糖心vlog官网观看

Wenn Sie ein Big-Data-Problem identifiziert haben, das Sie analysieren m枚chten, wie sammeln, speichern und organisieren Sie Ihre Daten mit Big-Data-L枚sungen? In diesem Kurs lernen Sie verschiedene Datengattungen und die da蹿眉谤 geeigneten Verwaltungstools kennen. Sie werden in der Lage sein, die Gr眉nde 蹿眉谤 die sich entwickelnde F眉lle neuer Big Data-Plattformen aus der Perspektive von Big Data-Verwaltungssystemen und Analysetools zu beschreiben. Durch gef眉hrte praktische 脺bungen werden Sie mit Techniken anhand von Echtzeit- und halbstrukturierten Datenbeispielen vertraut gemacht. Zu den besprochenen Systemen und Tools geh枚ren: AsterixDB, HP Vertica, Impala, Neo4j, Redis, SparkSQL. Dieser Kurs vermittelt Techniken, mit denen Sie den Wert vorhandener ungenutzter Datenquellen aussch枚pfen und neue Datenquellen entdecken k枚nnen.

Am Ende dieses Kurses werden Sie in der Lage sein: * verschiedene Datenelemente in Ihrer eigenen Arbeit und in Alltagsproblemen zu erkennen * zu erkl盲ren, warum Ihr Team einen Big-Data-Infrastrukturplan und ein Informationssystemdesign entwerfen muss * die h盲ufigen Datenoperationen zu identifizieren, die 蹿眉谤 verschiedene Datentypen erforderlich sind * ein Datenmodell auszuw盲hlen, das zu den Merkmalen Ihrer Daten passt * Techniken zum Umgang mit Streaming-Daten anzuwenden * zwischen einem traditionellen Datenbankmanagementsystem und einem Big-Data-Managementsystem zu unterscheiden * zu verstehen, warum es so viele Datenmanagementsysteme gibt * ein Big-Data-Informationssystem 蹿眉谤 ein Online-Spielunternehmen zu entwerfen Dieser Kurs ist 蹿眉谤 diejenigen gedacht, die neu in der Datenwissenschaft sind. Der Abschluss von Intro to Big Data wird empfohlen. Es sind keine vorherigen Programmiererfahrungen erforderlich, allerdings m眉ssen Sie in der Lage sein, Anwendungen zu installieren und eine virtuelle Maschine zu benutzen, um die praktischen Aufgaben zu l枚sen. Die vollst盲ndigen Hardware- und Software-Spezifikationen finden Sie in den technischen Anforderungen der Specializations. Hardware-Anforderungen: (A) Quad-Core-Prozessor (VT-x- oder AMD-V-Unterst眉tzung empfohlen), 64-Bit; (B) 8 GB RAM; (C) 20 GB freier Speicherplatz. So finden Sie Ihre Hardware-Informationen: (Windows): 脰ffnen Sie System, indem Sie auf die Schaltfl盲che Start klicken, mit der rechten Maustaste auf Computer klicken und dann auf Eigenschaften klicken; (Mac): 脰ffnen Sie die 脺bersicht, indem Sie auf das Apple-Men眉 und dann auf "脺ber diesen Mac" klicken Die meisten Computer mit 8 GB RAM, die in den letzten 3 Jahren gekauft wurden, erf眉llen die Mindestanforderungen. Sie ben枚tigen eine Hochgeschwindigkeits-Internetverbindung, da Sie Dateien mit einer Gr枚脽e von bis zu 4 GB herunterladen werden. Software-Anforderungen: Dieser Kurs st眉tzt sich auf mehrere Open-Source-Software-Tools, darunter Apache Hadoop. Die gesamte erforderliche Software kann kostenlos heruntergeladen und installiert werden (mit Ausnahme der Datengeb眉hren Ihres Internetanbieters). Zu den Softwareanforderungen geh枚ren: Windows 7+, Mac OS X 10.10+, Ubuntu 14.04+ oder CentOS 6+ VirtualBox 5+.

Am Ende des Kurses werden Sie in der Lage sein: * Daten aus Beispieldatenbanken und Big-Data-Verwaltungssystemen abzurufen * die Zusammenh盲nge zwischen Datenverwaltungsvorg盲ngen und den Big-Data-Verarbeitungsmustern zu beschreiben, die 蹿眉谤 die Nutzung dieser Daten in gro脽 angelegten analytischen Anwendungen erforderlich sind * zu erkennen, wann ein Big-Data-Problem eine Datenintegration erfordert * einfache Big-Data-Integration und -Verarbeitung auf Hadoop- und Spark-Plattformen durchzuf眉hren Dieser Kurs richtet sich an diejenigen, die neu in der Datenwissenschaft sind. Der Abschluss von Intro to Big Data wird empfohlen. Es sind keine vorherigen Programmiererfahrungen erforderlich, allerdings m眉ssen Sie in der Lage sein, Anwendungen zu installieren und eine virtuelle Maschine zu verwenden, um die praktischen Aufgaben zu erledigen. Die vollst盲ndigen Hardware- und Software-Spezifikationen finden Sie in den technischen Anforderungen der Specializations. Hardware-Anforderungen:

