Этот курс входит в специализацию ''Специализация Большие данные'

4.6
звезд
Оценки: 2,370

Mai Nguyen и еще 1 преподаватель

61 948 уже зарегистрированы

от партнера

Специализация Большие данныеКалифорнийский университет в Сан-Диего

Об этом курсе

Недавно просмотрено: 19 795

Want to make sense of the volumes of data you have collected?  Need to incorporate data-driven decisions into your process?  This course provides an overview of machine learning techniques to explore, analyze, and leverage data.  You will be introduced to tools and algorithms you can use to create machine learning models that learn from data, and to scale those models up to big data problems.
At the end of the course, you will be able to:
•	Design an approach to leverage data using the steps in the machine learning process.
•	Apply machine learning techniques to explore and prepare data for modeling.
•	Identify the type of machine learning problem in order to apply the appropriate set of techniques.
•	Construct models that learn from data using widely available open source tools.
•	Analyze big data problems using scalable machine learning algorithms on Spark.

Software Requirements: 
Cloudera VM, KNIME, Spark

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 4 из 6 в программе

Специализация Большие данные

Прибл. 22 часа на выполнение

Английский

Субтитры: Арабский, Французский, Португальский (Европа), Китайский (упрощенное письмо), Итальянский, Вьетнамский, Корейский, Немецкий, Русский, Английский, Испанский

Приобретаемые навыки

Machine Learning Concepts
Knime
Machine Learning
Apache Spark

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.

Сертификат, ссылками на который можно делиться с другими людьми

Получите сертификат по завершении

100% онлайн

Начните сейчас и учитесь по собственному графику.

Курс 4 из 6 в программе

Специализация Большие данные

Прибл. 22 часа на выполнение

Английский

Преподаватели

Оценка преподавателя

4,81/5 (оценок: 227)

Mai Nguyen

Lead for Data Analytics

San Diego Supercomputer Center

61 948 учащихся

1 курс

Ilkay Altintas

Chief Data Science Officer

San Diego Supercomputer Center

429 445 учащихся

12 курсов

от партнера

Калифорнийский университет в Сан-Диего

UC San Diego is an academic powerhouse and economic engine, recognized as one of the top 10 public universities by U.S. News and World Report. Innovation is central to who we are and what we do. Here, students learn that knowledge isn't just acquired in the classroom—life is their laboratory.

Программа курса: что вы изучите

Оценка контента96%(6,267 оценки)

Неделя

Неделя 1

1 ч. на завершение

Welcome

1 ч. на завершение

2 видео ((всего 14 мин.))

