukvara och system för konstruktion av molnnativa workflows för kontinuerlig modellering, övervakning och produktionssättning av modeller. Livscykelhantering av maskininlärningsmodeller.
Förutsättningar
120 hp. Genomgången Data engineering I. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)