Examine les méthodes quantitatives d'enquête sur la mobilité et l'urbanisme, y compris les dénombrements de la circulation et les enquêtes sur les transports publics, complétées par des approches qualitatives.
Présentation d'Apache Spark, couvrant son architecture, ses RDD, ses transformations, ses actions, sa tolérance aux pannes, ses options de déploiement et ses exercices pratiques dans les blocs-notes Jupyter.
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 la restructuration urbaine dans les villes africaines, en mettant l'accent sur la volonté politique, les approches participatives et les considérations sociales.
Souligne l’importance de la préparation aux données dans les interventions en cas de catastrophe et explore des stratégies pour combler les lacunes et les surcharges en matière d’information.
Introduit les bases de l'apprentissage automatique, couvrant l'apprentissage supervisé et non supervisé, la régression linéaire et la compréhension des données.
