Dieser Kurs ist Teil der Spezialisierung Spezialisierung Big Data

4.6
Sterne
2,365 Bewertungen
•
501 Bewertungen

Mai Nguyen +1 weiterer Dozent

61.501 bereits angemeldet

von

Spezialisierung Big DataUniversity of California San Diego

Über diesen Kurs

28.912 kürzliche Aufrufe

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

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 4 von 6 in

Spezialisierung Big Data

Ca. 22 Stunden zum Abschließen

Englisch

Untertitel: Arabischer Raum, Französisch, Portugiesisch (europäisch), Chinesisch (vereinfacht), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, Englisch, Spanisch

Kompetenzen, die Sie erwerben

Machine Learning Concepts
Knime
Machine Learning
Apache Spark

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Kurs 4 von 6 in

Spezialisierung Big Data

Ca. 22 Stunden zum Abschließen

Englisch

Untertitel: Arabischer Raum, Französisch, Portugiesisch (europäisch), Chinesisch (vereinfacht), Italienisch, Vietnamesisch, Koreanisch, Deutsch, Russisch, Englisch, Spanisch

Dozenten

Dozentenbewertung

4,81/5 (226 Bewertungen)

Mai Nguyen

Lead for Data Analytics

San Diego Supercomputer Center

61.494 Lernende

1 Kurse

Ilkay Altintas

Chief Data Science Officer

San Diego Supercomputer Center

424.690 Lernende

12 Kurse

von

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.

Lehrplan - Was Sie in diesem Kurs lernen werden

Inhaltsbewertung96%(6,256 Bewertungen)

Woche

Woche 1

1 Stunde zum Abschließen

Welcome

1 Stunde zum Abschließen

2 Videos (Gesamt 14 min)

4 Stunden zum Abschließen

Introduction to Machine Learning with Big Data

4 Stunden zum Abschließen

7 Videos (Gesamt 45 min), 7 Lektüren, 1 Quiz

7 Videos

Machine Learning Overview8m

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 KNIME1h

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

Woche 2

3 Stunden zum Abschließen

Data Exploration

3 Stunden zum Abschließen

6 Videos (Gesamt 39 min), 5 Lektüren, 2 Quiz

6 Videos

Data Terminology4m

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

3 Stunden zum Abschließen

8 Videos (Gesamt 42 min), 4 Lektüren, 2 Quiz

8 Videos

Data Preparation3m

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

Woche 3

5 Stunden zum Abschließen

Classification

5 Stunden zum Abschließen

8 Videos (Gesamt 60 min), 7 Lektüren, 2 Quiz

8 Videos

Classification4m

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 Quiz30m

Woche

Woche 4

3 Stunden zum Abschließen

Evaluation of Machine Learning Models

3 Stunden zum Abschließen

7 Videos (Gesamt 42 min), 7 Lektüren, 2 Quiz

7 Videos

Generalization and Overfitting5m

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 Quiz30m

Bewertungen

4.6

501 Bewertungen

5 stars
70,18 %
4 stars
23,95 %
3 stars
4,09 %
2 stars
1,05 %
1 star
0,71 %

Top-Bewertungen von MACHINE LEARNING WITH BIG DATA

von JG24. Okt. 2020

Excellent course. It teaches the basics with a great method and with practical exercises, involving real data. The sctructure is clear and it covers a good amount of topics. Well done San Diego!

von JC8. Dez. 2018

Interesting material. Ran into several issues with the hands on that could have been avoided. Loved learning more about Neo4J. The section on Spark needed more time and additional descriptions.

von MM29. Jan. 2017

This is a valuable course in learning the basics of machine learning. but I was hoping to to get more hands on practice in this course. but overall, i learned a lot with the existing content.

von JB30. Okt. 2018

Reasonable overview. The VM environment is a major challenge for my hardware. Takes more time to make it work than it should. I am wondering if a cloud solution e.g. GCP would be better.

Alle Bewertungen anzeigen

Über den 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?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
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.
Ist finanzielle Unterstützung möglich?
Ja, Coursera bietet für Kursteilnehmer, die sich die Kursgebühr nicht leisten können, finanzielle Unterstützung an. Bewerben Sie sich dafür, indem Sie auf den Link für finanzielle Unterstützung links unter der Schaltfläche „Anmelden“ klicken. Sie werden zum Ausfüllen eines Antrags aufgefordert und werden bei Genehmigung benachrichtigt. Diesen Schritt müssen Sie für jeden Kurs der Spezialisierung ausführen, auch für das Abschlussprojekt. Mehr erfahren

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Machine Learning With Big Data

Über diesen Kurs

Kompetenzen, die Sie erwerben