このコースについて
13,579 最近の表示

次における5の3コース

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

上級レベル

約77時間で修了

推奨:5 weeks of study, 6-8 hours/week...

英語

字幕:英語

次における5の3コース

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

上級レベル

約77時間で修了

推奨:5 weeks of study, 6-8 hours/week...

英語

字幕:英語

シラバス - 本コースの学習内容

1
7分で修了

Welcome

5件のビデオ (合計7分)
5件のビデオ
Course Structure1 分
Meet Alexey2 分
Meet Pavel37
Meet Ilya1 分
1時間で修了

(Optional) Machine Learning: Introduction

6件のビデオ (合計43分), 1 reading
6件のビデオ
(Optional) Basic concepts11 分
(Optional) Types of problems and tasks5 分
(Optional) Supervised learning7 分
(Optional) Unsupervised learning6 分
(Optional) Business applications of the machine learning4 分
1件の学習用教材
Slack Channel is the quickest way to get answer to your question10 分
5時間で修了

Spark MLLib and Linear Models

11件のビデオ (合計94分), 3 readings, 5 quizzes
11件のビデオ
First example. Linear regression10 分
How MLlib library is arranged10 分
How to train algorithms. Gradient descent method9 分
How to train algorithms. Second order methods8 分
Large scale classification. Logistic regression12 分
Regularization8 分
PCA decomposition9 分
K-means clustering7 分
How to submit your first assignment3 分
How to Install Docker on Windows 7, 8, 104 分
3件の学習用教材
Grading System: Instructions and Common Problems10 分
Docker Installation Guide10 分
Assignments. General requirements10 分
4の練習問題
Large scale machine learning. The beginning14 分
Large scale regression and classification. Detailed analysis10 分
Regularization and Unsupervised Techniques10 分
Spark MLLib and Linear Models18 分
2
2時間で修了

Machine Learning with Texts & Feature Engineering

12件のビデオ (合計70分), 5 quizzes
12件のビデオ
Welcome1 分
Feature Engineering for Texts, part 17 分
Feature Engineering for Texts, part 25 分
N-grams4 分
Hashing trick6 分
Categorical Features6 分
Feature Interactions2 分
Spark ML. Feature Engineering for Texts, part 17 分
Spark ML. Feature Engineering for Texts, part 25 分
Spark ML. Categorical Features3 分
Topic Modeling. LDA.7 分
Word2Vec11 分
5の練習問題
Feature Enginering for Texts16 分
Categorical Features & Feature Interactions6 分
Spark ML Tutorial: Text Processing6 分
Advanced Machine Learning with Texts8 分
Machine Learning with Texts & Feature Engineering20 分
3
6時間で修了

Decision Trees & Ensemble Learning

13件のビデオ (合計64分), 6 quizzes
13件のビデオ
Welcome1 分
Decision Trees Basics4 分
Decision Trees for Regression6 分
Decision Trees for Classification3 分
Decision Trees: Summary1 分
Bootstrap & Bagging8 分
Random Forest6 分
Gradient Boosted Decision Trees: Intro & Regression7 分
Gradient Boosted Decision Trees: Classification6 分
Stochastic Boosting1 分
Gradient Boosted Decision Trees: Usage Tips & Summary3 分
Spark ML. Decision Trees & Ensembles6 分
Spark ML. Cross-validation3 分
5の練習問題
Decision Trees16 分
Bootstrap, Bagging and Random Forest6 分
Gradient Boosted Decision Trees10 分
Spark ML Programming Tutorial: Decision Trees & CV6 分
Decision Trees & Ensemble Learning16 分
4
3時間で修了

Recommender Systems

15件のビデオ (合計118分), 1 reading, 4 quizzes
15件のビデオ
Recommender Systems, Introduction. Part II4 分
Non-Personalized Recommender Systems9 分
Content-Based Recommender Systems8 分
Recommender System Evaluation10 分
Collaborative Filtering RecSys: User-User and Item-Item10 分
RecSys: SVD I7 分
RecSys: SVD II8 分
RecSys: SVD III5 分
RecSys: MF I7 分
RecSys: MF II6 分
RecSys: iALS I6 分
RecSys: iALS II11 分
RecSys: Hybrid I7 分
RecSys: Hybrid II7 分
1件の学習用教材
Recommender Systems. Spark Assignment10 分
4の練習問題
Basic RecSys for Data Engineers14 分
Moderate RecSys for Data Engineers10 分
Advanced RecSys for Data Engineers4 分
Recommender Systems16 分

講師

Avatar

Alexey A. Dral

Founder and Chief Executive Officer
BigData Team
Avatar

Evgeny Frolov

Data Scientist, PhD Student @Skoltech
Computational and Data Intensive Science and Engineering
Avatar

Ilya Trofimov

Principal Data Scientist
Yandex

Yandexについて

Yandex is a technology company that builds intelligent products and services powered by machine learning. Our goal is to help consumers and businesses better navigate the online and offline world....

Big Data for Data Engineers専門講座について

This specialization is made for people working with data (either small or big). If you are a Data Analyst, Data Scientist, Data Engineer or Data Architect (or you want to become one) — don’t miss the opportunity to expand your knowledge and skills in the field of data engineering and data analysis on the large scale. In four concise courses you will learn the basics of Hadoop, MapReduce, Spark, methods of offline data processing for warehousing, real-time data processing and large-scale machine learning. And Capstone project for you to build and deploy your own Big Data Service (make your portfolio even more competitive). Over the course of the specialization, you will complete progressively harder programming assignments (mostly in Python). Make sure, you have some experience in it. This course will master your skills in designing solutions for common Big Data tasks: - creating batch and real-time data processing pipelines, - doing machine learning at scale, - deploying machine learning models into a production environment — and much more! Join some of best hands-on big data professionals, who know, their job inside-out, to learn the basics, as well as some tricks of the trade, from them. Special thanks to Prof. Mikhail Roytberg (APT dept., MIPT), Oleg Sukhoroslov (PhD, Senior Researcher, IITP RAS), Oleg Ivchenko (APT dept., MIPT), Pavel Akhtyamov (APT dept., MIPT), Vladimir Kuznetsov, Asya Roitberg, Eugene Baulin, Marina Sudarikova....
Big Data for Data Engineers

よくある質問

  • 修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題(該当する場合)にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。

  • コースに登録する際、専門講座のすべてのコースにアクセスできます。コースの完了時には修了証を取得できます。電子修了証が成果のページに追加され、そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。