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.
Этот курс входит в специализацию ''Специализация Большие данные'
Machine Learning With Big Data
от партнера
Об этом курсе
Недавно просмотрено: 71,463
Карьерные результаты учащихся
42%
начал новую карьеру, пройдя эти курсы
41%
получил значимые преимущества в карьере благодаря этому курсу
14%
стал больше зарабатывать или получил повышение
Приобретаемые навыки
Machine Learning ConceptsKnimeMachine LearningApache Spark
Карьерные результаты учащихся
42%
начал новую карьеру, пройдя эти курсы
41%
получил значимые преимущества в карьере благодаря этому курсу
14%
стал больше зарабатывать или получил повышение
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
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Прибл. 16 часа на выполнение
Предполагаемая нагрузка: 5 Weeks, 3 - 5 hours per week
Английский
Субтитры: Английский, Корейский, Китайский (упрощенное письмо)
Программа курса: что вы изучите
24 минуты на завершение
Welcome
24 минуты на завершение
2 видео ((всего 14 мин.))
2 видео
Summary of Big Data Integration and Processing10мин
3 ч. на завершение
Introduction to Machine Learning with Big Data
3 ч. на завершение
7 видео ((всего 45 мин.)), 7 материалов для самостоятельного изучения, 1 тест
7 видео
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 материала 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
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 материала 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 практического 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 практического упражнения
Data Preparation25мин
Handling Missing Values in KNIME and Spark Quiz20мин
4 ч. на завершение
Classification
4 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 материала 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 практического упражнения
Classification20мин
Classification in KNIME and Spark Quiz16мин
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
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 материала 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 практического упражнения
Model Evaluation20мин
Model Evaluation in KNIME and Spark Quiz16мин
Лучшие отзывы о курсе Machine Learning With Big Data
Excellent course, I learned a lot about machine learning with big data, but most importantly I feel ready to take it into more complex level although I realized there is lots to learn.
This is starting course for Machine Learning. Very well explained and after finishing this course, one will get interest in continuing and exploring further in Machine Learning field.
О 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.
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?
Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.
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.
Какие правила возврата средств?
Можно ли получить финансовую помощь?
Остались вопросы? Посетите Центр поддержки учащихся.