Beneficios y características de las redes sociales más significativas (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/redes-sociales-caracteristicas

简介: 课程名称：社交网络的主要好处与特征 概述：本课程将讲解社交网络的基本概念，旨在帮助参与者区分、分类和识别社交网络的特殊特性、其在商业和贸易领域的一般应用，以及识别现代最流行的社交网络及其使用趋势。 课程大纲： 1. 部分：平台间的互动 - 描述：完成本模块后，您将能够识别平台内部互动的好处及其对沟通策略和社交聆听的贡献。 2. 部分：主要社交网络 - 描述：完成本模块后，您将能够识别每个社交网络的特征及其对各商业环境的贡献。此外，您将能够描述适时使用社交网络的方法以及对商业战略的附加价值。 3. 部分：平台对数字战略的附加价值 - 描述：完成本模块后，您将能够比较主要社交网络的特性，并验证其对数字沟通战略的附加价值。 4. 部分：课程总结 - 描述：在本模块中，您将找到开展最终项目所需的重要信息，课程将在此结束。

Benjamin Franklin and His World (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/benjamin-franklin-and-his-world

简介: 课程名称：本杰明·富兰克林与他的世界 课程概述：欢迎来到《本杰明·富兰克林与他的世界》！本课程是宾夕法尼亚大学SNF Paideia课程的在线版本，探讨了美国最重要的历史人物之一本杰明·富兰克林的生平。我们将研究富兰克林在美洲殖民地的早年生活，他作为印刷商和科学家的职业生涯，以及他在美国革命中的角色和作为新兴国家的奠基人在世界舞台上的重要性。 课程大纲： 1. **谁是本杰明·富兰克林？** - 描述：在课程的第一周，我们将提供课程概述，介绍指导我们探索富兰克林生活与遗产的关键思想和主题。我们将关注富兰克林在波士顿、费城和伦敦的早年生活，并更深入地研究18世纪英国殖民地的生活状况。 2. **富兰克林的职业生涯** - 描述：这一周我们将探讨富兰克林的职业生涯，包括他作为印刷商、科学家、发明家和政治家的经历。 3. **革命与新宪法** - 描述：这一周我们将研究美国独立战争的前夕，富兰克林如何参与殖民地的独立斗争，以及他在宪法起草过程中的角色。 4. **斗争富兰克林的遗产** - 描述：这一周我们将讨论富兰克林生活中复杂的遗产问题，并考虑如何评估他作为历史人物的地位。 该课程为学生提供了深入了解富兰克林的机会，探讨他对美国历史的深远影响以及围绕他生平的道德复杂性。

Berbagi Data Melalui Seni Visualisasi (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/berbagi-data-melalui-seni-visualisasi

简介: 课程名称：通过视觉化艺术分享数据 课程概述：这是谷歌数据分析证书项目的第六部分。本课程将使您具备申请初级数据分析师职位所需的技能。您将学习如何在完成数据分析过程时，视觉化和展示数据发现。课程将向您展示数据可视化（如视觉仪表板）如何使数据更具生动性。您还将探索Tableau这一数据可视化平台，帮助您制作有效的可视化以便于演示。谷歌数据分析师将教授您使用最佳工具和资源来完成数据分析师的常见任务的多种方法。完成该证书程序的学习者将具备足够的能力申请初级数据分析师职位，无需任何经验。 在课程结束时，您将能够： - 评估数据可视化的重要性。 - 学习如何通过数据故事构建引人入胜的叙述。 - 理解如何使用Tableau创建仪表板和仪表板过滤器。 - 学习如何使用Tableau制作有效的可视化。 - 探索与有效演示相关的原则和实践。 - 学习如何在演示中考虑与数据相关的潜在限制。 - 理解与您的受众进行问答时实施最佳实践的方法。 课程大纲： 1. 数据可视化 - 描述：数据可视化是数据的图形表达。在此部分中，您将介绍一些重要概念，包括可访问性、设计思维以及在数据可视化分析中起作用的其他因素。 2. 使用Tableau创建数据可视化 - 描述：Tableau是帮助数据分析师制作有效数据可视化的工具。在此部分中，您将学习关于Tableau的所有知识，并探索在可视化数据分析结果时创造力和清晰度的重要性。 3. 构建数据故事 - 描述：通过洞察力将您的目标与数据连接起来，是良好数据叙事的重要部分。在此部分中，您将学习关于基于数据的故事及其属性的知识。您还将理解如何使用Tableau创建仪表板和仪表板过滤器。 4. 开发演示和幻灯片 - 描述：在此部分中，您将发现有效地展示数据分析的演示的方法。您将考虑在制作演示时的所有分析方面，以及如何创建清晰、易于访问且具说服力的数据可视化。此外，您将学习如何预测和应对潜在的限制和可能出现的问题。

Best Practices for iOS User Interface Design (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/ui

简介: 课程名称: iOS 用户界面设计最佳实践 概述: 本课程旨在教授学员如何为 iOS 开发复杂的用户界面，重点关注用户界面设计的最佳实践、UI 动画以及响应式设计。学员将学习关键的 UI 组件、界面映射和视图恢复方法。 课程大纲: 1. **认识 iOS 设计概念** 本周将深入了解 iOS 设计概念，包括 iOS、HCI（人机交互）和 HIG（人机界面指南）。学员将完成一个名为“使用动态约束的布局”的同伴评审作业，该作业利用自动布局引擎创建动态用户界面。 2. **iOS 的设计解决方案** 第二周将讨论 iOS 提供的设计解决方案，涵盖 HIG 和 HCI 原则，并学习如何实现这些设计。课程结束时，学员将参加一个小测验，以检测本周学习的知识。 3. **视图控制器与地图接口** 本周将探讨视图控制器和地图接口，学习用户界面构造，并完成一个名为“基本地图视图”的同伴评审作业。谁不想在地图上标记位置呢！ 4. **表视图、核心数据与用户界面集成** 第四周将关注表视图、核心数据和用户界面集成。学员将学习表视图和核心数据的结合，最终将掌握如何将所有内容整合。在课程结束时，学员将完成一个名为“To Do 管理器”的同伴评审作业。

