รายละเอียด

หมายเหตุสำคัญ: การมอบหมายครั้งที่สองในหลักสูตรนี้ครอบคลุมหัวข้อการวิเคราะห์กราฟในคลาวด์ซึ่งคุณจะใช้ Elastic MapReduce และภาษาหมูเพื่อทำการวิเคราะห์กราฟบนชุดข้อมูลขนาดใหญ่พอสมควรประมาณ 600GB เพื่อให้งานนี้เสร็จสมบูรณ์คุณจะต้องใช้ประโยชน์จาก Amazon Web Services (AWS) อเมซอนได้เสนออย่างไม่เห็นแก่ตัวเพื่อมอบเครดิต AWS ฟรีสูงสุด $ 50 ให้กับผู้เรียนแต่ละคนในหลักสูตรนี้เพื่อให้คุณสามารถทำงานที่ได้รับมอบหมายให้เสร็จสมบูรณ์ รายละเอียดเพิ่มเติมเกี่ยวกับกระบวนการรับเครดิตนี้มีอยู่ในข้อความต้อนรับของหลักสูตรและในการมอบหมาย โปรดทราบว่า Amazon, University of Washington และ Coursera ไม่สามารถคืนเงินให้คุณสำหรับค่าใช้จ่ายใด ๆ หากคุณหมดเครดิต

ในขณะที่เราเชื่อว่างานนี้มีส่วนช่วยสร้างประสบการณ์การเรียนรู้ที่ยอดเยี่ยมในหลักสูตรนี้เราเข้าใจว่าผู้เรียนบางคนอาจไม่สามารถหรือไม่ต้องการใช้ AWS เราไม่สามารถออกใบรับรองหลักสูตรสำหรับผู้เรียนที่ไม่ได้ทำภารกิจที่ต้องใช้ AWS ให้เสร็จสมบูรณ์ ดังนั้นคุณไม่ควรจ่ายค่าใบรับรองหลักสูตรในการสื่อสารข้อมูลผลลัพธ์หากคุณไม่สามารถหรือไม่ต้องการใช้ AWS เนื่องจากคุณจะไม่สามารถสำเร็จหลักสูตรได้โดยไม่ต้องทำเช่นนั้น

การทำนายไม่เพียงพอ! นักวิทยาศาสตร์ข้อมูลที่มีประสิทธิภาพรู้วิธีอธิบายและตีความผลลัพธ์ของพวกเขาและสื่อสารสิ่งที่ค้นพบได้อย่างถูกต้องกับผู้มีส่วนได้ส่วนเสียเพื่อแจ้งการตัดสินใจทางธุรกิจ การสร้างภาพข้อมูลเป็นสาขาการวิจัยทางวิทยาศาสตร์คอมพิวเตอร์ที่ศึกษาการสื่อสารที่มีประสิทธิภาพของผลลัพธ์เชิงปริมาณโดยการเชื่อมโยงการรับรู้ความรู้ความเข้าใจและอัลกอริทึมเพื่อใช้ประโยชน์จากแบนด์วิดธ์มหาศาลของคอร์เทกซ์สายตาของมนุษย์ ในหลักสูตรนี้คุณจะได้เรียนรู้ที่จะจดจำออกแบบและใช้การสร้างภาพข้อมูลอย่างมีประสิทธิภาพ

เพียงเพราะคุณสามารถทำนายและโน้มน้าวให้คนอื่นทำตามนั้นไม่ได้หมายความว่าคุณควรทำ ในหลักสูตรนี้คุณจะสำรวจการพิจารณาทางจริยธรรมเกี่ยวกับข้อมูลขนาดใหญ่และการพิจารณาเหล่านี้เริ่มมีผลต่อนโยบายและการปฏิบัติอย่างไร คุณจะได้เรียนรู้ข้อ จำกัด พื้นฐานของการใช้เทคโนโลยีเพื่อปกป้องความเป็นส่วนตัวและจรรยาบรรณที่เกิดขึ้นเพื่อเป็นแนวทางในพฤติกรรมของนักวิทยาศาสตร์ข้อมูล คุณจะได้เรียนรู้ถึงความสำคัญของความสามารถในการทำซ้ำในวิทยาการข้อมูลและวิธีที่คลาวด์เชิงพาณิชย์สามารถช่วยสนับสนุนการวิจัยที่ทำซ้ำได้แม้สำหรับการทดลองที่เกี่ยวข้องกับชุดข้อมูลขนาดใหญ่โครงสร้างพื้นฐานการคำนวณที่ซับซ้อนหรือทั้งสองอย่าง

เป้าหมายการเรียนรู้: หลังจากเรียนจบหลักสูตรนี้แล้วคุณจะสามารถ:
1. การออกแบบและการสร้างภาพข้อมูลบทวิจารณ์
2. อธิบายถึงสถานะของศิลปะในความเป็นส่วนตัวจริยธรรมการปกครองรอบ ๆ ข้อมูลขนาดใหญ่และวิทยาศาสตร์ข้อมูล
3. ใช้คลาวด์คอมพิวติ้งในการวิเคราะห์ชุดข้อมูลขนาดใหญ่ด้วยวิธีที่ทำซ้ำได้

ราคา: ลงทะเบียนฟรี!

การสื่อสารผลข้อมูลวิทยาศาสตร์ - มหาวิทยาลัยวอชิงตัน