Über diesen Kurs

9,827 kürzliche Aufrufe
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 21 Stunden zum Abschließen
Englisch
Untertitel: Englisch, Koreanisch
Zertifikat zur Vorlage
Erhalten Sie nach Abschluss ein Zertifikat
100 % online
Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.
Flexible Fristen
Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.
Stufe „Fortgeschritten“
Ca. 21 Stunden zum Abschließen
Englisch
Untertitel: Englisch, Koreanisch

von

Yandex-Logo

Yandex

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche
1

Woche 1

7 Minuten zum Abschließen

Welcome

7 Minuten zum Abschließen
5 Videos (Gesamt 7 min)
5 Videos
Course Structure1m
Meet Alexey2m
Meet Pavel37
Meet Ilya1m
1 Stunde zum Abschließen

(Optional) Machine Learning: Introduction

1 Stunde zum Abschließen
6 Videos (Gesamt 43 min), 1 Lektüre
6 Videos
(Optional) Basic concepts11m
(Optional) Types of problems and tasks5m
(Optional) Supervised learning7m
(Optional) Unsupervised learning6m
(Optional) Business applications of the machine learning4m
1 Lektüre
Slack Channel is the quickest way to get answer to your question10m
5 Stunden zum Abschließen

Spark MLLib and Linear Models

5 Stunden zum Abschließen
11 Videos (Gesamt 94 min), 3 Lektüren, 5 Quiz
11 Videos
First example. Linear regression10m
How MLlib library is arranged10m
How to train algorithms. Gradient descent method9m
How to train algorithms. Second order methods8m
Large scale classification. Logistic regression12m
Regularization8m
PCA decomposition9m
K-means clustering7m
How to submit your first assignment3m
How to Install Docker on Windows 7, 8, 104m
3 Lektüren
Grading System: Instructions and Common Problems10m
Docker Installation Guide10m
Assignments. General requirements10m
4 praktische Übungen
Large scale machine learning. The beginning14m
Large scale regression and classification. Detailed analysis10m
Regularization and Unsupervised Techniques10m
Spark MLLib and Linear Models18m
Woche
2

Woche 2

2 Stunden zum Abschließen

Machine Learning with Texts & Feature Engineering

2 Stunden zum Abschließen
12 Videos (Gesamt 70 min)
12 Videos
Feature Engineering for Texts, part 17m
Feature Engineering for Texts, part 25m
N-grams4m
Hashing trick6m
Categorical Features6m
Feature Interactions2m
Spark ML. Feature Engineering for Texts, part 17m
Spark ML. Feature Engineering for Texts, part 25m
Spark ML. Categorical Features3m
Topic Modeling. LDA.7m
Word2Vec11m
5 praktische Übungen
Feature Enginering for Texts16m
Categorical Features & Feature Interactions6m
Spark ML Tutorial: Text Processing6m
Advanced Machine Learning with Texts8m
Machine Learning with Texts & Feature Engineering20m
Woche
3

Woche 3

6 Stunden zum Abschließen

Decision Trees & Ensemble Learning

6 Stunden zum Abschließen
13 Videos (Gesamt 64 min)
13 Videos
Decision Trees Basics4m
Decision Trees for Regression6m
Decision Trees for Classification3m
Decision Trees: Summary1m
Bootstrap & Bagging8m
Random Forest6m
Gradient Boosted Decision Trees: Intro & Regression7m
Gradient Boosted Decision Trees: Classification6m
Stochastic Boosting1m
Gradient Boosted Decision Trees: Usage Tips & Summary3m
Spark ML. Decision Trees & Ensembles6m
Spark ML. Cross-validation3m
5 praktische Übungen
Decision Trees16m
Bootstrap, Bagging and Random Forest6m
Gradient Boosted Decision Trees10m
Spark ML Programming Tutorial: Decision Trees & CV6m
Decision Trees & Ensemble Learning16m
Woche
4

Woche 4

3 Stunden zum Abschließen

Recommender Systems

3 Stunden zum Abschließen
15 Videos (Gesamt 118 min), 1 Lektüre, 4 Quiz
15 Videos
Recommender Systems, Introduction. Part II4m
Non-Personalized Recommender Systems9m
Content-Based Recommender Systems8m
Recommender System Evaluation10m
Collaborative Filtering RecSys: User-User and Item-Item10m
RecSys: SVD I7m
RecSys: SVD II8m
RecSys: SVD III5m
RecSys: MF I7m
RecSys: MF II6m
RecSys: iALS I6m
RecSys: iALS II11m
RecSys: Hybrid I7m
RecSys: Hybrid II7m
1 Lektüre
Recommender Systems. Spark Assignment10m
4 praktische Übungen
Basic RecSys for Data Engineers14m
Moderate RecSys for Data Engineers10m
Advanced RecSys for Data Engineers4m
Recommender Systems16m

Bewertungen

Top-Bewertungen von BIG DATA APPLICATIONS: MACHINE LEARNING AT SCALE

Alle Bewertungen anzeigen

Häufig gestellte Fragen

  • 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.
  • Wenn Sie ein Zertifikat erwerben, erhalten Sie Zugriff auf alle Kursmaterialien, einschließlich bewerteter Aufgaben. Nach Abschluss des Kurses wird Ihr elektronisches Zertifikat 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.

  • Sie haben bis zu zwei Wochen nach Ihrem Zahlungsdatum beziehungsweise bis zu zwei Wochen nach Beginn der ersten Kurseinheit (bei Kursen, die gerade gestartet sind) Anspruch auf eine volle Rückerstattung, je nachdem, was später eintritt. Nach dem Erwerb eines Kurszertifikats besteht kein Anrecht mehr auf Rückerstattung, auch dann nicht, wenn Sie den Kurs innerhalb des Zeitraums von zwei Wochen abgeschlossen haben. Lesen Sie unsere vollständige Rückerstattungsrichtlinie.

  • Ja, Coursera bietet Kursteilnehmern, die die Gebühr nicht bezahlen können, finanzielle Hilfe an. Sie beantragen diese Hilfe, indem Sie auf den entsprechenden Link links unter der Schaltfläche "Anmelden" klicken. Sie werden dazu aufgefordert, ein Antragsformular auszufüllen, und Sie werden benachrichtigt, wenn Ihr Antrag bewilligt wird. Mehr erfahren.

  • Für diesen Kurs gibt es keine akademischen Leistungspunkte, doch Hochschulen können nach eigenem Ermessen Leistungspunkte für Kurszertifikate vergeben. Wenden Sie sich an Ihre Einrichtung, um mehr zu erfahren. Online-Abschlüsse und Mastertrack™-Zertifikate auf Coursera bieten die Möglichkeit, akademische Leistungspunkte zu erwerben.

Haben Sie weitere Fragen? Besuchen Sie das Hilfe-Center für Teiln..