| | Сделать стартовой | Добавить в избранное | | |  
Меню
Опрос на сайте
Платите ли вы за скачивание файлов?
Использую 1 файлобменник со своим премиумом.
Плачу смсками на разных ФО.
Качаю бесплатно отовсюду.
Использую премиумы везде.
Архив новостей
Апрель 2021 (889)
Март 2021 (2635)
Февраль 2021 (1893)
Январь 2021 (2446)
Декабрь 2020 (2315)
Ноябрь 2020 (3348)
Реклама
Вы вошли как Гость. Добро пожаловать к нам на сайт!
Вход на сайт
Логин:
Регистрация
Пароль:
Напомнить
Закрыть окно



Метки и теги
Календарь
«    Апрель 2021    »
ПнВтСрЧтПтСбВс
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
 

Промышленный Machine Learning на больших данных (2020) Видеокурс

 (голосов: 0)
| borderman / | 19 февраля | 12:43
Промышленный Machine Learning на больших данных (2020) Видеокурс

Вы освоите все необходимые навыки машинного обучения для потоковых данных и распределенной среды. В программу включены необходимые знания из областей Data Science и Data Engineering, которые позволят вам обрабатывать большие данные и писать распределенные алгоритмы на Spark.

Для кого этот курс?
-Для специалистов по Машинному обучению или Software инженеров, которые хотят научиться работать с большими данными. Обычно такие задачи имеются в крупных IT-компаниях с масштабным цифровым продуктом.
-Для Data Scientist, которые хотят усилить свой скиллсет инженерными навыками. Благодаря курсу вы будете уметь обрабатывать данные и самостоятельно выводить результаты ML-решений в продакшн.

Вы научитесь:
-Использовать стандартные инструменты ML-конвейеров в распределенной среде;
-Разрабатывать собственные блоки для ML-конвейеров;
-Адаптировать ML-алгоритмы к распределенной среде и инструментам big data;
-Использовать Spark, SparkML, Spark Streaming;
-Разрабатывать алгоритмы потоковой подготовки данных для машинного обучения;
-Обеспечивать контроль качества на всех этапах движения ML-решений в промышленную эксплуатацию.

Содержание:
01. Градиентный спуск и линейные модели
02. Обзор основных методов и метрик машинного обучения
03. Основы программирования на Scala
04. Распределенные хранилища
05. Эволюция параллельных алгоритмов
06. Менеджеры ресурсов в распределенных системах
07. Основы Apache Spark
08. Эволюция параллельных алгоритмов №2
09. Перенос МЛ-алгоритмов в распределенную среду
10. ML в Apache Spark
11. Разработка собственных блоков для SparkML
12. Сторонние библиотеки для использования со Spark
13. Оптимизация гиперпараметров и AutoML
14. Потоковая обработка данных
15. Spark Streaming
16. Структурный и непрерывный стриминг в Spark
17. Альтернативные потоковые фреймворки
18. Определение цели МЛ-проекта и предварительный анализ
19. Долгосрочные ML-цели на примере задачи уменьшения оттока
20. А-Б тестирование 1
21. А-Б тестирование 2
22. Подходы к выводу ML-решений в продакшн
23. Версионирование, воспроизводимость и мониторинг
24. Онлайн-сервинг моделей
25. Паттерны асинхронного потокового ML и ETL
26. Если надо Python
27. Альтернативные фреймворки с поддержкой Python
28. Production Code на Python. Организация и Packaging кода
29. REST-архитектура - Flask API
30. Docker - Структура, применение, деплой
31. Amazon Sagemaker
32. AWS ML Service
33. Нейросети
34. Распределенное обучение и инференс нейросетей
35. Градиентный бустинг на деревьях

Информация о видео
Название: Промышленный Machine Learning на больших данных
Автор: Дмитрий Бугайченко и др.
Год выхода: 2020
Жанр: Видеокурс
Язык: Русский
Выпущено: Россия
Продолжительность: 61:33:51

Файл
Формат: MP4 (+доп.файлы)
Видео: AVC, ~1684x900, ~1684 Kbps
Аудио: AAC, 128 Kbps, 48.0 KHz
Размер файла: 8.32 Gb

Промышленный Machine Learning на больших данных (2020) Видеокурс Промышленный Machine Learning на больших данных (2020) Видеокурс Промышленный Machine Learning на больших данных (2020) Видеокурс


Скачать Промышленный Machine Learning на больших данных (2020) Видеокурс

Для просмотра скрытого текста необходимо зарегистрироваться или войти на сайт.


Для просмотра скрытого текста необходимо зарегистрироваться или войти на сайт.


Для просмотра скрытого текста необходимо зарегистрироваться или войти на сайт.
Похожие новости: {related-news}
Просмотров: 0
Информация
Посетители, находящиеся в группе Гости, не могут оставлять комментарии в данной новости. Вы можете войти или зарегистрироваться на сайте.