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 442
Сертификаты, выданные на курсе «Big Data for Data Science»Сертификатов выдано 74
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

1. Введение

3 урока
Закрытый
1.1 О программе ↗
244
244
0м 6с
2
Закрытый
1.2 Организационная информация ↗
224
201
2м 49с
5
Закрытый
1.3 Оценивание и сертификат ↗
223
183
0м 21с
3

2. Модуль 1: введение в Big Data и ClickHouse

9 уроков
Закрытый
2.1 Зачем в Data Science изучать Big Data? ↗
215
170
12м 17с
9
Закрытый
2.2 Хранение данных ↗
204
163
15м 32с
2
Закрытый
2.3 Обработка данных ↗
192
167
11м 36с
5
Закрытый
2.4 SQL - Практика ↗
189
159
25м 42с
6
Закрытый
2.5 SQL - Задачи ↗
186
139
48м 52с
6
Закрытый
2.6 ClickHouse - Практика ↗
186
129
12м 17с
1
Закрытый
2.7 ClickHouse - Задачи ↗
172
100
52м 53с
5
Закрытый
2.8 Дополнительные материалы ↗
174
174
1м 35с
3
Закрытый
2.9 Вебинар: ClickHouse ↗
131
131
82м 44с
5

3. Проект: часть 1/4

1 урок
Закрытый
3.1 Data Analysis & ClickHouse ↗
174
49
72м 30с
4

4. Модуль 2: Apache Hadoop

8 уроков
Закрытый
4.1 Архитектура Hadoop ↗
172
154
5м 24с
6
Закрытый
4.2 HDFS ↗
162
132
16м 47с
7
Закрытый
4.3 MapReduce ↗
151
130
12м 5с
3
Закрытый
4.4 Hive ↗
148
132
5м 54с
3
Закрытый
4.5 Hbase ↗
144
129
7м 38с
5
Закрытый
4.6 Hadoop - Практика ↗
153
95
29м 15с
7
Закрытый
4.7 Дополнительные материалы ↗
143
143
0м 14с
1
Закрытый
4.8 Вебинар: Docker & Hadoop ↗
94
94
73м 2с
7

5. Модуль 3: Apache Spark

7 уроков
Закрытый
5.1 Архитектура Spark ↗
157
119
15м 13с
5
Закрытый
5.2 Spark Core ↗
141
111
19м 22с
0
Закрытый
5.3 Data Streaming ↗
131
105
18м 40с
5
Закрытый
5.4 Spark - Практика ↗
146
108
45м 49с
5
Закрытый
5.5 Spark - Задачи ↗
129
86
101м 15с
5
Закрытый
5.6 Дополнительные материалы ↗
123
123
0м 9с
2
Закрытый
5.7 Вебинар: Spark ↗
74
74
76м 17с
4

6. Проект: часть 2/4

1 урок
Закрытый
6.1 Data Engineering ↗
143
68
5м 57с
5

7. Модуль 4: Workflow

7 уроков
Закрытый
7.1 Управление данными ETL/ELT ↗
116
97
14м 11с
4
Закрытый
7.2 Архитектура хранилищ Data Warehouse vs Data Lake ↗
113
98
17м 32с
3
Закрытый
7.3 Облачные решения ↗
111
91
9м 28с
3
Закрытый
7.4 Airflow ↗
124
101
9м 1с
3
Закрытый
7.5 Airflow - Практика ↗
124
77
87м 46с
6
Закрытый
7.6 Дополнительные материалы ↗
112
112
0м 12с
2
Закрытый
7.7 Вебинар: Workflow & Airflow ↗
67
67
62м 42с
3

8. Модуль 5: Spark ML

6 уроков
Закрытый
8.1 Распределенные модели машинного обучения ↗
112
89
12м 51с
5
Закрытый
8.2 Spark ML компоненты и модели ↗
102
82
13м 20с
3
Закрытый
8.3 Поставка моделей ↗
99
85
12м 7с
3
Закрытый
8.4 Spark ML - Задачи ↗
99
71
93м 40с
3
Закрытый
8.5 Дополнительные материалы ↗
92
92
0м 15с
3
Закрытый
8.6 Вебинар: Spark ML ↗
53
53
66м 16с
3

9. Проект: часть 3/4

1 урок
Закрытый
9.1 ML Engineering ↗
116
50
4м 7с
4

10. Модуль 6: BI Tools

5 уроков
Закрытый
10.1 Работа с данными в Superset ↗
120
45
115м 34с
3
Закрытый
10.2 Аналитические агрегаты ↗
94
62
19м 59с
1
Закрытый
10.3 Superset - Практика ↗
101
37
54м 37с
-2
Закрытый
10.4 Дополнительные материалы ↗
89
89
0м 5с
2
Закрытый
10.5 Вебинар: BI/Superset ↗
56
56
35м 40с
3

11. Проект: часть 4/4

1 урок
Закрытый
11.1 Data Visualisation ↗
100
6
6м 24с
1

12. Модуль 7: заключение

3 урока
Закрытый
12.1 Что дальше? ↗
102
65
1м 58с
3
Закрытый
12.2 Вебинар: Карьера ↗
65
65
58м 37с
2
Закрытый
12.3 Итоговый опрос ↗
78
47
4м 45с
2