Want to make sense of the volumes of data you have collected? Need to incorporate data-driven decisions into your process? This course provides an overview of machine learning techniques to explore, analyze, and leverage data. You will be introduced to tools and algorithms you can use to create machine learning models that learn from data, and to scale those models up to big data problems.
At the end of the course, you will be able to:
• Design an approach to leverage data using the steps in the machine learning process.
• Apply machine learning techniques to explore and prepare data for modeling.
• Identify the type of machine learning problem in order to apply the appropriate set of techniques.
• Construct models that learn from data using widely available open source tools.
• Analyze big data problems using scalable machine learning algorithms on Spark.
Software Requirements:
Cloudera VM, KNIME, Spark
Dieser Kurs ist Teil der Spezialisierung Spezialisierung Big Data
Machine Learning With Big Data
4.6
(1,197 ratings)
32,919 bereits angemeldet!
von
Über diesen Kurs
34,699
34,699Kompetenzen, die Sie erwerben
Machine Learning ConceptsKnimeMachine LearningApache Spark
Lehrplan - Was Sie in diesem Kurs lernen werden
Woche
124 Minuten zum Abschließen
Welcome
2 Videos (Gesamt 14 min)
2 Videos
Summary of Big Data Integration and Processing10m
3 Stunden zum Abschließen
Introduction to Machine Learning with Big Data
7 Videos (Gesamt 45 min), 7 Lektüren, 1 Quiz
7 Videos
Categories Of Machine Learning Techniques7m
Machine Learning Process3m
Goals and Activities in the Machine Learning Process10m
CRISP-DM5m
Scaling Up Machine Learning Algorithms5m
Tools Used in this Course5m
7 Lektüren
Slides: Machine Learning Overview and Applications25m
Downloading, Installing and Using KNIME
Downloading and Installing the Cloudera VM Instructions (Windows)10m
Downloading and Installing the Cloudera VM Instructions (Mac)10m
Instructions for Downloading Hands On Datasets10m
Instructions for Starting Jupyter10m
PDFs of Readings for Week 1 Hands-On10m
1 praktische Übung
Machine Learning Overview20m
Woche
23 Stunden zum Abschließen
Data Exploration
6 Videos (Gesamt 39 min), 5 Lektüren, 2 Quiz
6 Videos
Data Exploration4m
Data Exploration through Summary Statistics7m
Data Exploration through Plots8m
Exploring Data with KNIME Plots9m
Data Exploration in Spark5m
5 Lektüren
Slides: Data Exploration Overview and Terminology10m
Description of Daily Weather Dataset10m
Exploring Data with KNIME Plots40m
Data Exploration in Spark10m
PDFs of Activities for Data Exploration Hands-On Readings10m
2 praktische Übungen
Data Exploration20m
Data Exploration in KNIME and Spark Quiz20m
3 Stunden zum Abschließen
Data Preparation
8 Videos (Gesamt 42 min), 4 Lektüren, 2 Quiz
8 Videos
Data Quality4m
Addressing Data Quality Issues4m
Feature Selection5m
Feature Transformation5m
Dimensionality Reduction7m
Handling Missing Values in KNIME5m
Handling Missing Values in Spark5m
4 Lektüren
Slides: Data Preparation for Machine Learning30m
Handling Missing Values in KNIME20m
Handling Missing Values in Spark10m
PDFs for Data Preparation Hands-On Readings10m
2 praktische Übungen
Data Preparation25m
Handling Missing Values in KNIME and Spark Quiz20m
Woche
34 Stunden zum Abschließen
Classification
8 Videos (Gesamt 60 min), 7 Lektüren, 2 Quiz
8 Videos
Building and Applying a Classification Model5m
Classification Algorithms2m
k-Nearest Neighbors4m
Decision Trees13m
Naïve Bayes14m
Classification using Decision Tree in KNIME8m
Classification in Spark6m
7 Lektüren
Slides: What is Classification?10m
Slides: Classification Algorithms10m
Classification using Decision Tree in KNIME45m
Interpreting a Decision Tree in KNIME20m
Instructions for Changing the Number of Cloudera VM CPUs10m
Classification in Spark45m
PDFs for Classification Hands-On Readings10m
2 praktische Übungen
