Calvin Candie
Вечный
Calvin Candie
Вечный
- 2 Сен 2018
- 24,475
- 178
Автор: Нетология
Название: Big Data: основы работы с большими массивами данных (2017)
Описание: В рамках данного курса мы ставили себе задачу дать необходимый уровень знаний и навыков, чтобы максимально снизить барьер вхождения в новую компетенцию. Курс наиболее полно охватывает концепцию больших данных, включая ее технические, бизнес и организационные стороны.
Программа.
1. Что такое большие данные
История появления науки о данных, определения и термины. Зарождение эры больших данных. Машинные данные и способы их получения, интеграция разнородных данных. Получение больших данных, типы данных. Способы применения больших данных и построение стратегий на их основе. Реализация проектов с использованием больших данных.
2. Методы анализа больших данных
Основные характеристики больших данных, типы анализа данных. Основные понятия теории машинного обучения. Классы моделей в машинном обучении, дескриптивный анализ. A/B-тестирование и оптимизация. Основные и продвинутые методы анализа больших данных. Процесс создания модели в машинном обучении.
3. Основы систем больших данных
Основы программирования для работы с большими массивами данных. Основы архитектуры хранения и обработки больших данных, виды обработки (batch/real-time), инструментарий аналитики больших данных. Основы работы в Hadoop и NoSQL.
Скачать:
Название: Big Data: основы работы с большими массивами данных (2017)
Описание: В рамках данного курса мы ставили себе задачу дать необходимый уровень знаний и навыков, чтобы максимально снизить барьер вхождения в новую компетенцию. Курс наиболее полно охватывает концепцию больших данных, включая ее технические, бизнес и организационные стороны.
Программа.
1. Что такое большие данные
История появления науки о данных, определения и термины. Зарождение эры больших данных. Машинные данные и способы их получения, интеграция разнородных данных. Получение больших данных, типы данных. Способы применения больших данных и построение стратегий на их основе. Реализация проектов с использованием больших данных.
2. Методы анализа больших данных
Основные характеристики больших данных, типы анализа данных. Основные понятия теории машинного обучения. Классы моделей в машинном обучении, дескриптивный анализ. A/B-тестирование и оптимизация. Основные и продвинутые методы анализа больших данных. Процесс создания модели в машинном обучении.
3. Основы систем больших данных
Основы программирования для работы с большими массивами данных. Основы архитектуры хранения и обработки больших данных, виды обработки (batch/real-time), инструментарий аналитики больших данных. Основы работы в Hadoop и NoSQL.
Скачать:
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.