Best Practices in Planning DE&I Interventions (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/best-practices-in-planning-dei-interventions

简介: 课程名称：多样性、公平性与包容性干预计划的最佳实践 课程概述：多样性、公平性与包容性干预计划的最佳实践提供了一种“如何做”的逐步方法，帮助规划和执行多样性倡议。课程涵盖从招聘、留任到培训等多个方面，讨论在组织尚未准备好进行多样性、公平性与包容性（DE&I）时该如何应对，并介绍如何将DE&I的原则概念转化为实际应用和预期成果。 课程结束后，您将能够： 1. 理解DE&I战略规划的挑战，以及如何创建一个帮助您实现DE&I目标的流程。 2. 探索通过实施一个有意图且符合相关法律的DE&I招聘流程来更好地招募代表性不足的人才的策略。 3. 审视您的DE&I留任计划，学习新措施以留住员工。 4. 识别实施DE&I培训时的常见困难，并了解如何支持成功的培训项目。 课程大纲： - 课程名称：多样性、公平性与包容性战略规划 - 课程描述： - 课程名称：多样性人才招聘的最佳实践 - 课程描述： - 课程名称：多样性员工留任的最佳实践 - 课程描述： - 课程名称：寻找成功的DE&I培训策略 - 课程描述：

Betriebssysteme und Sie: Power User werden (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/os-power-user-de

简介: 课程名称：操作系统及您：成为超级用户 课程概述： 本课程通过视频讲座、演示和实践练习，帮助您了解操作系统的主要组件，并学习如何管理软件、用户以及配置硬件等重要任务。最后，我们将通过示例展示这些内容在面试中的应用。 学习目标： - 使用图形用户界面和命令行界面导航Windows和Linux的文件系统。 - 配置用户、组和账户访问权限。 - 安装、配置和卸载Windows和Linux上的软件。 - 配置驱动器分区和文件系统。 - 理解系统进程及其管理方式。 - 理解系统日志和远程连接工具的使用。 - 应用于IT支持领域解决常见问题的操作系统知识。 课程大纲： 1. **文件系统导航** - 学习Windows和Linux操作系统的基础，了解目录和文件的工作原理，并实践使用图形用户界面和命令行操作文件和目录。 2. **用户和权限** - 学习如何在Windows和Linux中配置用户和权限，掌握为计算机和文件分配正确权限的方法。 3. **软件和包管理** - 了解Windows和Linux中的软件安装与管理，学习包的安装过程及设备和驱动的管理。 4. **文件系统** - 理解Windows和Linux中的文件系统工作原理、文件系统类型以及为何它们会有所不同，掌握驱动器分区和虚拟内存的重要性，并进行实践操作。 5. **进程管理** - 掌握在Windows和Linux中启动和结束进程的方法，使用故障排查工具解决与进程和资源相关的问题。 6. **操作系统应用** - 学习IT支持中的实际操作，包括远程访问和虚拟化工具的使用，以解决Windows和Linux中的实际问题。 通过此课程，您将具备成为IT支持专业人员所需的基础知识和实用技能。祝您取得成功！

Better Business Writing in English (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/business-writing-english

简介: 课程名称：更好的商业英语写作 课程概述：您是否希望能更轻松有效地用英语写作？本课程将为您提供相关工具，帮助您实现这一目标。您将培养个人写作风格，并发展规划和制作清晰、易懂文本的策略。同时，您将学习和实践在不同商业沟通类型（如求职信、使命和愿景声明、提案、说明书和报告）中应用的特定写作技能。此外，您还将为PowerPoint演示文稿组织、设计和撰写清晰的文本。写作技能涵盖如何选择正确的名词及名词修饰词、动词形式和时态、以及如何撰写多种从句和句子。 在课程过程中，您将在自评和同伴评估中进行练习。许多同伴作业将提供两种或更多选项，以便您根据当前情况选择最佳路径。通过讲座、测验、补充资源、实践和表现的结合，您将获得在商业和专业场合中用英语写作的技能和信心。 课程大纲： 1. 写出你的目标与分享 - 学习成果：通过本模块，您将能够发展个人声调，提高书面英语的准确性和适宜性，并制作出展示您个人声音的书面文档。 2. 撰写提案以获得结果 - 学习成果：通过本模块，您将能够提高书面英语的准确性和适宜性，并规划和撰写商业提案。 3. 撰写清晰完整的报告 - 学习成果：通过本模块，您将能够提高书面英语的准确性和适宜性，并规划和制作英文段落格式的报告。 4. 撰写和设计强有力的幻灯片以增强演示效果 - 学习成果：通过本模块，您将能够提高书面英语的准确性和适宜性，并撰写、设计和制作一组清晰且有力的演示幻灯片。

Beyond Silicon Valley: Growing Entrepreneurship in Transitioning Economies (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/entrepreneurship-development

