Pазработчик BigData (2018)

В результате прохождения курса слушатель сможет самостоятельно реализовывать весь процесс от поиска знаний в данных до построения процесса по обработке данных в боевом окружении, будет обладать знаниями, необходимыми для изучения более сложных методов машинного обучения.

Содержание:

1. Базовые инструменты анализа данных в Python
2. Вводная в математические операции
3. Визуализация
4. Линейная регрессия
5. Логистическая регрессия
6. KNN, наивный байес
7. kMeans, EM
8. Иерархическая кластеризация, DB-Scan
9. Feature engineering
10. Поиск выбросов в данных
11. Уменьшение размерности
12. Методы оптимизации
13. Деревья решений
14. Ансамбли моделей
15. Бустинг
16. SVM, Support vector machine
17. Анализ текстовых данных
18. Анализ текстовых данных 2
19. Рекомендательные системы
20. Временные ряды
21. Latent Dirichlet Allocation
22. Нейронные сети, часть 1
23. Нейронные сети, часть 2
24. Алгоритмы на графах
25. Процесс CRISP-DM. Выбор хранилища, запросы к базе (Реляционная, нереляционная). Большие данные и параллельные вычисления
26. Vowpal Wabbit для обучения линейных моделей на одной машине
27. MapReduce на Java, Hadoop Streaming — MapReduce на Python, bash
28. Пайплайны. Способы выстроить поток задач, обеспечить выполнение. Отказоустойчивость, мониторинг
29. Слои данных для оптимизации процессов использования данных. Hive
30. Организация хранения данных для решения задач машинного обучения
31. Spark
32. Обзор решений для аналитики больших данных

Автор: Коллектив
Язык:русский

Формат: MP4 (+ доп. файлы)
Видео: AVC, 1280x720, ~154 Kbps
Аудио: AAC, 126 Kbps, 48.0 KHz

 

Скачать обучающее видео "Pазработчик BigData" (14,28 ГБ):