Об этом курсе

Недавно просмотрено: 9,814
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Продвинутый уровень
Прибл. 21 час на выполнение
Английский
Субтитры: Английский, Корейский
Сертификат, ссылками на который можно делиться с другими людьми
Получите сертификат по завершении
100% онлайн
Начните сейчас и учитесь по собственному графику.
Гибкие сроки
Назначьте сроки сдачи в соответствии со своим графиком.
Продвинутый уровень
Прибл. 21 час на выполнение
Английский
Субтитры: Английский, Корейский

от партнера

Логотип Яндекс

Яндекс

Программа курса: что вы изучите

Неделя
1

Неделя 1

7 минут на завершение

Welcome

7 минут на завершение
5 видео ((всего 7 мин.))
5 видео
Course Structure1мин
Meet Alexey2мин
Meet Pavel37
Meet Ilya1мин
1 ч. на завершение

(Optional) Machine Learning: Introduction

1 ч. на завершение
6 видео ((всего 43 мин.)), 1 материал для самостоятельного изучения
6 видео
(Optional) Basic concepts11мин
(Optional) Types of problems and tasks5мин
(Optional) Supervised learning7мин
(Optional) Unsupervised learning6мин
(Optional) Business applications of the machine learning4мин
1 материал для самостоятельного изучения
Slack Channel is the quickest way to get answer to your question10мин
5 ч. на завершение

Spark MLLib and Linear Models

5 ч. на завершение
11 видео ((всего 94 мин.)), 3 материалов для самостоятельного изучения, 5 тестов
11 видео
First example. Linear regression10мин
How MLlib library is arranged10мин
How to train algorithms. Gradient descent method9мин
How to train algorithms. Second order methods8мин
Large scale classification. Logistic regression12мин
Regularization8мин
PCA decomposition9мин
K-means clustering7мин
How to submit your first assignment3мин
How to Install Docker on Windows 7, 8, 104мин
3 материала для самостоятельного изучения
Grading System: Instructions and Common Problems10мин
Docker Installation Guide10мин
Assignments. General requirements10мин
4 практических упражнения
Large scale machine learning. The beginning14мин
Large scale regression and classification. Detailed analysis10мин
Regularization and Unsupervised Techniques10мин
Spark MLLib and Linear Models18мин
Неделя
2

Неделя 2

2 ч. на завершение

Machine Learning with Texts & Feature Engineering

2 ч. на завершение
12 видео ((всего 70 мин.))
12 видео
Welcome1мин
Feature Engineering for Texts, part 17мин
Feature Engineering for Texts, part 25мин
N-grams4мин
Hashing trick6мин
Categorical Features6мин
Feature Interactions2мин
Spark ML. Feature Engineering for Texts, part 17мин
Spark ML. Feature Engineering for Texts, part 25мин
Spark ML. Categorical Features3мин
Topic Modeling. LDA.7мин
Word2Vec11мин
5 практических упражнений
Feature Enginering for Texts16мин
Categorical Features & Feature Interactions6мин
Spark ML Tutorial: Text Processing6мин
Advanced Machine Learning with Texts8мин
Machine Learning with Texts & Feature Engineering20мин
Неделя
3

Неделя 3

6 ч. на завершение

Decision Trees & Ensemble Learning

6 ч. на завершение
13 видео ((всего 64 мин.))
13 видео
Welcome1мин
Decision Trees Basics4мин
Decision Trees for Regression6мин
Decision Trees for Classification3мин
Decision Trees: Summary1мин
Bootstrap & Bagging8мин
Random Forest6мин
Gradient Boosted Decision Trees: Intro & Regression7мин
Gradient Boosted Decision Trees: Classification6мин
Stochastic Boosting1мин
Gradient Boosted Decision Trees: Usage Tips & Summary3мин
Spark ML. Decision Trees & Ensembles6мин
Spark ML. Cross-validation3мин
5 практических упражнений
Decision Trees16мин
Bootstrap, Bagging and Random Forest6мин
Gradient Boosted Decision Trees10мин
Spark ML Programming Tutorial: Decision Trees & CV6мин
Decision Trees & Ensemble Learning16мин
Неделя
4

Неделя 4

3 ч. на завершение

Recommender Systems

3 ч. на завершение
15 видео ((всего 118 мин.)), 1 материал для самостоятельного изучения, 4 тестов
15 видео
Recommender Systems, Introduction. Part II4мин
Non-Personalized Recommender Systems9мин
Content-Based Recommender Systems8мин
Recommender System Evaluation10мин
Collaborative Filtering RecSys: User-User and Item-Item10мин
RecSys: SVD I7мин
RecSys: SVD II8мин
RecSys: SVD III5мин
RecSys: MF I7мин
RecSys: MF II6мин
RecSys: iALS I6мин
RecSys: iALS II11мин
RecSys: Hybrid I7мин
RecSys: Hybrid II7мин
1 материал для самостоятельного изучения
Recommender Systems. Spark Assignment10мин
4 практических упражнения
Basic RecSys for Data Engineers14мин
Moderate RecSys for Data Engineers10мин
Advanced RecSys for Data Engineers4мин
Recommender Systems16мин

Рецензии

Лучшие отзывы о курсе BIG DATA APPLICATIONS: MACHINE LEARNING AT SCALE

Посмотреть все отзывы

Часто задаваемые вопросы

  • Access to lectures and assignments depends on your type of enrollment. If you take a course in audit mode, you will be able to see most course materials for free. To access graded assignments and to earn a Certificate, you will need to purchase the Certificate experience, during or after your audit. If you don't see the audit option:

    • The course may not offer an audit option. You can try a Free Trial instead, or apply for Financial Aid.
    • The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.
  • Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. 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.

  • Средства можно вернуть в течение двух недель с момента оплаты или (для только что начавшихся курсов) в течение двух недель после первой сессии, в зависимости от того, какое событие наступит позже. Средства не возвращаются после получения сертификата о прохождении курса, даже если вы закончили курс в течение двухнедельного гарантийного срока. Ознакомьтесь с нашей политикой возврата средств.

  • Да, Coursera предоставляет финансовую помощь учащимся, которые не могут оплатить обучение. Чтобы подать заявление, перейдите по ссылке 'Финансовая помощь' слева под кнопкой 'Зарегистрироваться' и заполните форму. Если его примут, вы получите уведомление. Подробнее

Остались вопросы? Посетите Центр поддержки учащихся.