简介: 课程名称：超越硅谷：在转型经济中促进创业 课程概述：本课程探讨了在像硅谷这样成熟的创业生态系统之外，企业家如何成长面临的挑战。全球大多数市场并不具备硅谷的特征，也永远不会具备，但支持新企业的其他模式正在不断探索。在东北俄亥俄州，政府官员、资助者和商业领袖尝试创造性的方法来支持企业的成长。该地区自十多年前开始进行大量政府和捐助资源干预，虽然在创业公司的融资方式上取得了一定成功（包括创造就业和后续融资），但是否能实现最终成功尚未确定。发展一个充满活力的创业生态系统需要许多年，甚至几十年，而政府和资助者通常希望看到短期的成功，使得对创业的长期支持变得具有挑战性。 课程内容包括：听取多位企业家的经历，他们推出的产品和服务包括医疗设备、LED灯和威士忌等。学员将学习这些企业家如何运用各种项目和中介组织提供的资源。此外，还将讨论其他国家（如希腊、越南、突尼斯、阿根廷、卢旺达和中国）的市场领袖如何支持初创公司的增长。 通过课堂学习，我们希望学员分享各自社区在实施支持企业增长策略方面的经验，促进信息的双向流动。 课程特点：该课程以短小精悍的讲座形式呈现，而非传统教授讲座。每个模块将更像是一部引人入胜的纪录片，而非静态的课堂设置。 课程大纲： 1. 政府的角色：考察政府在创业生态系统中的作用，探讨如何支持企业家和评估成功的标准。 2. 慈善/资助者的角色：研究慈善机构如何与政府和私营部门合作，为企业家提供资金，以及维护长期支持的挑战。 3. 中介组织/非政府组织的角色：分析中介组织如何通过提供资助、指导等服务支持有前途的企业家。 4. 利用锚定机构：探讨大学等锚定机构如何支持创业，包括商业化活动和成功的衡量方法。 5. 资本和指导的获取：讨论在硅谷以外的创业者如何获得资金和指导，分析种子加速器、天使投资者和风险投资的角色。 6. 课程总结与展望：评估克利夫兰的创业发展及其他社区如何支持创业发展的建议。 本课程致力于通过全球视角，探索和反思如何在不同社区有效促进创业。

Beyond the Financials: Insights, Analysis and Valuations (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/beyond-financials-insights-analysis-valuations

简介: 课程名称：超越财务报告：洞察、分析与估值 课程概述：本课程旨在为您提供分析、解释、理解和利用财务信息以做出明智决策所需的知识和技能。我们将从使用者的角度讨论财务报告，使用多种工具将财务报告拆解为有意义的分析单位，预测财务报表，并对公司进行估值。该课程期望让您了解财务报表使用者所面临的问题。如果您了解财务报表的最终使用方式，您将更好地理解自己在财务报告过程中的角色。课程将要求您批判性地思考可能存在多个“正确”答案的问题。因此，您的分析和结论必须基于合理的假设、良好的分析和论据构建。 课程大纲： 1. 定向课程：您将熟悉课程内容、同学及学习环境，定向课程还将帮助您掌握所需的技术技能。 2. 模块1：超越财务报告 - 外部与内部信息的重要性：理解为何在进行财务报表分析和估值时，需要考虑财务以外的信息及如何获取这些数据。 3. 模块2：非GAAP调整：理解非GAAP调整的概念、允许其存在的原因，以及企业在使用时可能的误用情况。 4. 模块3：预测：学习不同财务报表预测方法的优缺点。 5. 模块4：估值：了解估值在商业决策中的重要性，以及如何执行简单的估值模型。

Beyond the Sustainable Development Goals (SDGs): Addressing Sustainability and Development (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/beyond-the-sustainable-development-goals-addressing-sustainability-and-development

简介: 课程名称：超越可持续发展目标（SDGs）：应对可持续性和发展 课程概述：欢迎来到课程“超越可持续发展目标（SDGs）：应对可持续性和发展”！该课程是可持续性与发展硕士课程证书的第一门课程，您也可以将其作为单独的学习机会。可持续性和发展面临着前所未有的挑战，随着人类社会的增长，我们需要确保未来的福祉和繁荣。在本课程中，我们将专注于应对可持续性和发展这两个双重挑战，提供可操作的知识以创新解决全球最紧迫的问题，如气候变化、贫困与不平等以及生物多样性丧失和生态系统退化。 我们将可持续性与发展视为平等的研究与行动领域，探讨自然、社会与应用科学及人文学科之间的联系。本课程将深入研究可持续性与发展之间的取舍、共同利益与协同效应。 在本课程中，您将了解可持续性与发展的理论发展，对联合国的17项可持续发展目标（SDGs）有深入理解。我们也将探讨设计创新解决方案所需的方法与技能，重点关注可持续科学这一新兴领域。 课程将深入探讨可持续发展目标下的三大紧迫挑战：气候变化、贫困与不平等以及生态系统退化和生物多样性丧失，并通过案例研究激发我们的思考。在最后一周，我们将讨论这些挑战之间的取舍、共同利益与协同效应，特别是如何设计创新解决方案，以实现我们的可持续发展目标。 到课程结束时，您将能够： 1. 理解并解释全球最紧迫的问题，特别关注贫困与不平等、生态系统退化和生物多样性丧失以及气候变化。 2. 批判性分析可持续发展目标（SDGs）及其与世界最紧迫问题的关系。 3. 使用必要的框架和证据来开发解决方案。 4. 评估有助于实现可持续发展目标的相关解决方案，同时解决紧迫问题。 5. 应用所学技能以实施解决方案。 课程大纲： 1. 课程介绍：学习“可持续发展”、“可持续性”及“发展”之间的细微差别，以及可持续发展目标的历史与范围。 2. 气候变化：了解气候变化的不同方式，以及不同人群如何与为何受到不成比例影响。 3. 贫困与不平等：学习全球贫困与不平等的历史背景、缓解贫困与不平等的不同方法，以及以可持续方式减少贫困与不平等的机会。 4. 生物多样性丧失与生态系统退化：学习环境变化的原因、驱动因素和影响，以及如何在人与野生动物之间共享生态系统，同时防止环境退化。 5. 取舍与协同效应：学习可持续科学如何应用于可持续性与发展，探讨人类社会的过渡及其对可持续过渡的启示，并提升可持续解决方案以获得更好的结果。

