Курс на Stepik
Обложка курса «Big Data for Data Science» на Stepik
20 000 ₽

Big Data for Data Science ★ 4.700

Открыть на
STEPIK.ORG

Программа знакомит слушателей с основами которые применяются при работе с Большими данными и рассчитан в первую очередь на тех слушателей, которые только начинают свой путь в Big Data. Мы подробно разберем основные теоретические понятия, начнем знакомство со Spark — наиболее популярным фреимворком из этого мира, а также изучим как это можно применять при реализации распределенных моделей машинного обучения. А в ходе выполнения проектного задания разберем все этапы, которые проходят данные в реальных системах.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «Big Data for Data Science»Учеников на курсе 444
Сертификаты, выданные на курсе «Big Data for Data Science»Сертификатов выдано 76
Отзывы о курсе «Big Data for Data Science»Отзывов получено 10
Рейтинг курса «Big Data for Data Science»Рейтинг курса 4.700
Уроки в курсе «Big Data for Data Science»Количество уроков 52
Тесты в курсе «Big Data for Data Science»Количество квизов 137
Задачи с кодом в курсе «Big Data for Data Science»Количество задач с кодом 10
Время прохождения курса «Big Data for Data Science»Время прохождения курса —
Стоимость курса «Big Data for Data Science»Стоимость курса 20 000 ₽ —
Обновления курса «Big Data for Data Science»Обновления курса — —
Дата публикации курса «Big Data for Data Science»Дата публикации курса — ———
Последнее обновление курса «Big Data for Data Science»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «Big Data for Data Science» 12 разделов Уроки в курсе «Big Data for Data Science» 52 урока Тесты в курсе «Big Data for Data Science» 137 тестов Задачи в курсе «Big Data for Data Science» 10 задач Время прохождения курса «Big Data for Data Science» 28 ч. Последнее обновление курса «Big Data for Data Science» обн. 1 год назад

Введение

3 урока
1. О программе ↗
2. Организационная информация ↗
3. Оценивание и сертификат ↗

Модуль 1: введение в Big Data и ClickHouse

9 уроков
1. Зачем в Data Science изучать Big Data? ↗
2. Хранение данных ↗
3. Обработка данных ↗
4. SQL - Практика ↗
5. SQL - Задачи ↗
6. ClickHouse - Практика ↗
7. ClickHouse - Задачи ↗
8. Дополнительные материалы ↗
9. Вебинар: ClickHouse ↗

Проект: часть 1/4

1 урок
1. Data Analysis & ClickHouse ↗

Модуль 2: Apache Hadoop

8 уроков
1. Архитектура Hadoop ↗
2. HDFS ↗
3. MapReduce ↗
4. Hive ↗
5. Hbase ↗
6. Hadoop - Практика ↗
7. Дополнительные материалы ↗
8. Вебинар: Docker & Hadoop ↗

Модуль 3: Apache Spark

7 уроков
1. Архитектура Spark ↗
2. Spark Core ↗
3. Data Streaming ↗
4. Spark - Практика ↗
5. Spark - Задачи ↗
6. Дополнительные материалы ↗
7. Вебинар: Spark ↗

Проект: часть 2/4

1 урок
1. Data Engineering ↗

Модуль 4: Workflow

7 уроков
1. Управление данными ETL/ELT ↗
2. Архитектура хранилищ Data Warehouse vs Data Lake ↗
3. Облачные решения ↗
4. Airflow ↗
5. Airflow - Практика ↗
6. Дополнительные материалы ↗
7. Вебинар: Workflow & Airflow ↗

Модуль 5: Spark ML

6 уроков
1. Распределенные модели машинного обучения ↗
2. Spark ML компоненты и модели ↗
3. Поставка моделей ↗
4. Spark ML - Задачи ↗
5. Дополнительные материалы ↗
6. Вебинар: Spark ML ↗

Проект: часть 3/4

1 урок
1. ML Engineering ↗

Модуль 6: BI Tools

5 уроков
1. Работа с данными в Superset ↗
2. Аналитические агрегаты ↗
3. Superset - Практика ↗
4. Дополнительные материалы ↗
5. Вебинар: BI/Superset ↗

Проект: часть 4/4

1 урок
1. Data Visualisation ↗

Модуль 7: заключение

3 урока
1. Что дальше? ↗
2. Вебинар: Карьера ↗
3. Итоговый опрос ↗