หลักสูตรข้อมูลขนาดใหญ่: แบบจำลองทางคณิตศาสตร์

FutureLearn

รายละเอียดโปรแกรม

อ่านรายละเอียดที่เป็นทางการ

หลักสูตรข้อมูลขนาดใหญ่: แบบจำลองทางคณิตศาสตร์

FutureLearn

เข้าร่วมหลักสูตรทำไม

คุณเคยสงสัยหรือไม่ว่าคณิตศาสตร์สามารถนำไปใช้แก้ปัญหาข้อมูลขนาดใหญ่ได้อย่างไร? หลักสูตรนี้จะแสดงวิธีการ คณิตศาสตร์มีอยู่ทุกหนทุกแห่งและมีข้อมูลขนาดใหญ่ขึ้นซึ่งจะกลายเป็นเครื่องมือที่มีประโยชน์เมื่อดึงข้อมูลและวิเคราะห์ชุดข้อมูลขนาดใหญ่

เรียนรู้ว่าคณิตศาสตร์เป็นรากฐานในการวิเคราะห์ข้อมูลขนาดใหญ่

เราจะเริ่มด้วยการอธิบายว่าคณิตศาสตร์เป็นรากฐานของเครื่องมือจำนวนมากที่ใช้ในการจัดการและวิเคราะห์ข้อมูลขนาดใหญ่ เราจะแสดงให้คุณเห็นว่าปัญหาที่ประยุกต์ใช้แตกต่างกันมากสามารถมีจุดมุ่งหมายทางคณิตศาสตร์ร่วมกันได้อย่างไรและสามารถใช้งานได้โดยใช้เครื่องมือทางคณิตศาสตร์ที่คล้ายคลึงกัน จากนั้นเราจะดำเนินการเพื่อแนะนำเครื่องมือสามแบบดังกล่าวขึ้นอยู่กับกรอบพีชคณิตเชิงเส้น เครื่องมือเหล่านี้และปัญหาที่พวกเขากล่าวคือ:

  • ค่าความเป็นตัวตนและตัวสังเกตุตัวสำหรับการจัดอันดับ
  • กราฟ Laplacian สำหรับการจัดกลุ่ม
  • การสลายตัวค่าเอกพจน์สำหรับการบีบอัดข้อมูล

พัฒนาทักษะการวิเคราะห์ของคุณด้วยกรณีศึกษาต้นแบบ

ในหลักสูตรนี้เราได้เลือกปัญหาเกี่ยวกับแม่บทในการวิเคราะห์ข้อมูลเพื่อแสดงแนวคิดหลัก ๆ อัลกอริทึมเหล่านี้สามารถขยายเพื่ออำนวยความสะดวกในการใช้ข้อมูลขนาดใหญ่ แนวทางที่ใช้งานจริงของเราจะช่วยให้คุณสามารถพัฒนาทักษะการวิเคราะห์ของคุณโดยใช้ชุดข้อมูลที่มีอยู่ในตัวเองทำความเข้าใจเกี่ยวกับวิธีการทางคณิตศาสตร์ที่ลึกซึ้งและสำรวจว่าวิธีการเหล่านี้สามารถนำไปใช้กับข้อมูลขนาดใหญ่ในพื้นที่ของคุณได้อย่างไร

ศึกษาต่อด้วยโปรแกรม Big Data Analytics

หลักสูตรนี้เป็นหนึ่งในสี่ของโปรแกรม Big Data Analytics ใน FutureLearn จากศูนย์ความเป็นเลิศ ARC สำหรับเขตแดนทางคณิตศาสตร์และสถิติที่มหาวิทยาลัยเทคโนโลยีควีนส์แลนด์ (QUT) โปรแกรมช่วยให้คุณเข้าใจว่าข้อมูลขนาดใหญ่ถูกรวบรวมและจัดการอย่างไรก่อนที่จะสำรวจการอนุมานทางสถิติการเรียนรู้ด้วยคอมพิวเตอร์การสร้างแบบจำลองทางคณิตศาสตร์และการสร้างข้อมูลข้อมูล เมื่อคุณเรียนจบหลักสูตรทั้งสี่และซื้อ Certificate of Achievement for each คุณจะได้รับรางวัล FutureLearn Award เป็นหลักฐานการจบหลักสูตรการศึกษา

กิตติกรรมประกาศ

QUT อยากจะขอบคุณผู้ให้ข้อมูลเนื้อหาต่อไปนี้:

  • เควิน Burrage
  • จูเซปเปเดอมาร์ติโน
  • Steve Psaltis
  • Ian Turner

หัวข้ออะไรที่คุณจะกล่าวถึง?

