udemyПоднимите свои навыки R & R Studio на новый уровень. Data Analytics, Data Science, анализ в бизнесе, GGPlot2. Профессиональное обучение R, уникальные наборы данных, разработанные с учетом многолетнего отраслевого опыта, увлекательные упражнения, которые одновременно доставят вам удовольствие от аналитики!
udemyУзнайте, как использовать Spark с Python, включая Spark Streaming, машинное обучение, Spark 2.0 DataFrames и многое другое! Узнайте новейшие технологии больших данных - Spark! И научитесь использовать его с одним из самых популярных языков программирования, Python!
netologyНаучим с нуля собирать, анализировать и презентовать данные. Получите востребованную профессию с зарплатой от 80 тыс. руб. (даже в регионах — по данным hh.ru)
Учебный Центр «Специалист»Язык SQL – самый мощный инструмент для обработки данных, придуманный человеком. Этот простой и выразительный язык запросов поддерживается всеми современными базами данных (в том числе Microsoft, Oracle, IBM) и инструментами анализа и программирования (в том числе Excel).
udemyСамый глубокий взгляд на теорию нейронных сетей и на то, как ее писать на чистом Python и Tensorflow.
udemyВ настоящее время вы, возможно, слышали о многих ключевых словах, таких как Embedded AI / Embedded ML / Edge AI, их значение одно и то же, т.е. Чтобы заставить алгоритм или модель ИИ работать на встроенных устройствах. Из-за огромного разрыва между обеими технологиями техники не знают, с чего начать.
rockthejvm.comИзучайте Big Data с помощью Apache Spark и Scala, используя Spark DataFrames, наборы данных, RDD и Spark SQL. В этом курсе мы научимся писать приложения для больших данных с помощью Apache Spark. Вы сами напишите более 2000 строк кода Spark, и вы станете рок-звездой.
udemyПолный курс по Data Science: математика, статистика, Python, продвинутая статистика в Python, машинное и глубокое обучение.
udemyУзнайте, как использовать язык программирования R дляData Science, машинного обучения и визуализации данных!
udemyМногие из курсов по численному анализу больше сосредоточены на теории и выводах численных методов, чем на методах программирования. Студенты получают коды численных методов на разных языках из учебников и лабораторных заметок и используют их при выполнении своих заданий, а не программируют их самостоятельно.