下载了课课家，想自学大数据可以自学吗，有什么好的推荐吗？

来源：蜘蛛抓取(WebSpider) 时间：2017-05-25 01:22 标签： 个人怎么自学大数据
大数据入门级学习_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
大数据入门级学习
阅读已结束，如果下载本文需要使用3下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩9页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢第三方登录：作为一名大三本科生，想往大数据方向发展我应该学习哪些基础知识？ - 知乎114被浏览5359分享邀请回答coursera.org/learn/machine-learning/home/info数据科学和机器学习要领（微软）水平: Beginners-Intermediate学时: 3 - 4小时/周状态: On-demand持续时间: 5周需要的条件: 无工具: R这个课程是MIT专家和微软合作的，帮你学习数据科学以更好地应用于职场。本课程结束时，你就会知道如何用数据科学和机器学习模型来构建和获得见解。你将通过Azure 机器学习， R & Python来构建一个云数据解决方案的案例来学习数据采集、准备、探索和可视化方面的关键概念数据库 (斯坦福大学)水平: 初学者学时: 8 - 10小时/周状态:Self-paced持续时间: 10周需要的条件: 无工具: SQL、XML查询如果你要处理数据，数据库是不可避免的。本课程涵盖了数据库设计和数据库管理系统应用程序的使用。它包括广泛覆盖的关系模型，包含XML数据，DTDs模板、XML模板的内容，同时包含查询和转换语言XPath，Xquery和XSLT的内容。课程包括UML中的数据库设计，基于依赖关系和正常形式的相关设计原则。编码矩阵:线性代数在计算机科学的应用 (布朗大学)水平: Beginner-Intermediate学时: 10 - 14小时/周状态: Archived持续时间: 10周需要的条件: 无工具: Python线性代数不仅是计算机科学的重要组成，而且机器学习、图形和统计数据都需要。这是一个杰出的课程，将指导你完成真正的案例和python任务。你需要编写程序实现基本矩阵和向量的功能和算法，并使用这些实现任务：二维图形变换、脸变形、人脸检测、图像转换、模糊和边缘检测、图像视角移除、分类肿瘤恶性或良性、整数分解、纠错编码和秘密共享。另一个更基础的课程是德克萨斯奥斯丁大学的LAFF。学习数据 (加州理工学院)水平: Intermediate-Expert学时: 10 - 14小时/周状态: Archived持续时间: 10周需要的条件: 概率矩阵，微积分工具: 没有限制对机器学习爱好者来说这是有史以来最好的公开课。这是机器的学习入门课程(ML)，覆盖基本理论、算法和应用程序，但是需要一个有良好的线性代数，微积分和概率背景以及编程技能。教授这门课的是Yaser S.Abu-Mostafa ，他是加州理工学院电气工程和计算机科学教授，不仅是亚马逊里机器学习的畅销书的作者，也是一个会简化学习方法的教授。CSCI E-109 Data Science(哈佛扩展学校)水平: Beginners-Expert学时: 7 - 12小时/周状态: Archived持续时间: 16周需要的条件: 无工具: Python，d3非常优秀的课程。本课程介绍五个关键方面的调查方法: 通过data wrangling，清洗和采样得到合适的数据集；数据管理能够快速、可靠访问大数据；探索性数据分析生成假说；基于统计方法如回归和分类来预测；通过可视化、故事和易理解的总结来和他人沟通。数据科学概论 (华盛顿大学)水平: Beginner-Intermediate学时: 10 - 14小时/周状态: Archived持续时间: 10周需要的条件: 编程工具: Python，R，SQL介绍数据科学的基础知识，通过实践经验从大数据中提取价值。本课程教你一些数据科学的基本技术，包括SQL和NoSQL大规模数据管理解决方案(例如 MapReduce和时代)，数据挖掘算法(如聚类和关联规则挖掘)和基本统计建模(例如线性和非线性回归)。网络、人群和市场 (康奈尔大学)水平: Beginners-Expert学时: 4 - 8小时/周状态: Archived持续时间: 10周需要的条件: 无工具: 无这项课程将通过研究社会、经济和技术在世界上是如何连接的基本问题的探索现代生活的相互联系。学生将探索博弈论，互联网结构，社会传播，社会力量传播的普及，信息瀑布。链接分析的另一个重要的知识来源是SNAP。数据分析: Take It to the MAX() (DelftX)水平: Intermediate学时: 4 - 6小时/周状态: On-demand持续时间: 8周需要的条件:基本的电子表格。工具: MS-excel，python即使在大数据时代，有大量的数据分析师还是严重依赖于电子表格收集意见。对于那些想要使用excel增强分析能力的人这是一个优秀的课程。你将深入探究电子表格数据分析:数据透视表，VLOOKUPS，Named ranges，what-if分析，并做出图形——这些将在第一周的课程中讲授。之后，你将学习的电子表格模型的质量，尤其是如何确保您的电子表格保持无差错和强大。最后，你还需要学习Python编程语言，帮助我们分析和操作电子表格中的数据。 (二维码自动识别)494 条评论分享收藏感谢收起2添加评论分享收藏感谢收起查看更多回答1 个回答被折叠（）

我要回帖

更多关于 个人怎么自学大数据 的文章

 

随机推荐