Couvre les meilleures pratiques et les lignes directrices pour les mégadonnées, y compris les lacs de données, l'architecture, les défis et les technologies comme Hadoop et Hive.
Présente la structure du cours et les concepts fondamentaux de l'apprentissage automatique, y compris l'apprentissage supervisé et la régression linéaire.
Explore les transformations microbiennes et les avantages pour la santé des aliments fermentés, en mettant l'accent sur leur potentiel en tant que vecteurs de probiotiques pour les communautés mal desservies.
Explore la production, le stockage, le traitement et les dimensions de Big Data, ainsi que les défis en matière d'analyse de données, d'élasticité de l'informatique en nuage et de sécurité.
Couvre les principes fondamentaux de la science des données, en mettant l'accent sur la profondeur et l'application pratique dans l'apprentissage automatique et l'analyse de données.
Plonge dans les humanités numériques, en se concentrant sur la définition des grands ensembles de données culturelles et les différentes dimensions de la bigness des données.
Explore la régression logistique pour prédire les proportions de la végétation dans la région amazonienne grâce à l'analyse des données de télédétection.
Explore les distinctions en humanités numériques, en se concentrant sur les ensembles de données culturelles et les implications de la taille des données.
Explore l'évolution de l'analyse des données à l'IA et au ML, en mettant l'accent sur les mégadonnées, l'apprentissage automatique et l'interaction avec les médias sociaux.