  • บทนำแนวคิดทางคณิตศาสตร์ที่สำคัญในการวิเคราะห์ข้อมูลขนาดใหญ่: ค่าความเป็นตัวตนและตัวสมการเองการวิเคราะห์องค์ประกอบหลัก (PCA) กราฟ Laplacian และการสลายตัวของค่าเอกพจน์ (SVD)
  • การใช้ eigenvalues ​​และ eigenvectors เพื่อตรวจสอบปัญหาของแม่บทการจัดอันดับข้อมูลขนาดใหญ่
  • การประยุกต์ใช้กราฟ Laplacian เพื่อตรวจสอบปัญหาต้นแบบของการจัดกลุ่มข้อมูลขนาดใหญ่
  • การประยุกต์ใช้ PCA และ SVD เพื่อศึกษาปัญหาต้นแบบของการบีบอัดข้อมูลขนาดใหญ่

คุณจะทำอะไร?

  • ระบุพื้นที่แอพพลิเคชันข้อมูลขนาดใหญ่
  • สำรวจกรอบข้อมูลขนาดใหญ่
  • สร้างแบบจำลองและวิเคราะห์ข้อมูลโดยใช้เทคนิคที่เลือก
  • สาธิตวิธีการรวมข้อมูลขนาดใหญ่
  • พัฒนาความตระหนักในการมีส่วนร่วมอย่างมีประสิทธิภาพในทีมที่ทำงานร่วมกับผู้เชี่ยวชาญด้านข้อมูลขนาดใหญ่

หลักสูตรสำหรับใคร?

หลักสูตรนี้ออกแบบมาสำหรับทุกคนที่ต้องการเพิ่มวิธีการทางคณิตศาสตร์สำหรับการวิเคราะห์ข้อมูลไปยังชุดทักษะของพวกเขา เพื่อให้ได้ประโยชน์สูงสุดจากหลักสูตรนี้เราขอแนะนำให้คุณได้ศึกษาพีชคณิตเชิงเส้นในระดับมหาวิทยาลัย / วิทยาลัย เราขอแนะนำให้คุณรีเฟรชความรู้เกี่ยวกับพีชคณิตเวกเตอร์และเมทริกซ์ก่อนที่จะมีส่วนร่วมกับเนื้อหาหลักสูตร เราจะสมมติ MATLAB พื้นฐาน (หรืออื่น ๆ ) ทักษะการเขียนโปรแกรมสำหรับการออกกำลังกายในทางปฏิบัติ MathWorks จะช่วยให้คุณสามารถเข้าถึง MATLAB Online ได้ฟรีตลอดช่วงเวลาของหลักสูตรเพื่อให้คุณสามารถทำแบบฝึกหัดการเขียนโปรแกรมได้อย่างสมบูรณ์ เยี่ยมชมเว็บไซต์ MATLAB Online เพื่อให้แน่ใจว่าระบบของคุณมีคุณสมบัติตรงตามข้อกำหนดขั้นต่ำ

เบ็ดเตล็ด

  • หลักสูตรออนไลน์ฟรี
  • ระยะเวลา: 2 สัปดาห์
  • 2 ชั่วโมง pw
  • มีใบรับรอง
โรงเรียนนี้เสนอโปรแกรมใน:
  • อังกฤษ
FutureLearn

อัพเดทล่าสุดวันที่ June 14, 2018
ระยะเวลาและราคา
หลักสูตรนี้ Online
Start Date
วันเริ่มต้น
เปิดรับลงทะเบียน
Duration
ระยะเวลา
นอกเวลา
เต็มเวลา
Price
ราคา
ฟรี
หลักสูตรออนไลน์ฟรี
Locations
ประเทศอังกฤษ - UK Online
วันเริ่มต้น : เปิดรับลงทะเบียน
วันหมดเขตรับสมัคร ขอรายละเอียด
วันที่สิ้นสุด ขอรายละเอียด
Dates
เปิดรับลงทะเบียน
ประเทศอังกฤษ - UK Online
วันหมดเขตรับสมัคร ขอรายละเอียด
วันที่สิ้นสุด ขอรายละเอียด