新南威尔士大学COMP9313课程介绍了管理大数据所涉及的核心概念和技术。详细来说，课程首先介绍了大数据和大数据分析的特点。然后研究了开源大数据管理框架Hadoop。主要集中在Hadoop MapReduce的学习上，HDFS、HBase、Hive都有所涉及。课程还探索了一个开源的基于内存的分布式计算框架Spark。课程的另一个重点是基于大数据管理框架的大规模数据集的算法设计，涉及多个领域，如链接分析、数据流挖掘、图形数据处理和推荐系统。很多同学会问，COMP9313这门课如何才能避免挂科？下面是一些小Tips。
一、明确课程目标
COMP9313旨在介绍大数据背后的概念、管理大规模数据集时使用的核心技术，以及开发大规模数据分析问题解决方案的一系列技术。
课程面向的是希望了解现代大规模数据分析系统的学生。涵盖了广泛的主题和技术，将帮助学生做好构建此类系统的准备，并依此来高效地应对大数据管理中的挑战。
二、掌握假定知识
这门课的先决条件是COMP9024和COMP9311。课程开始之前，学生应该：
1、具有算法设计的经验和良好的知识(相当于COMP9024)；
2、具有扎实的数据库系统知识(相当于COMP9311)；
3、具有扎实的Java编程技能(或Python)；
4、熟悉Unix风格的操作系统(非常重要)；
5、具备线性代数(如向量空间、矩阵乘法)、概率论、统计学和图论的基础知识。
三、把握课程关键
1、Hadoop MapReduce
2、Spark
3、流数据挖掘
4、NoSQL、HBase和Hive
5、推荐系统
四、了解评估重点
课程将通过以下方式对同学进行评估：Coding Project 1-3(10%、15%、20%)，Assignment(5%)，Final Exam(50%)。因此要清楚地了解评估的重点：
1、描述大数据的重要特征；
2、为大数据存储库开发适当的存储结构；
3、利用map/reduce范式和Spark平台来处理大数据；
4、使用高级查询语言处理大数据；
5、为涉及大数据的分析问题开发高效的解决方案。
整体来讲，新南威尔士大学COMP9313这门课程包括讲座和实际工作。讲座旨在总结概念和介绍案例研究。实验练习的目的是巩固课堂上所涉及的主题(不进行评估)，而作业和项目的目的也是一样的(要进行评估)。课程将着重于解决大规模数据集的问题。如果同学能明确课程目标、掌握假定知识、把握课程关键内容，了解课程评估重点，并基于此来规划学习，应该就可以最大程度地避免挂科。