BI Dashboards with IBM Cognos Analytics and Google Looker (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bi-dashboards-with-ibm-cognos-analytics-and-google-looker

简介: 课程名称：使用IBM Cognos Analytics和Google Looker制作BI仪表板 课程概述：根据Statista的“未来职业”更新，商业智能（BI）分析师是增长最快的三大职业之一。IBM Cognos Analytics和Google Looker Studio是强大的商业智能工具，用于数据可视化、分析和报告。本短期课程将帮助您掌握IBM Cognos Analytics和Google Looker Studio的技能，为您在商业分析、数据科学和各行业的BI领域开辟机会。 课程大纲： 1. 模块名称：IBM Cognos Analytics的数据分析与可视化 描述：在此模块中，您将快速掌握数据分析技能，并通过IBM Cognos Analytics获得实际的数据分析经验。注册IBM Cognos Analytics后，您将通过创建可视化图形、构建简单仪表板和尝试其高级功能来探索平台的能力。 2. 模块名称：使用Google Looker Studio进行数据可视化和仪表板制作 描述：在此模块中，您将探索Google Looker Studio以创建可视化效果并构建仪表板。 3. 模块名称：期末项目、期末考试及课程总结 描述：在此模块中，您将完成最终作业，该作业将由您的同学进行评分。在这一最终作业中，您需要使用IBM Cognos Analytics或Google Looker Studio创建一些可视化效果并将其添加到仪表板中。

Biases and Portfolio Selection (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/biases-portfolio-selection

简介: 课程名称：偏见与投资组合选择 概述：投资者往往是自己最大的敌人。在这门课程中，您将学习如何利用对行为偏见和金融市场非理性行为的理解来进行投资。课程开始时，您将了解各种行为偏见——投资者常犯的错误，并理解其原因。您将学习如何识别自己和他人的错误，以及这些错误如何影响投资决策和金融市场。此外，您还将探讨不同的偏好和投资期限如何影响最佳资产配置选择。完成本课程后，您将更有效地克服偏见，避免在错误的时间做出错误的决策，并量身定制适合自己或客户的投资策略，满足投资需求。 课程大纲： 第一部分：有效市场假说与套利限制 描述：本模块介绍投资与投资组合管理专业化的第三门课程。我们将首先介绍有效市场假说（EMH）——现代金融的另一支柱理论。您将了解其理论依据以及支持和挑战EMH预测的实证证据（如异常现象）。最后，我们还将讨论为什么“聪明的钱”有时未能利用金融市场的异常现象。 第二部分：偏见与现实偏好 描述：本模块回顾市场理性行为的行为批评。与假设投资者是理性的观点相反，行为金融学的出发点是投资者并非如此。我们将考察心理学家在多个情境中发现的一些信息处理和行为偏见。此外，我们还将考虑描述投资者偏好的更现实的替代方式。 第三部分：非有效市场 描述：在本模块中，我们复习文献中记录的与整体股市和平均股票回报相关的一些难题。我们将探讨在前一模块中讨论的行为偏见和倾向如何可能导致金融市场中观察到的一些难题。 第四部分：应用：投资者行为 描述：在这个简短的最后模块中，我们关注个人投资者的行为，并回顾经验事实，探讨我们在前面模块中讨论的行为偏见和倾向如何影响个人投资者的投资组合选择和交易决策。

Bienestar, equidad y derechos humanos (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bienestar-equidad-derechos-humanos

简介: 课程总结： 课程名称：福祉、公平与人权 课程概述：在当今社会，人们常常围绕人权、公平和社会福祉展开讨论。这些主题不仅常出现在日常对话中，也成为公共政策、政府项目及各类组织文件的重要组成部分。然而，通过我们的教学、研究、干预和评估经验发现，尽管这些话题频繁出现，但真正转化为改善人们相互关系和提升生活质量的具体行动却少之又少。 基于此经验，本课程旨在帮助所有参与者，无论背景如何，认识到自己作为社会行动者的潜力，能够批判性地分析生活条件，并识别为改善自身及周围人福祉而产生的转变机会。 课程内容包括：明确与人权、公平和福祉相关的概念，提供探索态度的机会，并支持学员在日常生活中运用这些分析框架的发展技能。 如果你决定参加此课程，我们保证在完成课程后，你将拥有一系列可用于你生活、学习或工作环境中的工具，期待你的加入！ 课程大纲： 1. **福祉与公平**：该模块将帮助你将人们的身心社交福祉与生活环境的公平条件联系起来，识别你作为社会行动者在促进公平和福祉方面的角色。 2. **从人权视角看环境**：在本模块中，你将运用人权的规范和方法框架，批判性地分析影响人们福祉的环境条件，并参与讨论和深入阅读相关内容。 3. **通过平等的视角看福祉**：这一模块旨在让你运用差异化的分析工具，评估影响福祉的环境条件，课程将提供个人反思和指导活动，帮助你深化理解。 通过这些模块，你将获得必要的知识和技能，以在日常生活中积极推动福祉与公平。

Big Data - Capstone Project (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-project

