Le deuxième module "Big Data & Hadoop" se concentre sur les caractéristiques et les opérations de Hadoop, qui est le système original de big data utilisé par Google. Les cours expliquent la fonctionnalité de MapReduce, HDFS (Hadoop Distributed FileSystem) et le traitement des blocs de données. Ces fonctions sont exécutées sur un cluster de nœuds qui se voient attribuer le rôle de NameNode ou de DataNodes, où le traitement des données est effectué par le JobTracker et le TaskTracker, qui sont expliqués dans les cours. En outre, les caractéristiques des types de métadonnées et les différences entre les processus d'analyse des données de Hadoop et de SQL (Structured Query Language) sont expliquées. Ensuite, la série de versions Hadoop est présentée et comprend les descriptions de la technologie big data Hadoop YARN (Yet Another Resource Negotiator), HDFS Federation et HDFS HA (High Availability).

Le troisième module "Spark" se concentre sur les opérations et les caractéristiques de Spark, qui est actuellement la technologie big data la plus populaire au monde. La conférence couvre d'abord les différences entre les caractéristiques d'analyse de données de Spark et de Hadoop, puis les caractéristiques du traitement de big data Spark basé sur les unités centrales RDD (Resilient Distributed Datasets), Spark Core, Spark SQL, Spark Streaming, MLlib (Machine Learning Library), et GraphX. Les détails des caractéristiques des étapes Spark DAG (Directed Acyclic Graph) et des processus de pipeline qui sont formés sur la base des transformations et des actions Spark sont expliqués. En particulier, la définition et les avantages des transformations paresseuses et des opérations DAG sont décrits, ainsi que les caractéristiques des variables Spark et de la sérialisation. En outre, le processus des opérations de cluster Spark basées sur Mesos, Standalone et YARN est introduit.

Le quatrième module "Spark ML & Streaming" se concentre sur le fonctionnement de Spark ML (Machine Learning) et sur la manière dont les opérations de streaming Spark sont menées. Les algorithmes Spark ML comprennent la featurisation, les pipelines, la persistance et les utilitaires qui opèrent sur les RDD (Resilient Distributed Datasets) pour extraire des informations des énormes ensembles de données. Les conférences expliquent les caractéristiques de l'API basée sur le DataFrame, qui est la principale API ML dans le package spark.ml. Les algorithmes statistiques de base de Spark ML basés sur la corrélation et les tests d'hypothèse (valeur P) sont d'abord introduits, suivis par les algorithmes de classification et de régression de Spark ML basés sur des modèles linéaires, des Bayes naïfs et des techniques d'arbre de décision. Ensuite, les caractéristiques du streaming Spark, l'entrée et la sortie du streaming, ainsi que les types de récepteurs de streaming (qui incluent le basique, le personnalisé et l'avancé) sont expliqués, suivis par la façon dont le processus de streaming Spark et DStream (Discretized Stream) permettent des opérations de streaming de big data pour des applications en temps réel et en temps quasi-réel.

Le cinquième module "Storm" se concentre sur les caractéristiques et les opérations des systèmes de big data Storm. La conférence couvre d'abord les différences entre les caractéristiques d'analyse des données des technologies Storm, Spark et Hadoop. Ensuite, les caractéristiques du traitement des big data Storm basées sur le nimbus, les spouts et les bolts sont décrites, suivies des détails sur les flux Storm, le superviseur et ZooKeeper. D'autres détails sur les spouts et les bolts fiables et non fiables de Storm sont fournis, suivis des avantages de Storm DAG (Directed Acyclic Graph) et de la gestion de la file d'attente des flux de données. En outre, les avantages de l'utilisation de Storm pour les applications rapides en temps réel, qui comprennent l'analyse en temps réel, l'apprentissage automatique en ligne, le calcul continu, DRPC (Distributed Remote Procedure Call) et ETL (Extract, Transform, Load) sont présentés.

Le sixième et dernier module "IBM SPSS Statistics Project" se concentre sur l'acquisition d'une expérience sur l'un des systèmes d'analyse statistique des données les plus célèbres et les plus largement utilisés dans le monde. L'exposé commence par la configuration et l'utilisation d'IBM SPSS Statistics, puis décrit comment IBM SPSS Statistics peut être utilisé pour acquérir de l'expérience en matière d'analyse de données d'entreprise. Ensuite, les résultats statistiques du traitement des données de deux projets basés sur l'utilisation du système big data d'IBM SPSS Statistics sont présentés. Les projets sont menés afin que l'étudiant puisse découvrir de nouvelles façons d'utiliser, d'analyser et de dessiner des graphiques de la relation entre les ensembles de données, et aussi de comparer les résultats statistiques en utilisant IBM SPSS Statistics.