Classification20m
Classification in KNIME and Spark Quiz16m
Woche
43 Stunden zum Abschließen
Evaluation of Machine Learning Models
7 Videos (Gesamt 42 min), 7 Lektüren, 2 Quiz
7 Videos
Overfitting in Decision Trees3m
Using a Validation Set9m
Metrics to Evaluate Model Performance10m
Confusion Matrix7m
Evaluation of Decision Tree in KNIME3m
Evaluation of Decision Tree in Spark2m
7 Lektüren
Slides: Overfitting: What is it and how would you prevent it?10m
Slides: Model evaluation metrics and methods10m
Evaluation of Decision Tree in KNIME30m
Completed KNIME Workflows10m
Evaluation of Decision Tree in Spark20m
Comparing Classification Results for KNIME and Spark10m
PDFs for Evaluation of Machine Learning Models Hands-On Readings10m
2 praktische Übungen
Model Evaluation20m
Model Evaluation in KNIME and Spark Quiz16m
50%
nahm einen neuen Beruf nach Abschluss dieser Kurse auf
45%
ziehen Sie für Ihren Beruf greifbaren Nutzen aus diesem Kurs
16%
erhalten Sie eine Gehaltserhöhung oder Beförderung
Top-Bewertungen
The course was the best introduction I had for machine learning. Helped me a lot to understand different concepts from people who already know about the subject and I didn't have any idea.
Excellent course, I learned a lot about machine learning with big data, but most importantly I feel ready to take it into more complex level although I realized there is lots to learn.
Dozenten
Mai Nguyen
Lead for Data AnalyticsSan Diego Supercomputer Center
Ilkay Altintas
Chief Data Science OfficerSan Diego Supercomputer Center
Über University of California San Diego
UC San Diego is an academic powerhouse and economic engine, recognized as one of the top 10 public universities by U.S. News and World Report. Innovation is central to who we are and what we do. Here, students learn that knowledge isn't just acquired in the classroom—life is their laboratory.
Über die Spezialisierung Big Data
Drive better business decisions with an overview of how big data is organized, analyzed, and interpreted. Apply your insights to real-world problems and questions.
*********
Do you need to understand big data and how it will impact your business? This Specialization is for you. You will gain an understanding of what insights big data can provide through hands-on experience with the tools and systems used by big data scientists and engineers. Previous programming experience is not required! You will be guided through the basics of using Hadoop with MapReduce, Spark, Pig and Hive. By following along with provided code, you will experience how one can perform predictive modeling and leverage graph analytics to model problems. This specialization will prepare you to ask the right questions about data, communicate effectively with data scientists, and do basic exploration of large, complex datasets. In the final Capstone Project, developed in partnership with data software company Splunk, you’ll apply the skills you learned to do basic analyses of big data.
Häufig gestellte Fragen
Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Sobald Sie sich für ein Zertifikat angemeldet haben, haben Sie Zugriff auf alle Videos, Quizspiele und Programmieraufgaben (falls zutreffend). Aufgaben, die von anderen Kursteilnehmern bewertet werden, können erst dann eingereicht und überprüft werden, wenn Ihr Unterricht begonnen hat. Wenn Sie sich den Kurs anschauen möchten, ohne ihn zu kaufen, können Sie womöglich auf bestimmte Aufgaben nicht zugreifen.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Wie erfolgen Rückerstattungen?
Ist finanzielle Unterstützung möglich?
Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..
Coursera arbeitet mit erstklassigen Universitäten und Organisationen zusammen, um Online-Kurse anzubieten und dadurch universellen Zugriff auf die weltweit beste Ausbildung zu ermöglichen.
© 2019 Coursera Inc. Alle Rechte vorbehalten.
