Проверяем сведения о курсе и предложения площадок…
Описание курса
Текст площадки «Stepik». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
Программа знакомит слушателей с основами которые применяются при работе с Большими данными и рассчитан в первую очередь на тех слушателей, которые только начинают свой путь в Big Data. Мы подробно разберем основные теоретические понятия, начнем знакомство со Spark — наиболее популярным фреимворком из этого мира, а такж
Один курс · разные способы доступа
Где удобнее учиться?
Сравните цену и то, как будете заниматься.
В Курсе
Сайт площадки ↗︎Уроки, текст и помощь — в одном месте
Цена
От 300 ₽
Удобство интерфейса
История цен на площадках
Как проходит обучение
Эти данные взяты из программы и описания площадки. Пустое поле означает, что на странице курса ответа не было.
- Документ
- На странице курса заявлена выдача сертификата.Проверено 23.09.2026 · Источник ↗︎
- Формат
- 5. Вебинар третьей неделиПроверено 24.09.2026 · Источник ↗︎
- Темы программы
- Введение; Модуль 1: введение в Big Data и ClickHouse; Проект: часть 1/4; Модуль 2: Apache Hadoop; Модуль 3: Apache Spark; Проект: часть 2/4; Модуль 4: Workflow; Модуль 5: Spark MLПроверено 23.09.2026 · Источник ↗︎
Авторы и преподаватели
- Ольга СилютинаПреподаватель
- Alexander SavchenkoПреподаватель
- Stepik AcademyАвтор материалов
Что пишут о курсе разные площадки
Продавцы могут по-разному указать название, автора и программу. Поэтому ниже каждый исходный текст показан отдельно.
СкладчикBig Data для Data Science [Stepik Academy] [Александр Савченко, Анатолий Карпов]
Указаны на площадке: Александр Савченко, Анатолий Карпов
Первая неделя. Введение в Big Data для Data Science
1. Зачем DS знать Big Data?
Зачем нужны DS?
Две проблемы в работе с данными для DS
Teamwork (Data Engineer + Data Science + Data Analyst)
2. Хранилища данных (SQL/NoSQL обзор)
SQL (PostgreSQL, MySQL)
NoSQL (Document, KV, Column, Graph)
3. Обработка данных (Hadoop/Spark)
Применение Hadoop
Применение Spark
4. Вебинар первой недели
Вторая неделя. Hadoop
1. Архитектура Hadoop и компоненты
2. HDFS
Свойства
NameNode/DataNode
Отказоустойчивость
Работа с HDFS
3. MapReduce парадигма (YARN/MR)
4. Реляционные БД и SQL
5. Hbase & Cassandra & ClickHouse
6. Hive
5. Вебинар второй недели
Третья неделя. Spark
1. Архитектура Spark и компоненты
Применение
Spark Core/SQL/Streams/GraphX/ML
Архитектура
Выполнение задач и мониторинг (master, mode...)
2. Core (RDD/DataFrame)
RDD
DataFrame
DataFrame Spark vs Pandas (link)
3. SparkSQL
Dataframe as SQL table
4. Spark Streaming & Apache Kafka
Применение
Spark Streaming
Apache Kafka
5. Вебинар третьей недели
Четвёртая неделя. Workflow
1. Архитектура хранилищ Data Warehouse vs Data Lake
Data Warehouse компоненты, плюсы и минусы
Data Lake компоненты, плюсы и минусы
Cloud AWS/GCP
2. Управление задачами
ETL & ELT
Apache Airflow
3. Вебинар четвёртой недели
Пятая неделя. SparkML
1. Модели и алгоритмы Spark ML
Spark ML Архитектура
Spark ML модели и алгоритмы
Spark ML - Практика
Spark ML - Задачи
Шестая неделя. BI Tools
Введение в Business Intelligence
SuperSet - Практика
SuperSet - Задачи
Получено 24.09.2026Складчина.biz[Stepik] Big Data for Data Science, 2021 (Александр Савченко, Ольга Силютина)
Указаны на площадке: Александр Савченко, Ольга Силютина
О курсе
Этот курс — программа проекта Stepik Academy. Перед покупкой посмотрите, пожалуйста, информацию и программу на сайте проекта.
В повседневной жизни мы пользуемся самыми разнообразными цифровыми устройствами, и каждый из нас генерирует огромные объемы информации за свою жизнь. И для хранения и обработки такого объема информации созданы специальные технологии которые любят называть таинственным словом Big Data.
Специалистам в сфере науки о данных так или иначе приходится работать со специальными хранилищами и технологиями, используемыми для хранения и обработки больших данных.
В данном курсе мы познакомимся с технологиями из мира больших данных, рассмотрим, как их можно применять для обработки данных и в машинном обучении. Рассмотрим и изучим процессы параллельной и распределенной обработки больших объемов данных.
Разберемся, как работают системы для хранения больших данных, рассмотрим основные принципы обработки таких объемов данных.
Познакомимся с фреймворками Hadoop, Spark, Airflow, специальными хранилищами данных HDFS, ClickHouse, а так же с BI инструментом SuperSet.
Изучим работу распределенного машинного обучения и его применение с использованием модуля SparkML.
Мы будем решать практические задания на языках Python и SQL, поэтому вам потребуется навыки программирования на базовом уровне.
Для кого этот курс
Специалисты Data Science и все те кто хочет познакомится с Big Data, а также узнать как применяются эти технологии для хранения, обработки данных и в машинном обучении.
Начальные требования
Базовые знания языка Python и SQL.
Содержание обучения
Что в программе
01Введение3 урока
- О программеВремя не указано
- Организационная информацияВремя не указано
- Оценивание и сертификатВремя не указано
02Модуль 1: введение в Big Data и ClickHouse9 уроков
- Зачем в Data Science изучать Big Data?Время не указано
- Хранение данныхВремя не указано
- Обработка данныхВремя не указано
- SQL - ПрактикаВремя не указано
- SQL - ЗадачиВремя не указано
- ClickHouse - ПрактикаВремя не указано
- ClickHouse - ЗадачиВремя не указано
- Дополнительные материалыВремя не указано
- Вебинар: ClickHouseВремя не указано
03Проект: часть 1/41 урок
- Data Analysis & ClickHouseВремя не указано
04Модуль 2: Apache Hadoop8 уроков
- Архитектура HadoopВремя не указано
- HDFSВремя не указано
- MapReduceВремя не указано
- HiveВремя не указано
- HbaseВремя не указано
- Hadoop - ПрактикаВремя не указано
Похожие курсы и совпадения…
Материалы по теме…
![Обложка курса: Введение в соревновательный Data Science | Kaggle. 2025 [Stepik] [Алерон Миленькин, Иван Александров, Вольнов Сергей]. Площадка: Складчик](/_next/image?url=%2Fmedia%2Fcourses%2Fvvedenie-v-sorevnovatelnyy-data-science-kaggle-2025-stepik-ale-skladchik-86af1de5.webp&w=640&q=75)