简介: 课程名称：大数据 - 学位项目总结 课程概述：欢迎参加大数据学位项目的总结项目！在这个最终项目中，您将利用之前课程中的工具和方法构建一个大数据生态系统。您将分析一个模拟的数据集，该数据集模拟了大量用户在玩我们虚构游戏“抓粉红火烈鸟”时产生的大数据。在为期五周的总结项目中，您将经历大数据科学的典型步骤，包括获取、探索、准备、分析和报告数据。在前两周，我们将介绍数据集，并指导您使用Splunk和Open Office等工具进行一些探索性分析。随后，我们将进入更具挑战性的“大数据”问题，使用您学到的更高级工具，包括KNIME、Spark的MLLib和Gephi。最后，在第五周，我们将教您如何整合所有内容，创建引人入胜且有说服力的报告和幻灯片演示。由于我们与专注于分析机器生成大数据的软件公司Splunk的合作，表现优秀的项目Learners将有机会向Splunk展示并与Splunk的招聘人员和工程领导会面。 课程大纲： 1. 数据的获取、探索和准备 描述：我们将开始处理模拟的游戏数据，探索并准备数据以供大数据分析应用程序使用。 2. 使用KNIME进行数据分类 描述：本周我们将使用KNIME进行数据分类。 3. 使用Spark进行聚类分析 描述：本周我们将使用Spark进行聚类分析。 4. 使用Neo4j对模拟聊天数据进行图形分析 描述：本周我们运用“图形分析与大数据”课程所学知识，对来自“抓粉红火烈鸟”的模拟聊天数据使用Neo4j进行分析，探讨玩家聊天行为并寻找改善游戏的途径。 5. 报告和展示您的工作 描述： 6. 最终提交 描述：

Big Data Analysis Deep Dive (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-analysis-deep-dive

简介: 课程名称：大数据分析深入探索 课程概述： 随着市场对具备大数据专业知识的架构师、工程师和分析师的需求不断增加，本课程旨在帮助学员掌握大数据领域所需的基本工具和技术，进而追求相关职业。课程内容涵盖Python数据处理、SQL查询的编写与阅读、使用MaxCompute传输数据、使用Quick BI进行数据分析、以及在E-MapReduce上使用Hive、Hadoop和Spark，最后学习如何通过数据仪表板可视化数据。 通过学习本课程材料，您将了解大数据领域的不同方面，并获得大数据专业认证！ 课程大纲： 1. Python结构化数据处理快速入门 2. SQL入门 - 基本查询 3. 如何在云上使用Spark（系列2 - Spark Python） - 轻量级认证与知识评估（链接） 4. 阿里云大数据快速入门系列：数据集成 5. 阿里云MaxCompute - 数据传输 - 轻量级认证与知识评估（链接） 6. 使用阿里云大数据平台分析日志数据 7. 使用DataWorks和MaxCompute进行数据开发 8. 在E-MapReduce上使用Hive和Hadoop - 轻量级认证与知识评估（链接） 9. 在E-MapReduce上使用Spark 10. 使用QuickBI快速生成业务智能图表 - 轻量级认证与知识评估（链接） 11. 快速生成大规模数据可视化仪表板 12. 使用Python进行数据可视化 通过本课程的学习，您将具备扎实的大数据分析技能，助力您的职业发展。

Big Data Analysis with Scala and Spark (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/scala-spark-big-data

简介: 课程名称：使用Scala和Spark进行大数据分析 课程概述：本课程着重于利用功能性概念操作分布在集群上的大数据，这在工业界日益普遍，并且被认为是功能性思想在工业中首次广泛应用的一个例证。通过MapReduce、Hadoop及近期的Apache Spark（一个基于Scala的快速内存分布式集合框架）的流行，显示出这一趋势。在课程中，我们将了解到数据并行范式如何扩展到分布式案例中，并将始终使用Spark。我们将详细讨论Spark的编程模型，仔细理解它在何时和如何与熟悉的编程模型（如共享内存并行集合或顺序Scala集合）有何不同。通过Spark和Scala的实际例子，我们将学习在分布过程中应考虑的重要问题，如延迟和网络通信，以及如何有效解决这些问题以提高性能。 学习成果：完成本课程后，您将能够： - 从持久化存储中读取数据并加载到Apache Spark中； - 使用Spark和Scala操作数据； - 以功能风格表达数据分析算法； - 识别如何在Spark中避免洗牌和重新计算。 推荐背景：您应至少具有一年的编程经验。对Java或C#的熟练掌握是理想的，但对C/C++、Python、Javascript或Ruby等其他语言的经验也是足够的。您应对使用命令行有一定的熟悉度。本课程建议在完成《并行编程》课程后学习。 课程大纲： 1. **开始与Spark基础**：设置Scala环境，完成示例作业，了解数据并行和分布式场景之间的联系，讨论分布式系统中的重要问题（如延迟和故障），学习Spark的基础知识，并动手分析实际数据集。 2. **减少操作与分布式键值对**：学习一种特殊的RDD，即配对RDD，掌握对大数据集的基本操作，如减少和连接。 3. **分区与洗牌**：探讨使用连接操作的性能影响，研究如何通过分区数据来提高数据本地性，从而优化Spark作业。 4. **结构化数据：SQL、数据框和数据集**：利用对数据移动成本的理解，学习如何使用Spark SQL以及其强大的优化器，介绍数据框和数据集，结合RDD与Spark SQL的自动优化功能。

Big Data Analysis with Scala and Spark (Scala 2 version) (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/scala2-spark-big-data

