آموزش Coursera Web Intelligence and Big Data

0 نظر  0 نظر

آموزش بیگ دیتا و مرور و پردازش ماشینی وب ( هومشند ) در پیوند با یکدیگر

تولید کننده: Coursera

شناسه کالا: 51080449CO185

قیمت: 5,500 تومان
تعداد:
ویدیوی نمونه آموزش Coursera Web Intelligence and Big Data

امکان خرید دانلودی این محصول موجود است
بدون هزینه پست با 20% تخفیف ویژه ، فقط کافیست محصول را به سبد خرید اضافه کنید و در مرحله تسویه حساب روش دانلود را انتخاب کنید.

در این کورس آموزشی دو موضوع بیگ دیتا و مرور و پردازش هوشمند وب را در پیوند با یکدیگر خواهید آموخت. مرور و پردازش ماشینی وب منجر به ایجاد بیگ دیتا می شود و از سوی دیگر نیازمند پردازش بیگ دیتاست ، در این کورس آموزشی با فرمولها ، توابع ، کدنویسی پایتون و تکنیک های موجود در این زمینه آشنا شده و استفاده عملی از آن ها را بخوبی یاد می گیرید.

عنوان اصلی : Web Intelligence and Big Data

این مجموعه آموزش ویدیویی محصول موسسه آموزشی Coursera است که بر روی 1 حلقه DVD به همراه فایلهای تمرینی و اسلایدهای مدرس و به مدت زمان 14 ساعت و 10 دقیقه در اختیار علاقه مندان قرار می گیرد.

در ادامه با برخی از سرفصل های درسی این مجموعه آموزش آشنا می شویم :

unit0-intro - Preamble
unit0-intro - Revisiting Turing's Test
unit0-intro - Web-Scale AI and Big Data
unit0-intro - Web Intelligence
unit0-intro - Big Data
unit0-intro - Course Outline
unit0-intro - Recap and Preview


unit1-look - Basic Indexing
unit1-look - Index Creation
unit1-look - Locality Sensitive Hashing
unit1-look - LSH Example - 1
unit1-look - LSH Example - 2
unit1-look - LSH Intuition
unit1-look - High-dimensional Objects
unit1-look - Associative Memories
unit1-look - Recap and Preview
unit1-look - Complexity of Index Creation
unit1-look - Ranking - 1
unit1-look - Ranking - 2
unit1-look - Page Rank and Memory
unit1-look - Google and the Mind
unit1-look - Enterprise Search
unit1-look - Searching Structured Data
unit1-look - Object Search


unit2-listen - Preamble - Listen
unit2-listen - Shannon Information
unit2-listen - Mutual Information
unit2-listen - Machine Learning - Limits
unit2-listen - Recap and Preview
unit2-listen - Information and Advertising
unit2-listen - TF-IDF
unit2-listen - TF-IDF Example
unit2-listen - Language and Information
unit2-listen - Machine Learning Intro
unit2-listen - Bayes Rule
unit2-listen - Naive Bayes
unit2-listen - Sentiment Analysis


unit3-load-I - Preamble
unit3-load-I - Parallel Computing
unit3-load-I - Map-Reduce
unit3-load-I - Map-Reduce Example in Octo
unit3-load-I - Map-Reduce Example in Mincemeat
unit3-load-I - Map-Reduce Applications
unit3-load-I - Parallel Efficiency of Map-Reduce
unit3-load-I - Inside Map-Reduce


unit4AA-load-II - Preamble
unit4AA-load-II - Distributed File Systems
unit4AA-load-II - Database Technology
unit4AA-load-II - Evolution of Databases
unit4AA-load-II - Big-Table and HBase
unit4AA-load-II - NoSQL and Eventual Consistency
unit4AA-load-II - Future of NoSQL and Dremel
unit4AA-load-II - Evolution of SQL and Map-Reduce
unit4AA-load-II - Relational vs Big-Data Technologies
unit4AA-load-II - Database Trends and Summary


unit4AB-gust-lecture-I-graph-databases - Introduction to Graph Data
unit4AB-gust-lecture-I-graph-databases - Graph Query Languages
unit4AB-gust-lecture-I-graph-databases - Linked Open Data
unit4AB-gust-lecture-I-graph-databases - Challenges and Efficiency
unit4AB-gust-lecture-I-graph-databases - Graph Data Management
unit4AB-gust-lecture-I-graph-databases - Q & A


unit4B-parallel-graph-processing - Iteration and Map-Reduce
unit4B-parallel-graph-processing - Graph Computing
unit4B-parallel-graph-processing - Pregel Model
unit4B-parallel-graph-processing - Page-rank in Pregel
unit4B-parallel-graph-processing - Shortest Paths and Summary


unit5-learn - Preamble
unit5-learn - Classification Re-visited
unit5-learn - Learning Groupings - Clustering
unit5-learn - Learning Rules
unit5-learn - Association Rule Mining
unit5-learn - Learning with Big Data
unit5-learn - Learning Latent Models
unit5-learn - Grounded Learning
unit5-learn - Recap and Preview


unit6-connect - Preamble
unit6-connect - Logical Inference
unit6-connect - Recap and Preview
unit6-connect - Programming HW 6
unit6-connect - Resolution and its Limits
unit6-connect - Semantic Web
unit6-connect - Logic and Uncertainty
unit6-connect - Algebra of Potentials
unit6-connect - Naive Bayes Revisited
unit6-connect - Bayesian Networks - 1
unit6-connect - Bayesian Networks - 2
unit6-connect - Information Extraction


unit7A-predict - Preamble
unit7A-predict - Linear Prediction
unit7A-predict - Least Squares
unit7A-predict - Nonlinear Models
unit7A-predict - Learning Parameters
unit7A-predict - Prediction Applications
unit7A-predict - Which Technique
unit7A-predict - Hierarchical Temporal Memory - I
unit7A-predict - Hierarchical Temporal Memory - II
unit7A-predict - Blackboard Architecture


unit7B-guest-lecture2-markov-logic - Motivation
unit7B-guest-lecture2-markov-logic - Markov Networks and Logic
unit7B-guest-lecture2-markov-logic - Markov Logic via an Example
unit7B-guest-lecture2-markov-logic - Markov Logic Formalism
unit7B-guest-lecture2-markov-logic - Related Models
unit7B-guest-lecture2-markov-logic - Entity Resolution Example - 1
unit7B-guest-lecture2-markov-logic - Entity Resolution Example - 2
unit7B-guest-lecture2-markov-logic - Social Network Analysis using MLN
unit7B-guest-lecture2-markov-logic - Research Directions in Markov Logic

 

unit8-wrap-up-and-final-exam - Web Intelligence and Big Data 11.0 Course Recap and Pointers

مشخصات این مجموعه :
زبان آموزش ها انگلیسی روان و ساده
دارای آموزشهای ویدیویی و دسته بندی شده
ارائه شده بر روی 1 حلقه DVD به همراه فایلهای تمرینی و اسلایدهای مدرس
مدت زمان آموزش 14 ساعت و 10 دقیقه !
محصول موسسه آموزشی Coursera

خصوصیات محصول
زبانانگلیسی ساده و روان
حجم به مگابایت1445
زمان به دقیقه850
تعداد دیسک1

نوشتن نظر

توجه: HTML ترجمه نمی شود!
بد           خوب