(русский / in Russian) Введение в аналитику больших массивов данных

# You can also click the upper-left icon to select videos from the playlist.

source: НОУ ИНТУИТ     2015年3月28日
Введение в аналитику больших массивов данных / Introduction to the analysis of large data sets
Авторы: Юрий Аникин, Ирина Борисова, Николай Загоруйко, Александр Зырянов, Евгений Павловский
Курс: http://www.intuit.ru/studies/courses/12385/1181/info
Курс представляет возможность познакомиться с основными понятиями в области аналитической обработки больших данных. В нем изложены основы машинного обучения, визуализации и хранения больших данных. По результатам изучения курса читатель сможет переводить проблемы предметной области на язык технологий обработки больших данных.

В курсе излагаются основы машинного обучения по оригинальной методике, читатель познакомится с технологиями обработки больших данных. В ходе изучения будут сформированы представления о технических и методологических средствах анализа больших данных.
Цель: Ориентирование в области технологий и методологий анализа больших данных.

Необходимые знания: Теория вероятностей и математическая статистика, навык самостоятельной работы с различными источниками информации (интернет, печатные издания), умение обобщать информацию, полученную из разных источников, умение представлять результаты своих исследований.

Лекция 1: Общее понятие о больших данных 17:32
Лекция на сайте НОУ "ИНТУИТ": http://www.intuit.ru/studies/courses/...
Лекция 2: Основные вызовы больших данных 12:00
Лекция 3: Определение термина "большие данные" 19:39
Лекция 4: Процесс аналитики 30:05
Лекция 5: Введение в когнитивный анализ данных 39:40
Лекция 6: Классификация задач. Функция конкурентного сходства 29:27
Лекция 7: Разработка алгоритмов на базе FRiS-функции 56:15
Лекция 8: Информативность и выбор признаков 45:17
Лекция 9: Обнаружение ошибок и заполнение пробелов 43:54
Лекция 10: Общие сведения о языке R. Основные функции 15:55
Лекция 11: Синтаксис 18:21
Лекция 12: Типы данных 10:01
Лекция 13: Weka 15:53
Лекция 14: Визуализация 21:22
Лекция 15: R как инструмент Data Mining  10:20
Лекция 16: Решение задач Data Mining. R и Hadoop 17:08
Лекция 17: Основные библиотеки для Data Mining 12:56
Лекция 18: Возможности библиотеки Pandas 8:11
Лекция 19: Зачем нужны новые хранилища 9:29
Лекция 20: Свойства больших данных и ограничения RDBMS 10:56
Лекция 21: ACID требования, CAP-теорема, BASE архитектура 13:31
Лекция 22: NoSQL 13:51
Лекция 23: Интерфейсы 11:03
Лекция 24: MapReduce 8:00
Лекция 25: Ключ-значение 9:12
Лекция 26: Колоночные 13:58
Лекция 27: Документо-ориентированные 7:26
Лекция 28: Графовые 18:39