About this Course
최근 조회 14,462

다음 전문 분야의 5개 강좌 중 3번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 19시간 필요

권장: Se estima una dedicación de 6 a 8 horas por semana....

스페인어

자막: 스페인어
User
Course을(를) 수강하는 학습자
  • Data Scientists
  • Technical Solutions Engineers
  • Data Analysts
  • Machine Learning Engineers
  • Financial Analysts
User
Course을(를) 수강하는 학습자
  • Data Scientists
  • Technical Solutions Engineers
  • Data Analysts
  • Machine Learning Engineers
  • Financial Analysts

다음 전문 분야의 5개 강좌 중 3번째 강좌:

100% 온라인

지금 바로 시작해 나만의 일정에 따라 학습을 진행하세요.

유동적 마감일

일정에 따라 마감일을 재설정합니다.

중급 단계

완료하는 데 약 19시간 필요

권장: Se estima una dedicación de 6 a 8 horas por semana....

스페인어

자막: 스페인어

강의 계획 - 이 강좌에서 배울 내용

1
완료하는 데 1시간 필요

INTRODUCCIÓN

2개 동영상 (총 10분), 8 readings
2개의 동영상
Presentación del curso6m
8개의 읽기 자료
Bienvenida1m
Contenidos del curso (Temario)1m
Organización del curso y evaluación5m
Sobre el certificado2m
FAQs - Generales10m
FAQs - Cuestionarios y ejercicios2m
FAQs - Certificado10m
Enlaces relacionados1m
완료하는 데 1시간 필요

LA MÁQUINA VIRTUAL

4개 동영상 (총 16분), 4 readings
4개의 동영상
Instalación de la máquina virtual - Import start4m
Instalación de la máquina virtual - Tips3m
Instalación de la máquina virtual - Pyspark setup4m
4개의 읽기 자료
Link para la descarga de la MV_Cloudera10m
Instalación de la MV - Import start10m
Instalación de la MV - Tips10m
Instalación de la MV - Pyspark setup10m
완료하는 데 2분 필요

MATERIAL DE PRÁCTICAS Y FICHEROS DE TRABAJO

2 readings
2개의 읽기 자료
FICHEROS DE TRABAJO Y PAQUETES - IMPORTANTE1m
INICIO DE LA SESIÓN - IMPORTANTE1m
완료하는 데 2시간 필요

MÓDULO 1 - Análisis Exploratorio de Datos

10개 동영상 (총 84분), 6 quizzes
10개의 동영상
Datos - Fuentes de información4m
Distintos problemas y técnicas8m
Caso de estudio y herramientas4m
Introducción a Jupyter Notebook y Pyspark (S1E4.ipynb)5m
Exploración de la estructura de datos (S1E5.ipynb)14m
Primera etapa del análisis exploratorio (S1E6.ipynb)11m
Preproceso de datos (I) - (S1E7.ipynb)11m
Preproceso de datos (II) - (S1E8.ipynb)6m
Segunda etapa del análisis exploratorio (S1E9.ipynb)14m
6개 연습문제
Cuestionario 110m
Cuestionario 210m
Cuestionario 310m
Cuestionario 410m
Cuestionario 510m
Cuestionario 610m
2
완료하는 데 3시간 필요

MÓDULO 2 - MODELOS DE REGRESIÓN

10개 동영상 (총 89분), 7 quizzes
10개의 동영상
Objetivo de la Modelización8m
Calibración del modelo10m
Resultado de la Modelización11m
Regresión Simple (S2E4.ipynb)11m
Nuevas variables (S2E5.ipynb)8m
Regresión Múltiple (I) (S2E6.ipynb)7m
Regresión Múltiple (II) (S2E7.ipynb)11m
Regresión Logística (I) (S2E8.ipynb)8m
Regresión Logística (II) (S2E9.ipynb)10m
7개 연습문제
Cuestionario 110m
Cuestionario 210m
Cuestionario 310m
Cuestionario 410m
Cuestionario 510m
Cuestionario 610m
Cuestionario 710m
3
완료하는 데 3시간 필요

MÓDULO 3 - ÁRBOLES DE REGRESIÓN Y CLASIFICACIÓN

10개 동영상 (총 89분), 7 quizzes
10개의 동영상
Introducción a la Modelización5m
Medir la Incertidumbre10m
Concepto de Árbol8m
Árboles de Regresión11m
Modelización con Árboles de Regresión (S3E5.ipynb)9m
Árboles de Clasificación9m
Modelización con Árboles de Clasificación (S3E7.ipynb)9m
Bosques Aleatorios14m
Modelización con Bosques Aleatorios (S3E9.ipynb)9m
7개 연습문제
Cuestionario 18m
Cuestionario 210m
Cuestionario 310m
Cuestionario 410m
Cuestionario 510m
Cuestionario 610m
Cuestionario 710m
4
완료하는 데 3시간 필요