(A) Quad-Core-Prozessor (VT-x- oder AMD-V-Unterst眉tzung empfohlen), 64-Bit; (B) 8 GB RAM; (C) 20 GB freier Speicherplatz. So finden Sie Ihre Hardware-Informationen: (Windows): 脰ffnen Sie System, indem Sie auf die Schaltfl盲che Start klicken, mit der rechten Maustaste auf Computer klicken und dann auf Eigenschaften klicken; (Mac): 脰ffnen Sie die 脺bersicht, indem Sie auf das Apple-Men眉 und dann auf "脺ber diesen Mac" klicken Die meisten Computer mit 8 GB RAM, die in den letzten 3 Jahren gekauft wurden, erf眉llen die Mindestanforderungen. Sie ben枚tigen eine Hochgeschwindigkeits-Internetverbindung, da Sie Dateien mit einer Gr枚脽e von bis zu 4 GB herunterladen werden. Software-Anforderungen: Dieser Kurs st眉tzt sich auf mehrere Open-Source-Software-Tools, darunter Apache Hadoop. Die gesamte erforderliche Software kann kostenlos heruntergeladen und installiert werden (mit Ausnahme der Datengeb眉hren Ihres Internetanbieters). Zu den Softwareanforderungen geh枚ren: Windows 7+, Mac OS X 10.10+, Ubuntu 14.04+ oder CentOS 6+ VirtualBox 5+.

M枚chten Sie die von Ihnen gesammelten Datenmengen sinnvoll nutzen? M眉ssen Sie datengest眉tzte Entscheidungen in Ihren Prozess einbinden? Dieser Kurs bietet einen 脺berblick 眉ber Techniken des maschinellen Lernens, um Daten zu untersuchen, zu analysieren und zu nutzen. Sie lernen Tools und Algorithmen kennen, mit denen Sie maschinelle Lernmodelle erstellen k枚nnen, die aus Daten lernen, und diese Modelle auf Big-Data-Probleme skalieren k枚nnen. Am Ende des Kurses werden Sie in der Lage sein: - einen Ansatz zur Nutzung von Daten zu entwerfen, der die Schritte des maschinellen Lernprozesses nutzt.

- Techniken des maschinellen Lernens anwenden, um Daten zu untersuchen und 蹿眉谤 die Modellierung vorzubereiten. - Die Art des Problems des maschinellen Lernens identifizieren, um die geeigneten Techniken anzuwenden. - Modelle konstruieren, die aus Daten lernen, indem Sie weithin verf眉gbare Open-Source-Tools verwenden. - Big-Data-Probleme mit skalierbaren Algorithmen des maschinellen Lernens auf Spark analysieren. Softwareanforderungen: Cloudera VM, KNIME, Spark

M枚chten Sie die Struktur Ihres Datennetzwerks verstehen und wie sie sich unter verschiedenen Bedingungen ver盲ndert? Sind Sie neugierig, wie Sie eng zusammenh盲ngende Cluster in einem Graphen identifizieren k枚nnen? Haben Sie schon von dem schnell wachsenden Bereich der Graphenanalyse geh枚rt und m枚chten mehr dar眉ber erfahren? Dieser Kurs gibt Ihnen einen umfassenden 脺berblick 眉ber das Gebiet der Graphanalyse, so dass Sie neue Wege zur Modellierung, Speicherung, Abfrage und Analyse von graph-strukturierten Daten erlernen k枚nnen. Nach Abschluss dieses Kurses werden Sie in der Lage sein, ein Problem in einer Graphdatenbank zu modellieren und analytische Aufgaben 眉ber den Graphen in einer skalierbaren Weise durchzuf眉hren. Und noch besser: Sie werden diese Techniken anwenden k枚nnen, um die Bedeutung Ihrer Datens盲tze 蹿眉谤 Ihre eigenen Projekte zu verstehen.

Willkommen zum Capstone Project 蹿眉谤 Big Data! In diesem abschlie脽enden Projekt werden Sie ein Big Data-脰kosystem aufbauen und dabei Tools und Methoden aus den fr眉heren Kursen dieser Spezialisierung verwenden. Sie werden einen Datensatz analysieren, der Big Data simuliert, die von einer gro脽en Anzahl von Benutzern erzeugt werden, die unser imagin盲res Spiel "Catch the Pink Flamingo" spielen. W盲hrend des f眉nfw枚chigen Capstone-Projekts werden Sie die typischen Big-Data-Science-Schritte zur Beschaffung, Erkundung, Aufbereitung, Analyse und Berichterstattung durchlaufen. In den ersten beiden Wochen werden wir Ihnen den Datensatz vorstellen und Sie durch einige explorative Analysen mit Tools wie Splunk und Open Office f眉hren. Dann werden wir uns anspruchsvolleren Big Data-Problemen zuwenden, die die fortgeschritteneren Tools erfordern, die Sie gelernt haben, darunter KNIME, Spark's MLLib und Gephi. In der f眉nften und letzten Woche schlie脽lich zeigen wir Ihnen, wie Sie alles zusammenbringen, um ansprechende und 眉berzeugende Berichte und Folienpr盲sentationen zu erstellen. Dank unserer Zusammenarbeit mit Splunk, einem Softwareunternehmen, das sich auf die Analyse von maschinell erzeugten Big Data spezialisiert hat, k枚nnen die Teilnehmer mit den besten Projekten eine Pr盲sentation bei Splunk halten und sich mit den Personalverantwortlichen und der technischen Leitung von Splunk treffen.