Kurs i Big Data: Matematisk modellering

FutureLearn

Programbeskrivning

Läs den officiella beskrivningen

Kurs i Big Data: Matematisk modellering

FutureLearn

Varför gå kursen?

Har du någonsin undrat hur matematiken kan användas för att lösa stora dataproblem? Denna kurs visar dig hur. Matematiken är överallt, och med uppkomsten av stora data blir det ett användbart verktyg när man extraherar information och analyserar stora dataset.

Läs om hur matematik stöder stora dataanalys

Vi börjar med att förklara hur matematik grundar sig på många av de verktyg som används för att hantera och analysera stora data. Vi kommer att visa dig hur mycket olika tillämpade problem kan ha gemensamma matematiska syften, och därför kan adresseras med liknande matematiska verktyg. Vi kommer sedan att fortsätta att introducera tre sådana verktyg, som bygger på en linjär ram algebra. Dessa verktyg och de problem som de behandlar är:

  • egenvärden och egenvektorer för rankning
  • graf Laplace för klustring
  • singulärvärdesuppdelning för datakompression.

Utveckla din kompetensanalys med prototypiska fallstudier

I den här kursen har vi valt ett antal prototypiska problem i uppgiftsanalys för att visa de viktigaste begreppen. Dessa algoritmer kan utökas för att underlätta deras användning i stora dataproblem. Våra konkret tillvägagångssätt gör att du kan utveckla din analytiska färdigheter med självständiga datamängder, fördjupa din förståelse av de underliggande matematiska metoder, och undersöka hur dessa metoder kan tillämpas på stora uppgifter i ditt område.

Fortsätta lära med stora datamängder program

Denna kurs är en av fyra i stora datamängder program på FutureLearn från ARC Centre of Excellence för matematiska och statistiska gränser vid Queensland University of Technology (QUT). Programmet gör att du kan förstå hur stor data samlas in och hanteras innan du utforskar statistisk inferens, maskininlärning, matematisk modellering och datavisualisering. När du är klar med alla fyra kurser och köpa ett certifikat av prestationen för varje, kommer du att tjäna en FutureLearn Award som ett bevis på att slutföra utbildningen.

Tack

QUT vill tacka följande innehåll bidragsgivare:

  • Kevin Burrage
  • Giuseppe De Martino
  • Steve Psaltis
  • ian Turner

Vilka ämnen kommer du täcka?

  • Introduktion till viktiga matematiska begrepp i stora datamängder: egenvärden och egenvektorer, principalkomponentanalys (PCA), grafen Laplace och singulärvärdesfaktorisering (SVD)
  • Tillämpning av egenvärden och egenvektorer för att undersöka prototypiska problem ranking stora uppgifter
  • Tillämpning av grafen Laplace att undersöka prototypiska problem klustring stora uppgifter
  • Tillämpning av PCA och SVD att undersöka prototypiska problem med stor datakomprimering

Vad kommer du att uppnå?

  • Identifiera big data tillämpningsområden
  • Utforska stora uppgifter ramar
  • Modell och analysera data genom att använda valda tekniker
  • Demonstrera en integrerad strategi för stora uppgifter
  • Utveckla en medvetenhet om hur man effektivt delta i ett team som arbetar med stora uppgifter experter

Vem är kursen för?

Denna kurs är utformad för alla som vill lägga till matematiska metoder för uppgiftsanalys för deras kompetens. För att få ut det mesta av den här kursen, rekommenderar vi att du har studerat linjär algebra vid ett universitet / högskolenivå. Vi vill uppmuntra dig att uppdatera dina kunskaper om vektor och matrisalgebra innan de inleder med kursmaterialet. Vi kommer att anta grundläggande MATLAB (eller andra) programmeringskunskaper för några av de praktiska övningarna. MathWorks ger dig fri tillgång till MATLAB Online under hela kursen så att du kan slutföra programmeringsövningar. Besök MATLAB Online webbplats för att säkerställa ditt system uppfyller minimikraven.

Diverse

  • GRATIS online kurs
  • Längd: 2 veckor
  • 2 timmar pw
  • Certifikat tillgängligt
Denna skola erbjuder program i:
  • Engelska
FutureLearn
Varaktighet & Pris
Denna kurs är Online
Start Date
Startdatum
Öppen antagning
Duration
Varaktighet
2 veckor
Deltid
Heltid
Price
Pris
Gratis
FRI onlinekurs
Information
Deadline
Locations
Storbritannien - UK Online
Startdatum : Öppen antagning
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan
Dates
Öppen antagning
Storbritannien - UK Online
Sista anmälningsdag Kontakt Skolan
Slutdatum Kontakt Skolan