4 ч. на завершение

Introduction to Machine Learning with Big Data

4 ч. на завершение

7 видео ((всего 45 мин.)), 7 материалов для самостоятельного изучения, 1 тест

7 видео

Machine Learning Overview8мин

Categories Of Machine Learning Techniques7мин

Machine Learning Process3мин

Goals and Activities in the Machine Learning Process10мин

CRISP-DM5мин

Scaling Up Machine Learning Algorithms5мин

Tools Used in this Course5мин

7 материалов для самостоятельного изучения

Slides: Machine Learning Overview and Applications25мин

Downloading, Installing and Using KNIME1ч

Downloading and Installing the Cloudera VM Instructions (Windows)10мин

Downloading and Installing the Cloudera VM Instructions (Mac)10мин

Instructions for Downloading Hands On Datasets10мин

Instructions for Starting Jupyter10мин

PDFs of Readings for Week 1 Hands-On10мин

1 практическое упражнение

Machine Learning Overview20мин

Неделя

Неделя 2

3 ч. на завершение

Data Exploration

3 ч. на завершение

6 видео ((всего 39 мин.)), 5 материалов для самостоятельного изучения, 2 тестов

6 видео

Data Terminology4мин

Data Exploration4мин

Data Exploration through Summary Statistics7мин

Data Exploration through Plots8мин

Exploring Data with KNIME Plots9мин

Data Exploration in Spark5мин

5 материалов для самостоятельного изучения

Slides: Data Exploration Overview and Terminology10мин

Description of Daily Weather Dataset10мин

Exploring Data with KNIME Plots40мин

Data Exploration in Spark10мин

PDFs of Activities for Data Exploration Hands-On Readings10мин

2 практических упражнения

Data Exploration20мин

Data Exploration in KNIME and Spark Quiz20мин

3 ч. на завершение

Data Preparation

3 ч. на завершение

8 видео ((всего 42 мин.)), 4 материалов для самостоятельного изучения, 2 тестов

8 видео

Data Preparation3мин

Data Quality4мин

Addressing Data Quality Issues4мин

Feature Selection5мин

Feature Transformation5мин

Dimensionality Reduction7мин

Handling Missing Values in KNIME5мин

Handling Missing Values in Spark5мин

4 материала для самостоятельного изучения

Slides: Data Preparation for Machine Learning30мин

Handling Missing Values in KNIME20мин

Handling Missing Values in Spark10мин

PDFs for Data Preparation Hands-On Readings10мин

2 практических упражнения

Data Preparation25мин

Handling Missing Values in KNIME and Spark Quiz20мин

Неделя

Неделя 3

5 ч. на завершение

Classification

5 ч. на завершение

8 видео ((всего 60 мин.)), 7 материалов для самостоятельного изучения, 2 тестов

8 видео

Classification4мин

Building and Applying a Classification Model5мин

Classification Algorithms2мин

k-Nearest Neighbors4мин

Decision Trees13мин

Naïve Bayes14мин

Classification using Decision Tree in KNIME8мин

Classification in Spark6мин

7 материалов для самостоятельного изучения

Slides: What is Classification?10мин

Slides: Classification Algorithms10мин

Classification using Decision Tree in KNIME45мин

Interpreting a Decision Tree in KNIME20мин

Instructions for Changing the Number of Cloudera VM CPUs10мин

Classification in Spark45мин

PDFs for Classification Hands-On Readings10мин

2 практических упражнения

Classification20мин

Classification in KNIME and Spark Quiz30мин

Неделя

Неделя 4

3 ч. на завершение

Evaluation of Machine Learning Models

3 ч. на завершение

7 видео ((всего 42 мин.)), 7 материалов для самостоятельного изучения, 2 тестов

7 видео

Generalization and Overfitting5мин

Overfitting in Decision Trees3мин

Using a Validation Set9мин

Metrics to Evaluate Model Performance10мин

Confusion Matrix7мин

Evaluation of Decision Tree in KNIME3мин

Evaluation of Decision Tree in Spark2мин

7 материалов для самостоятельного изучения

Slides: Overfitting: What is it and how would you prevent it?10мин

Slides: Model evaluation metrics and methods10мин

Evaluation of Decision Tree in KNIME30мин

Completed KNIME Workflows10мин

Evaluation of Decision Tree in Spark20мин

Comparing Classification Results for KNIME and Spark10мин

PDFs for Evaluation of Machine Learning Models Hands-On Readings10мин

2 практических упражнения

Model Evaluation20мин

Model Evaluation in KNIME and Spark Quiz30мин

Рецензии

4.6

Рецензии: 501

5 stars
70,15 %
4 stars
23,98 %
3 stars
4,08 %
2 stars
1,05 %
1 star
0,71 %

Лучшие отзывы о курсе MACHINE LEARNING WITH BIG DATA

от партнера JG24 окт. 2020 г.

Excellent course. It teaches the basics with a great method and with practical exercises, involving real data. The sctructure is clear and it covers a good amount of topics. Well done San Diego!

от партнера JC8 дек. 2018 г.

Interesting material. Ran into several issues with the hands on that could have been avoided. Loved learning more about Neo4J. The section on Spark needed more time and additional descriptions.

от партнера MM29 янв. 2017 г.

This is a valuable course in learning the basics of machine learning. but I was hoping to to get more hands on practice in this course. but overall, i learned a lot with the existing content.

от партнера JB30 окт. 2018 г.

Reasonable overview. The VM environment is a major challenge for my hardware. Takes more time to make it work than it should. I am wondering if a cloud solution e.g. GCP would be better.

Посмотреть все отзывы

Специализация Большие данные: общие сведения

Drive better business decisions with an overview of how big data is organized, analyzed, and interpreted. Apply your insights to real-world problems and questions.

********* Do you need to understand big data and how it will impact your business? This Specialization is for you. You will gain an understanding of what insights big data can provide through hands-on experience with the tools and systems used by big data scientists and engineers. Previous programming experience is not required! You will be guided through the basics of using Hadoop with MapReduce, Spark, Pig and Hive. By following along with provided code, you will experience how one can perform predictive modeling and leverage graph analytics to model problems. This specialization will prepare you to ask the right questions about data, communicate effectively with data scientists, and do basic exploration of large, complex datasets. In the final Capstone Project, developed in partnership with data software company Splunk, you’ll apply the skills you learned to do basic analyses of big data.

Часто задаваемые вопросы

Когда я получу доступ к лекциям и заданиям?
Доступ к лекциям и заданиям предоставляется в зависимости от типа регистрации. Если вы проходите курс в режиме слушателя, то получите бесплатный доступ к большинству материалов курса. Чтобы открыть оцениваемые задания и возможность получить сертификат, необходимо будет приобрести прохождение с сертификатом. Это можно сделать во время прохождения в режиме слушателя или после него. Если вы не видите варианта 'Режим слушателя'.
Курс может не предлагаться в режиме слушателя. Попробуйте бесплатную пробную версию или подайте заявку на финансовую помощь.
Курс предлагаться в режиме 'Полный курс, без сертификата'. В нем можно просматривать все материалы, выполнять обязательные задания и получить итоговую оценку. Приобрести дополнительно прохождение с сертификатом в таком случае нельзя.
Что я получу, оформив подписку на специализацию?
Записавшись на курс, вы получите доступ ко всем курсам в специализации, а также возможность получить сертификат о его прохождении. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.
Можно ли получить финансовую помощь?
Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке "Финансовая помощь" слева под кнопкой "Зарегистрироваться". Заполните форму заявления. Если его примут, вы получите уведомление. Обратите внимание: этот шаг необходимо выполнить для каждого курса специализации, в том числе для дипломного проекта. Подробнее

Остались вопросы? Посетите Центр поддержки учащихся.

Machine Learning With Big Data

Об этом курсе

Приобретаемые навыки