Об этом курсе
4.1
Оценки: 21
Рецензии: 5
Специализация
100% online

100% online

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Часов на завершение

Прибл. 11 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 3-4 hours/week...
Доступные языки

Английский

Субтитры: Английский...

Приобретаемые навыки

Python ProgrammingR ProgrammingData AnalysisData WranglingStatistics
Специализация
100% online

100% online

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Часов на завершение

Прибл. 11 часа на выполнение

Предполагаемая нагрузка: 6 weeks of study, 3-4 hours/week...
Доступные языки

Английский

Субтитры: Английский...

Программа курса: что вы изучите

Неделя
1
Часов на завершение
25 минуты на завершение

Project A: Blight Fight

In this project, you will build a model to predict when a building is likely to be condemned. The data is real, the problem is real, and the impact is real. ...
Reading
2 материалов для самостоятельного изучения
Reading2 материала для самостоятельного изучения
Get the Data10мин
Understand the Domain10мин
Неделя
2
Часов на завершение
2 ч. на завершение

Week 2: Derive a list of buildings

You are given sets of incidents with location information; you need to use some assumptions to group these incidents by location to identify specific buildings....
Reading
1 материал для самостоятельного изучения, 1 тест
Reading1 материал для самостоятельного изучения
Milestone: Create a list of "buildings" from a list of geo-located incidents10мин
Неделя
3
Часов на завершение
2 ч. на завершение

Week 3: Construct a training dataset

Construct a training set by associating each of your buildings with a ground truth label derived from the permit data....
Reading
1 материал для самостоятельного изучения, 1 тест
Reading1 материал для самостоятельного изучения
Milestone: Derive labels for each building10мин
Неделя
4
Часов на завершение
2 ч. на завершение

Week 4: Train and evaluate a simple model

Use a trivial feature set to train and evaluate a simple model...
Reading
1 материал для самостоятельного изучения, 1 тест
Reading1 материал для самостоятельного изучения
Milestone: Train a Simple Model10мин

Преподаватель

Avatar

Bill Howe

Director of Research
Scalable Data Analytics

О University of Washington

Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world....

О специализации ''Data Science at Scale'

Learn scalable data management, evaluate big data technologies, and design effective visualizations. This Specialization covers intermediate topics in data science. You will gain hands-on experience with scalable SQL and NoSQL data management solutions, data mining algorithms, and practical statistical and machine learning concepts. You will also learn to visualize data and communicate results, and you’ll explore legal and ethical issues that arise in working with big data. In the final Capstone Project, developed in partnership with the digital internship platform Coursolve, you’ll apply your new skills to a real-world data science project....
Data Science at Scale

Часто задаваемые вопросы

  • 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.

  • 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.

Остались вопросы? Посетите Центр поддержки учащихся.