v2.11.0 (5762)

Enseignement scientifique & technique - SLR207 : Technologies de calcul parallèle à grande échelle

Domaine > Informatique.

Descriptif

Cet UE permet d’approfondir les notions vues en cours précédemment via un projet informatique pratique.  Le projet sera développé en Java et comprendra des notions de programmation parallèle, repartie, interface graphique, et gestion de données. Le cycle de vie du projet suivra la méthode agile et la gestion de versions se fera via git. Plusieurs sujets seront proposés et discutés avec les encadrants selon les préférences et compétences de chacun/e. 

Objectifs pédagogiques

Objectifs

Cette UE présentera les technologies de l'informatique répartie et large échelle et illustrera les concepts par une implémentation réelle d'un système large échelle.

24 heures en présentiel (16 blocs ou créneaux)

Diplôme(s) concerné(s)

Parcours de rattachement

Pour les étudiants du diplôme Diplôme d'ingénieur

SLR201. Etre capable de développer des applications réparties en Java

Format des notes

Numérique sur 20

Littérale/grade européen

Pour les étudiants du diplôme Diplôme d'ingénieur

Le rattrapage est autorisé (Max entre les deux notes)
    L'UE est acquise si Note finale >= 10
    • Crédits ECTS acquis : 2.5 ECTS
    • Crédit d'UE électives acquis : 2.5

    La note obtenue rentre dans le calcul de votre GPA.

    La note obtenue est classante.

    L'UE est évaluée par les étudiants.

    Pour les étudiants du diplôme Systèmes distribués et parallèles M1

    Le rattrapage est autorisé (Max entre les deux notes)
      L'UE est acquise si Note finale >= 10
      • Crédits ECTS acquis : 2.5 ECTS

      La note obtenue rentre dans le calcul de votre GPA.

      La note obtenue est classante.

      L'UE est évaluée par les étudiants.

      Pour les étudiants du diplôme Echange international non diplomant

      L'UE est acquise si Note finale >= 10
      • Crédits ECTS acquis : 2.5 ECTS

      La note obtenue rentre dans le calcul de votre GPA.

      Programme détaillé

      Contenu

      * Connaître les notions de large échelle, de parallélisation, de virtualisation, d'élasticité, de réseau de recouvrement, d'autonomic computing et leurs applications pour le cloud computing.

      * Manipuler les services cloud sur un fournisseur particulier (par exemple Amazon).

      * Comprendre les concepts de MapReduce

      * Implémenter MapReduce en simulation locale et sur le cloud Amazon

      Méthodes pédagogiques

      Leçons, TPs guidés et interactifs
      Veuillez patienter