Об этом курсе

Недавно просмотрено: 11,246
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. 30 часов на выполнение
Английский
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. 30 часов на выполнение
Английский

от партнера

Placeholder

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
7 ч. на завершение

Spark MLLib and Linear Models

7 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 beginning30мин
Large scale regression and classification. Detailed analysis30мин
Regularization and Unsupervised Techniques30мин
Spark MLLib and Linear Models30мин
Неделя
2

Неделя 2

4 ч. на завершение

Machine Learning with Texts & Feature Engineering

4 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 Texts30мин
Categorical Features & Feature Interactions30мин
Spark ML Tutorial: Text Processing30мин
Advanced Machine Learning with Texts30мин
Machine Learning with Texts & Feature Engineering30мин
Неделя
3

Неделя 3

9 ч. на завершение

Decision Trees & Ensemble Learning

9 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 Trees30мин
Bootstrap, Bagging and Random Forest30мин
Gradient Boosted Decision Trees30мин
Spark ML Programming Tutorial: Decision Trees & CV30мин
Decision Trees & Ensemble Learning30мин
Неделя
4

Неделя 4

4 ч. на завершение

Recommender Systems

4 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 Engineers30мин
Moderate RecSys for Data Engineers30мин
Advanced RecSys for Data Engineers30мин
Recommender Systems30мин

Рецензии

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

Посмотреть все отзывы

Часто задаваемые вопросы

Остались вопросы? Посетите Центр поддержки учащихся.