Промышленный Machine Learning на больших данных (2020)

Представляем вам практический курс по инструментам и технологиям работы с большими данными. Вы освоите все необходимые навыки машинного обучения для потоковых данных и распределенной среды. В программу включены необходимые знания из областей Data Science и Data Engineering, которые позволят вам обрабатывать большие данные и писать распределенные алгоритмы на Spark.

Содержание:

1. Градиентный спуск и линейные модели
2. Обзор основных методов и метрик машинного обучения
3. Основы программирования на Scala
4. Распределенные хранилища
5. Эволюция параллельных алгоритмов
6. Менеджеры ресурсов в распределенных системах
7. Основы Apache Spark
8. Эволюция параллельных алгоритмов №2
9. Перенос МЛ-алгоритмов в распределенную среду
10. ML в Apache Spark
11. Разработка собственных блоков для SparkML
12. Сторонние библиотеки для использования со Spark
13. Оптимизация гиперпараметров и AutoML
14. Потоковая обработка данных
15. Spark Streaming
16. Структурный и непрерывный стриминг в Spark
17. Альтернативные потоковые фреймворки
18. Определение цели МЛ-проекта и предварительный анализ
19. Долгосрочные ML-цели на примере задачи уменьшения оттока
20. А-Б тестирование 1
21. А-Б тестирование 2
22. Подходы к выводу ML-решений в продакшн
23. Версионирование, воспроизводимость и мониторинг
24. Онлайн-сервинг моделей
25. Паттерны асинхронного потокового ML и ETL
26. Если надо Python
27. Альтернативные фреймворки с поддержкой Python
28. Production Code на Python. Организация и Packaging кода
29. REST-архитектура - Flask API
30. Docker - Структура, применение, деплой
31. Amazon Sagemaker
32. AWS ML Service
33. Нейросети
34. Распределенное обучение и инференс нейросетей
35. Градиентный бустинг на деревьях

Автор: Дмитрий Бугайченко и др.
Язык: русский
Продолжительность: 61:33:51

Формат: MP4 (+доп.файлы)
Видео: AVC, ~1684x900, ~1684 Kbps
Аудио: AAC, 128 Kbps, 48.0 KHz

 

Скачать обучающее видео "Промышленный Machine Learning на больших данных" (8,32 ГБ):