Скачать Основы работы с большими данными: Data Science Orientation - Динцис (2017)

[raachi7]

Этот курс – введение в сложную и многогранную область науки по работе с большими данными – Data Science.

Вопросы, на которые вы получите ответы:
Что представляет собой Data Science и как она связана с большими данными (Big Data)?
Как «приложить» Data Science к вашему бизнесу и нужно ли?
Какие данные можно использовать для анализа?
Где именно искать и какие результаты ожидать?

Для кого этот курс?
Руководители компаний и подразделений
Линейные менеджеры
Бизнес-аналитики
Разработчики
Другие сотрудники, вовлеченные в аналитическую деятельность компании

Что даст вам прохождение курса?
Вы поймете, как подготовить компанию и сотрудников к практическому применению больших данных (Big Data) в работе.
Вы сможете повысить эффективность принятия решений за счет грамотного сбора, структурирования и применения современных техник анализа больших данных (Big Data).

Продолжительность: 09:38:40

Продажник:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.

Скачать:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.

 

[1hjpjfy]

Посмотрел одну часть из четырех, страдал в процессе.

Опять посредственный курс.
К сожалению, другие не смотрел, но этот может отбить желание изучать дальше.

Автор нудноват, речь не особо приятно слушать, курс не продуман, презентации сделаны человеком, который в них просто вписал гору текста.
Пример про их же курсы тоже растянут, других прикольных бизнесовых примеров нет. Все остальное затянуто тоже.

По ощущениям, автор не имеет отношения к этой теме, переводит тему в то, что знает. Проде он же вел бизнес-процессы, но там я плевался больше чем здесь, т.к. в бп немного понимаю.
Понятия из той же мат. статистики просто прочитывает с презентации, ничего толком не объясняя.

Не знаю на какое такое безрыбье можно смотреть этот курс, по возможности поищите что-нибудь посовременней.

В курсе есть какие-то книги pdf, пока не смотрел, но всяко уж полезнее, чем этот недокурс.

3/5.

 

[erjcan]

Посмотрел одну часть из четырех, страдал в процессе.

Опять посредственный курс.
К сожалению, другие не смотрел, но этот может отбить желание изучать дальше.

Автор нудноват, речь не особо приятно слушать, курс не продуман, презентации сделаны человеком, который в них просто вписал гору текста.
Пример про их же курсы тоже растянут, других прикольных бизнесовых примеров нет. Все остальное затянуто тоже.

По ощущениям, автор не имеет отношения к этой теме, переводит тему в то, что знает. Проде он же вел бизнес-процессы, но там я плевался больше чем здесь, т.к. в бп немного понимаю.
Понятия из той же мат. статистики просто прочитывает с презентации, ничего толком не объясняя.

Не знаю на какое такое безрыбье можно смотреть этот курс, по возможности поищите что-нибудь посовременней.

В курсе есть какие-то книги pdf, пока не смотрел, но всяко уж полезнее, чем этот недокурс.

3/5.

спс! говно курсов щас много.... надо фильтровать на что тратить время....

не буду смотреть это говно

 

[1hjpjfy]

спс! говно курсов щас много.... надо фильтровать на что тратить время....

не буду смотреть это говно

Недавно вернулся к этой теме. Я сейчас изучаю нейросети, машинное обучение, ИИ, бигдейту, пока не понял, что из всего этого мне нужно будет. БД, питон (много библиотек для аналитика). Нашел хорошие курсы, медленно прохожу. Т.к. там уже в самом начале требуется знание математики и, часто, питона. И дела другие есть.

Список ресурсов по маш. обуч.

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.

В курсе "Разработчик BigData. Часть 1 из 5 - OTUS (2018)" (есть на Инфосклад) ведущая сказала: "слаг русскоязычного сообщества по дэйтасайенс". Там помогают, дают вакансии и пр. Ссылка:

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.

И вот прикольная ссыль с хабра. 40+ летний не-программист описывает, как за 3 года стал востребованным специалистом в эой сфере. В комментах автор что-то рекомендует.

Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.

 

[erjcan]

Недавно вернулся к этой теме. Я сейчас изучаю нейросети, машинное обучение, ИИ, бигдейту, пока не понял, что из всего этого мне нужно будет. БД, питон (много библиотек для аналитика). Нашел хорошие курсы, медленно прохожу. Т.к. там уже в самом начале требуется знание математики и, часто, питона. И дела другие есть.

Список ресурсов по маш. обуч.


В курсе "Разработчик BigData. Часть 1 из 5 - OTUS (2018)" (есть на Инфосклад) ведущая сказала: "слаг русскоязычного сообщества по дэйтасайенс". Там помогают, дают вакансии и пр. Ссылка:


И вот прикольная ссыль с хабра. 40+ летний не-программист описывает, как за 3 года стал востребованным специалистом в эой сфере. В комментах автор что-то рекомендует.

