Курс находится на модерации. Данные могут быть неактуальны.
Тип обучения
Тип обучения
Курс
Зач. единицы
Зач. единицы
3
Сертификат
Сертификат
1 800 ₽ для получения

Стоимость курса

бесплатно
нет рассрочки
С развитием информационных технологий для получения, хранения и обработки данных понятие больших данных (Big Data) прочно вошло в нашу жизнь. Современные вычислительные мощности позволяют получать и анализировать огромные объемы данных во всех сферах деятельности. Организации из различных отраслей промышленности заинтересованы в решении задач выявления ценной информации и скрытых зависимостей из большого массива генерируемых данных для увеличения прибыли. Данный курс предоставляет теоретические и практические знания о больших данных, аналитике данных и инструментах по работе с большими данными. Курс обучает эффективному использованию полученных знаний на конкретных примерах. Дается обзор и проходит обучение пользованием основными методами аналитики больших данных. Формируется умение использовать современные технологии и инструментальные средства по работе с большими данными (Hadoop, MapReduce, Spark, NoSQL, язык R и др.)

Вас будут обучать

Кандидат технических наук Должность: Директор Высшей школы программной инженерии.

Кандидат технических наук Должность: Доцент Высшей школы программной инженерии.

Кандидат технических наук Должность: Доцент Высшей школы программной инженерии.

Образовательная организация

Политехнический университет многофункциональное государственное высшее учебное заведение.

В 2010 году он получил статус национального исследовательского университета, что явилось признанием его роли и возможностей как в области подготовки кадров, так и в мультидисциплинарных научных исследованиях и разработках.

В рейтинге технических университетов России Политехнический неизменно занимает ведущие позиции. Политехнический университет стремится с максимальной ответственностью реализовывать государственную политику в сфере высшего образования. Одно из направлений этой политики – создание новой экономики: экономики знаний, лидерства и инноваций. И ключевым звеном здесь становятся высококвалифицированные кадры, владеющие передовыми мировыми технологиями, способные решать новые комплексные задачи промышленности и готовые вывести российскую экономику на новый уровень развития. 

Новый элемент системы российского образования — открытые онлайн-курсы — cможет перезачесть любой университет. Мы делаем это реальной практикой, расширяя границы образования для каждого студента. Полный набор курсов от ведущих университетов. Мы ведём системную работу по созданию курсов для базовой части всех направлений подготовки, обеспечивая удобное и выгодное для любого университета встраивание курса в свои образовательные программы
«Открытое образование» – это образовательная платформа, предлагающая массовые онлайн-курсы ведущих российских вузов, которые объединили свои усилия, чтобы предоставить возможность каждому получить качественное высшее образование.

Любой пользователь может совершенно бесплатно и в любое время проходить курсы от ведущих университетов России, а студенты российских вузов смогут засчитать результаты обучения в своем университете.

Программа курса

Тема 1. Введение в большие данные: Определение больших данных и причины их появления. Примеры возможностей для бизнеса. Различие между Business Intelligence и Big Data

Тема 2. Жизненный цикл аналитики данных: Понятие жизненного цикла аналитики данных. Роли, необходимые для успешного создания проекта по аналитике данных

Тема 3. Высокопроизводительные вычисления: Распределенные вычисления на нескольких серверах, вычислительная парадигма MapReduce. Проект Apache Hadoop и его экосистема. Apache Spark и его компоненты. Вычисления в реальном времени, Apache Storm, Flink

Тема 4. Масштабирование и многоуровневое хранение данных: Теорема CAP. Парадигма NoSQL. Классификация NoSQL баз данных

Тема 5. Визуализация данных и результатов анализа: Техники визуализации данных, введение в язык R. Визуализация данных в R

Тема 6. Сложные методы аналитики: Классификация задач анализа: Text, Data, Web, Social Mining. Применение машинного обучения в аналитике. K-means и C-means кластеризация, классификация. Логистическая регрессия, ассоциации, алгоритм Априори.

Тема 7. Анализ текста: Поисковые механизмы: Lucene, Solr, ElasticSearch..Алгоритмы Work2Vec и Glove

Рейтинг курса

3.5
рейтинг
0
0
0
0
0
обновлено 24.03.2024 01:43
Наука о данных и аналитика больших объемов данных

Наука о данных и аналитика больших объемов данных

Оставить отзыв
Поделиться курсом с друзьями