简介: 课程名称：使用 Scala 和 Spark 进行大数据分析（Scala 2 版本） 课程概述：在本课程中，您将学习如何使用函数式编程概念处理分布在集群上的大数据。当前，行业中广泛运用的功能思想主要体现在 MapReduce、Hadoop 和 Apache Spark 等工具中，后者是用 Scala 编写的快速内存分布式集合框架。本课程将深入探讨数据并行范式如何扩展到分布式案例，重点介绍 Spark 的编程模型，特别是在与共享内存并行集合或顺序 Scala 集合等常见编程模型的不同之处。通过使用实际示例，您将了解分布式计算中与延迟和网络通信相关的重要问题，并学习如何有效解决这些问题以提高性能。 学习成果：完成本课程后，您将能够： - 从持久存储中读取数据并将其加载到 Apache Spark 中； - 使用 Spark 和 Scala 处理数据； - 以函数式风格表示数据分析的算法； - 识别如何避免 Spark 中的洗牌和重新计算。 推荐背景：您应该至少具备一年的编程经验，熟悉 Java 或 C# 是理想选择，但 C/C++、Python、JavaScript 或 Ruby 等语言的经验也是足够的。此外，建议您有一定的命令行使用经验。本课程建议在完成并行编程课程后进行学习。 课程大纲： 第1部分：入门 + Spark 基础 描述：熟悉 Scala 在您计算机上的运行。完成一个示例任务以了解我们独特的作业提交方式。我们将连接共享内存场景与分布式场景之间的差距，探讨在分布式系统中出现的重要问题，如延迟和故障，最后通过分析真实数据集来实践所学的 Spark 知识。 第2部分：归约操作与分布式键值对 描述：本周，我们将关注一种特定类型的 RDD，称为配对 RDD。掌握这类 RDD 后，我们将涵盖对大数据集的基本操作，如归约和连接。 第3部分：分区和洗牌 描述：本周，我们将探讨使用连接等操作的性能影响。是否可以在不增加网络数据传输成本的情况下获得相同的结果？我们将通过研究如何分区数据以优化数据本地性，寻求更好的 Spark 作业效能。 第4部分：结构化数据：SQL、数据框和数据集 描述：具备了对 Spark 作业中数据传输成本的理解，以及上周优化数据本地性的经验后，本周我们将着重讨论如何更轻松地实现类似的优化。结构化数据能否帮助我们？我们将研究 Spark SQL 及其强大的优化器，应用结构进行显著的优化，同时介绍数据框和数据集，它们将 RDD 与 Spark SQL 背后的强大自动优化结合起来。

Big Data Analytical Platform on Alibaba Cloud (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/alibabacloudbigdata

简介: 课程名称：阿里云大数据分析平台 课程概述： 构建阿里云上的分析平台，能够提升您对大数据的获取、分析和展示清晰指标的能力。本课程旨在教导工程师使用阿里云的大数据产品，覆盖基本的分布式系统理论及阿里云的核心产品，如MaxCompute、DataWorks、E-MapReduce，以及一系列生态工具。 如需获得阿里云的官方证书，请访问学院网站参加云原生课程： - 大数据分析专业: https://edu.alibabacloud.com/course/317 - 机器学习专业: https://edu.alibabacloud.com/course/318 - 阿里云大数据 - 数据集成: https://edu.alibabacloud.com/certification/clouder_bigdatainteg 课程大纲： 1. **Hadoop简介** - 描述：Apache Hadoop是一个开源软件工具集，便于使用网络中多台计算机解决涉及大量数据和计算的问题。它提供了一个用于大数据的分布式存储和处理的软件框架，使用MapReduce编程模型。 2. **阿里云上的Hadoop** - 描述：本模块深入探讨Hadoop的功能及其在阿里云平台上的应用，包括E-MapReduce、Hive和Spark的使用。 3. **大数据产品概览** - 描述：全面了解阿里云的大数据产品、不同架构与使用场景。 4. **MaxCompute基础** - 描述：MaxCompute（前称ODPS）是一个通用、全面管理的多租户数据处理平台，适用于大规模数据仓储。MaxCompute支持各种数据导入解决方案与分布式计算模型，帮助用户有效查询海量数据集、降低生产成本并确保数据安全。 5. **MaxCompute SQL** - 描述：MaxCompute SQL用于离线批量计算及处理涉及吉字节、太字节或埃字节数据的计算场景，适合处理大型数据的批量作业。 6. **MaxCompute用户定义函数（UDF）** - 描述：MaxCompute UDF帮助用户定制数据引擎以生成有用结果，本模块教授如何开发函数并应用于MaxCompute。 7. **MaxCompute安全性** - 描述：MaxCompute通过使用对称AccessKey对处理多租户场景的安全问题，帮助满足多用户协作、数据共享、数据保密和数据安全等需求。 8. **DataWorks基础** - 描述：DataWorks是阿里云推出的大数据平台产品，提供一站式大数据开发、数据权限管理和离线作业调度的服务，模块中解释了数据获取、处理与监控的过程。 9. **数据可视化** - 描述：以清晰简明的方式展示数据是使数据为您服务的关键最后一步，本模块解释了不同类型的图形绘制方法，并提供了创建首个图表的演示。 10. **PAI概述** - 描述：人工智能平台（PAI）帮助用户设计机器学习算法，读取大量数据并自我学习以提高准确性与实用性，模块提供了PAI的基本架构和最佳实践。 这个课程提供了实用的知识和技能，适合希望在阿里云大数据领域发展的工程师。

Big data and Language 1 (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-language-1

