数据分析已取代数据采集，成为基于证据的决策制定的瓶颈--我们正被数据分析所淹没。 从大型、异构和嘈杂的数据集中提取知识不仅需要强大的计算资源，还需要有效使用这些资源的编程抽象。 过去十年中出现的抽象概念融合了并行数据库、分布式系统和编程语言的思想，创建了一类新的可扩展数据分析平台，为现实规模的数据科学奠定了基础。 在本课程中，您将了解相关系统的概况、它们所依赖的原理、它们之间的权衡，以及如何根据您的要求评估它们的效用。您将了解实用系统是如何从计算机科学的前沿研究中衍生出来的，以及哪些系统即将出现在地平线上。 您还将了解数据科学的历史和背景、该术语所蕴含的技能、挑战和方法，以及如何构建数据科学项目。 在本课程结束时，您将能够： 学习目标：

1.描述与数据科学项目相关的常见模式、挑战和方法，以及它们与相关领域项目的不同之处。2. 识别并使用与可扩展数据操作相关的编程模型，包括关系代数、mapreduce 和其他数据流模型。使用适用于大规模分析的数据库技术，包括推动并行数据库、并行查询处理和数据库内分析的概念 4.评估键值存储和 NoSQL 系统，描述它们与同类系统的权衡、该领域重要实例的细节和未来趋势。用 MapReduce 进行 "思考"，为 Hadoop 和 Spark 等系统有效地编写算法。 您将了解它们的局限性、设计细节、与数据库的关系，以及与之相关的算法、扩展和语言生态系统。描述针对图、数组和流的专业大数据系统的情况