MÓDULO 4 - REDES NEURONALES Y TÉCNICAS NO SUPERVISADAS

10개 동영상 (총 75분), 1 reading, 7 quizzes
10개의 동영상
Redes Neuronales12m
Modelización con redes neuronales (S4E2.ipynb)6m
Introducción al reconocimiento de patrones5m
Reducción dimensión11m
Análisis de componentes principales (S4E6.ipynb)10m
Clasificación automática8m
Análisis de clústers (S4E8.ipynb)7m
Revisión de la ciencia de datos (I)5m
Revisión de la ciencia de datos (II)6m
1개의 읽기 자료
TRABAJO PRÁCTICO - Enunciado30m
7개 연습문제
Cuestionario 110m
Cuestionario 210m
Cuestionario 310m
Cuestionario 410m
Cuestionario 510m
Cuestionario 610m
Cuestionario del Ejercicio Práctico30m
4.2
10개의 리뷰Chevron Right

Big Data: procesamiento y análisis의 최상위 리뷰

대학: RMApr 2nd 2019

Me gusto el curso de Procesamiento y Análisis, este hace un manejo de grandes volúmenes de datos con jupyter de python.

대학: FCSep 11th 2019

Muy buen curso para aprender el procesamiento y análisis de datos.

강사

Avatar

Llorenç Badiella

Director Servei d'Estadística Aplicada UAB
Universitat Autònoma de Barcelona
Avatar

Isabel Serra

Doctora
Centre de Recerca Matemàtica

바르셀로나 자치대학교 정보

The Universitat Autònoma de Barcelona (UAB) is a public university located in the metropolitan area of Barcelona. International in its outlook, it is fully consolidated within its local surroundings, and offers quality education in close association with research activity, the transfer of scientific, technological, cultural and educational knowledge, the promotion of its human potential and the responsible management of available resources. The UAB currently offers 81 degrees, 130 official Master Programmes and 183 UAB-specific Masters Degrees. In addition, it offers 174 lifelong learning programmes and 65 PhD Programmes, 27 of which have been distinguished through Quality Awards. The UAB has a total of over 3,500 teaching and research staff, over 2,000 administrative staff and over 40,000 students....

Big Data – Introducción al uso práctico de datos masivos 전문 분야 정보

Este programa, de 4 cursos más un proyecto final, está pensado como una entrada al mundo de los datos masivos y su tratamiento. El primer curso tiene como objetivo mostrar al estudiante el impacto del Big Data en la sociedad actual, tanto en el mundo de los negocios como en el de la política y administraciones públicas, los medios de comunicación, y/o la investigación científica. A lo largo de los cursos 2, 3 y 4 se estudian la identificación, captura, pre-procesamiento, análisis y visualización de datos, desde un punto de vista “usuario”, y con una orientación práctica. Finalmente, el Capstone Project permite al estudiante utilizar en conjunto las herramientas y conceptos vistos en los cursos precedentes en un campo donde el concepto “Big Data” es innegable: el estudio de las galaxias. Al finalizar los cursos de esta especialización el estudiante será capaz de: 1. Entender el impacto del tratamiento de datos masivos en la sociedad actual 2. Entender y explicar la procedencia y características de los datos masivos. 3. Adquirir, preparar, almacenar, analizar, visualizar y manejar grandes conjuntos de datos 4. Extraer información de los datos 5. Trabajar dentro del ecosistema Hadoop 6. Contestar a una pregunta bien formulada en función de la información disponible (capstone project) Contamos con un conjunto maravilloso de profesores, con una gran experiencia en el tema, provenientes tanto de la universidad como de la empresa....
Big Data – Introducción al uso práctico de datos masivos

자주 묻는 질문

  • 강좌에 등록하면 바로 모든 비디오, 테스트 및 프로그래밍 과제(해당하는 경우)에 접근할 수 있습니다. 상호 첨삭 과제는 이 세션이 시작된 경우에만 제출하고 검토할 수 있습니다. 강좌를 구매하지 않고 살펴보기만 하면 특정 과제에 접근하지 못할 수 있습니다.

  • 강좌를 등록하면 전문 분야의 모든 강좌에 접근할 수 있고 강좌를 완료하면 수료증을 취득할 수 있습니다. 전자 수료증이 성취도 페이지에 추가되며 해당 페이지에서 수료증을 인쇄하거나 LinkedIn 프로필에 수료증을 추가할 수 있습니다. 강좌 내용만 읽고 살펴보려면 해당 강좌를 무료로 청강할 수 있습니다.

궁금한 점이 더 있으신가요? 학습자 도움말 센터를 방문해 보세요.