简介: 课程名称：大数据与语言1 课程概述：本课程旨在通过大数据帮助学生理解语言的特点。学生将学习如何收集和分析大数据，从中发现语言特征。课程将讨论多种书面和口头文本的语言分析方法。 课程结构：课程由大约1小时的讲座视频和每周的测验组成。学生还需完成一个最终项目，要求研究文本数据和语言。 课程大纲： 1. 名称：大数据与语言简介 描述：概述大数据与语言的关系及其重要性。 2. 名称：口语与书面数据 描述：探索口语和书面数据的特点及其在语言研究中的应用。 3. 名称：语料库与文体 描述：介绍语料库的构建和文体分析的方法。 4. 名称：词性 描述：研究词性在语言中的作用以及其分析技术。 本课程适合对大数据和语言学感兴趣的学生，通过理论与实践相结合的方式，增强语言分析能力。

Big data and Language 2 (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-language-2

简介: 课程名称：大数据与语言2 课程概述：本课程旨在通过大数据了解语言的特征。学生将学习如何收集和分析大数据，从中发现语言特征。课程将讨论多种书面和口头文本的语言分析方法。 课程大纲：

第一部分

标题：科学方法

描述：

第二部分

标题：分析工具I – BNC

描述：

第三部分

标题：分析工具II – COCA, ANTCONC 和 TagAnt

描述：

第四部分

标题：大数据与语言的考虑

描述：

第五部分

标题：项目

描述：在最终项目中，学生需进行语言学研究，研究主题由学生自行选择，语言数据需根据所学内容进行收集。通过项目，学生将学习如何收集、处理和分析数据，以满足自身研究目的。

Big Data Emerging Technologies (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-emerging-technologies

简介: 课程名称：大数据新兴技术 课程概述：在每天使用谷歌搜索、社交网络服务（如Facebook和Twitter）以及从亚马逊等平台购买推荐商品时，您无时无刻不在使用大数据系统。大数据技术不仅支持智能手机、智能手表、语音助手如Alexa和Siri，也在现代汽车中扮演着重要角色。如今，全球顶尖公司均在应用大数据技术，以应对生存与发展的需求。因此，了解大数据及其应用对公司发展至关重要。本课程共分六个模块，首先介绍大数据硬件、软件及专业服务的市场份额排名，接着阐述主要大数据公司的产品线和服务类型，随后深入讲解市场上最流行的三种大数据技术：Hadoop、Spark和Storm，最后提供IBM SPSS Statistics的实际操作体验，帮助学员在即将到来的大数据时代中更好地进行商业战略规划。欢迎走进令人惊叹的大数据世界！ 课程大纲： 1. 大数据排名与产品：探讨大数据硬件、软件和专业服务的市场关系及其未来对行业、产品、服务与政府组织的影响。 2. 大数据与Hadoop：介绍Hadoop的特性及操作，解读MapReduce和HDFS的功能，并比较Hadoop与SQL的差异。 3. Spark：讲解Spark的特性及操作，分析Spark与Hadoop的数据分析特点，以及分布式数据集（RDD）等核心组件。 4. Spark ML与流处理：分析Spark的机器学习算法及实时流处理的工作机制，介绍Spark ML基本统计算法和流处理特点。 5. Storm：讲解Storm技术的操作与特性，比较Storm与其他技术的数据分析特色，以及Storm在实时应用中的优势。 6. IBM SPSS Statistics项目：提供IBM SPSS Statistics的使用经验，进行基于该系统的数据处理和统计分析项目，探索数据集之间的关系及其统计结果。 通过本课程的学习，您将能够掌握大数据技术并有效应用于商业战略规划中。

Big Data Integration and Processing (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-integration-processing

简介: 课程名称：大数据集成与处理 概述：完成本课程后，您将能够： * 从示例数据库和大数据管理系统中检索数据 * 描述数据管理操作与大数据处理模式之间的关联，以及如何在大规模分析应用程序中利用它们 * 识别何时需要数据集成以解决大数据问题 * 在Hadoop和Spark平台上执行简单的大数据集成与处理 该课程面向数据科学新手，建议完成《大数据入门》课程。无需具备编程经验，但需具备安装应用程序和使用虚拟机的能力以完成实践作业。有关完整的硬件和软件规范，请参阅专业技术要求。 硬件要求： (A) 四核处理器（建议支持VT-x或AMD-V），64位； (B) 8GB RAM； (C) 20GB可用磁盘空间。查找硬件信息的方法为：在Windows中，点击开始按钮，右键单击计算机，然后点击属性；在Mac中，点击苹果菜单，选择“关于这台Mac”。大多数在过去3年内购买的8GB RAM电脑均符合最低要求。您需要高速互联网连接，因为将下载高达4GB大小的文件。 软件要求： 本课程依赖于多个开源软件工具，包括Apache Hadoop。所有所需软件均可免费下载安装（不包括互联网提供商的流量费用）。软件要求包括：Windows 7+、Mac OS X 10.10+、Ubuntu 14.04+ 或 CentOS 6+，以及VirtualBox 5+。 课程大纲： - 名称：欢迎加入大数据集成与处理 描述：欢迎来到大数据专业的第三门课程。本周将介绍大数据集成和处理的基本概念。您将学习如何安装Docker、下载本课程所需的数据集，并学习如何使用Jupyter Notebook。 - 名称：大数据检索（第一部分） 描述：本模块涵盖数据检索和关系查询的各个方面，同时您将接触Postgres数据库。 - 名称：大数据检索（第二部分） 描述：本模块涵盖NoSQL数据的检索、数据聚合及数据帧的使用。您将接触MongoDB和Aerospike，并学习如何使用Pandas从中检索数据。 - 名称：大数据集成 描述：在本模块中，您将学习数据集成工具，包括Splunk和Datameer，并获得信息集成过程的实用见解。 - 名称：处理大数据 描述：本模块介绍大数据管道和工作流，以及使用Apache Spark处理与分析大数据的方法。 - 名称：使用Spark进行大数据分析 描述：在本模块中，您将深入了解大数据处理，学习Spark Core的内部工作原理，并接触Spark工具包中的两个关键工具：Spark MLlib和GraphX。 - 名称：通过实践学习：将MongoDB和Spark应用于工作 描述：在本模块中，您将获得实践经验，将所学内容应用于分析Twitter数据，利用Spark和MongoDB进行研究。