а вот посл ссылка - уже круто. оч мотивирует!!!!

за 40 - это вобще космос! тут за 30 люди пишут посты - как не могут найти работу в долине, крики что возрастная дискриминация в силиконов.долине ))))
а тут за 40! спс большое!! хабру редко читаю

вобще я для себя вывел вот формулу прокачки резюме:

• сертификаты amazon web services(developer associate,sysops,devops)
• пара сертификатов по девопс: chef+kubernetes+docker
• java OSA(опционально)
• более-менее сильный гитхаб портфолио -щас в процессе у меня
• udacity nanodegree - machine learning\data science или front-end или coursera\edx с похожей степенью

и все! и человек уже солидно смотрится и точно на интервью пригласят.
все это требует времени - но окупится оч круто.. думаю

вобще ИТ - классная сфера, вот доктором просто так на онлайн курсах не станешь - там надо 8 л практики+лицензии,разрешения.

порог входа в ИТ щас ниже..

 

[erjcan]

в онлайн курсах я понял главное - это проекты которые сам делаешь, мозги напрягаешшь а не просто кучу видео посмотреть )))

вобще если прокачаться с помощью нанодегри - это будет просто космос, главное чтоб проекты мощные были..
ну и вишенка на торте - master's in applied data science.

а всякие буткемпы проходит от кодеров где учат базовым html/css/js/rails и платить за это по цене целой магистратуры - районе 8-14к дол . Ну уж нет !!! думаю это тупость...

 

[1hjpjfy]

вобще ИТ - классная сфера, вот доктором просто так на онлайн курсах не станешь - там надо 8 л практики+лицензии,разрешения.

порог входа в ИТ щас ниже..

Ну этот 40+ чувак - не среднестатистический. По силе духа и интеллекту. Он там не один за приз (рейтинг) конкурировал, другие тоже хотели в топ.

В этой сфере проблема в очень малом кол-ве предложений на рынке, поэтому конкурировать приходится с лучшими. Работодателю нужны сразу спецы, причем несколько штук со всего рынка (а выпускников сотни), причем демпинговать не получится, т.к. косячные и начинающие спецы не нужны. И физически работодателей мало.

Для многих вакансий в ИТ достаточно быть просто мотивированным, самообучаемым и немного знать азы. Можно через месяц активного изучения какого-нибудь языка или технологии идти на собесы на джуна, за минималку (з/пл). А здесь так не получается - ты сам себя должен довести до состояния готового спеца. Это далеко не все могут. И конкурировать приходится с МГУ-шниками и пр из топ-вузов, которые на этапе скрининга резюме уделывают большинство других кандидатов.

Поэтому, в ИТ в целом порог вхождения не самый сложный, а в датасайенс - высокий.

Но в любом случае, кто хочет - тот добьется. Успехов нам.

 

[xExTractorx]

вобще я для себя вывел вот формулу прокачки резюме:

• сертификаты amazon web services(developer associate,sysops,devops)
• пара сертификатов по девопс: chef+kubernetes+docker
• java OSA(опционально)
• более-менее сильный гитхаб портфолио -щас в процессе у меня
• udacity nanodegree - machine learning\data science или front-end или coursera\edx с похожей степенью

и все! и человек уже солидно смотрится и точно на интервью пригласят.
все это требует времени - но окупится оч круто.. думаю

А когда ты все это прокачаешь, стандарты и требования вновь поменяют и все начнется заново.

 

[erjcan]

А когда ты все это прокачаешь, стандарты и требования вновь поменяют и все начнется заново.

тоже так думал. по скорости изменений:

• веб дев - самая быстрая и поэтому легче залезть, потому что ты учишь ПОСЛ.КРУТОЙ ФРЕЙМВОРК(если уже есть база) - всякие эмбер.жс, нокаут и метеор жс из 2012-2016 уже в прошлом! их можно игнорить как будто их не было. вебдев вроде быстрый - с др стороны помню как в 2008 изучал азы веба - там тоже самое был html+css+js+jquery и за 10 л ниче не поменялось! меняются фремворки, добавились сборщики , сасс,лесс и проч. инструменты. а в целом основа на которой построен интернет - веб страницы не меняется.
• девопс - не поменяется, т.к сервера это база, они будут всегда. хоть в облаке, хоть где. Меняются инструменты - но и они тоже учатся быстро.

вроде что-то меняется а так остается все тоже самое, люди сами выдумывают якобы "новые" вещи. Дак тому же эти тренды быстро умирают.

 

[Artemii]

Факультет Искусственного интеллекта от GeekBrains, материалы доступны в складчине (это - первая из 5 в которой будут все материалы 1-ой четверти), приглашаю к совместной покупке:
Раздача - Факультет Искусственного интеллекта. Python для Data Science - GeekBrains (2019)