Big Data Modeling and Management Systems (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-management

简介: 课程名称：大数据建模与管理系统 课程概述：在本课程中，您将学习在识别出需要分析的大数据问题后，如何使用大数据解决方案来收集、存储和组织数据。课程将体验各种数据类型和适合的管理工具，并探讨大数据管理系统和分析工具的演变原因。通过指导性实践教程，您将熟悉使用实时和半结构化数据的技术。讨论的系统和工具包括：AsterixDB、HP Vertica、Impala、Neo4j、Redis、SparkSQL。该课程提供从未被充分利用的数据源中提取价值的技术，并发现新的数据源。 课程目标： - 识别自身工作和日常生活问题中的不同数据元素 - 解释团队为何需要设计大数据基础设施计划和信息系统设计 - 识别各种数据类型所需的常见数据操作 - 根据数据特征选择适当的数据模型 - 应用处理流数据的技术 - 区分传统数据库管理系统与大数据管理系统 - 理解为何有如此多的数据管理系统 - 为在线游戏公司设计大数据信息系统 学习对象：本课程适合大数据科学初学者，建议先完成《大数据入门》课程。虽然不需要编程经验，但需具备安装应用程序和使用虚拟机的能力以完成实践作业。有关完整的硬件和软件规范，请参考专业领域的技术要求。 硬件要求： (A) 四核处理器（推荐支持VT-x或AMD-V），64位；(B) 8GB内存；(C) 20GB可用磁盘空间。 软件要求： 本课程依赖多种开源软件工具，包括Apache Hadoop。所有必需的软件可以免费下载安装（不包含互联网的流量费用）。软件要求包括：Windows 7+、Mac OS X 10.10+、Ubuntu 14.04+ 或 CentOS 6+、VirtualBox 5+。 课程大纲： 1. 大数据建模与管理介绍 - 理解大数据建模与管理的基本概念。 2. 大数据建模 - 掌握大数据建模的详细信息及实用技能。 3. 大数据建模（第二部分） - 深入学习向量空间模型、图数据模型等具体建模方法。 4. 处理数据模型 - 掌握流数据格式的处理技能，包括气象数据和Twitter推文。 5. 大数据管理：DBMS中的“M” - 了解大数据管理所需的不同数据库管理系统。 6. 为在线游戏设计大数据管理系统 - 针对虚构的在线游戏“抓住粉色火烈鸟”学习大数据建模与管理。

Big Data Science with the BD2K-LINCS Data Coordination and Integration Center (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bd2k-lincs

简介: 课程名称：与BD2K-LINCS数据协调与整合中心的“大数据科学” 课程概述： 本课程由美国国立卫生研究院(NIH)共同基金项目“网络基础细胞签名库(LINCS)”提供，旨在探讨不同类型的人类细胞在多种扰动（如药物、遗传操控和微环境条件变化等）下的反应。学生将学习如何通过量测各种变量的变化（如mRNA、蛋白质和代谢物的水平，以及细胞形态等表型变化），以便深入理解这些扰动影响的分子网络。课程特别介绍了BD2K-LINCS数据协调与整合中心（DCIC）如何组织、分析、可视化和整合这些数据，并讲解元数据与本体的关联。 课程大纲： 1. LINCS程序概述：介绍LINCS项目的概念及使用LINCS L1000数据集的入门教程。 2. 元数据与本体：描述元数据和本体的基本概念及其在LINCS数据集中的应用。 3. 通过API提供数据：讲解如何通过应用程序接口（API）访问数据。 4. 生物信息学管道：描述生物信息学管道的重要概念。 5. Harmonizome项目：介绍整合基因和蛋白质知识的项目Harmonizome，并提供Web服务应用的链接。 6. 数据标准化：讲解数据标准化的数学概念。 7. 数据聚类：讨论无监督学习中的数据聚类概念及如何识别数据中的模式。 8. 期中考试：包含45道选择题，涵盖前7个模块。 9. 富集分析：介绍基因集富集分析的概念，探讨如何从基因组和蛋白质组研究中查询基因集。 10. 机器学习：讲解监督机器学习的数学概念及其预测过程。 11. 基准测试：讨论如何比较和评估生物信息学管道。 12. 互动数据可视化：提供编程示例，指导创建互动型数据可视化元素。 13. 众包项目：介绍超越课程的LINCS相关项目合作的机会。 14. 期末考试：涵盖所有模块的60道选择题，部分题目可能需要使用所学分析方法处理新数据集。 该课程旨在为学生提供大数据科学的理论基础和实用技能，鼓励随机应变以及团队合作，以推动生物医学研究的进展。

Big Data, Artificial Intelligence, and Ethics (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-ai-ethics

简介: 课程名称：大数据、人工智能与伦理 课程概述：本课程为你提供计算科学革命的两个主要催化剂——大数据和人工智能的背景知识和实操经验。随着超过99%的信息以数字形式进行传播，且全球98%的人口正在使用数字技术，人类产生了令人印象深刻的数字足迹。从理论上讲，这为理解和塑造社会提供了前所未有的机会。但在实践中，处理这些信息洪流的唯一方法就是使用同样产生这些信息的数字技术。数据是燃料，而机器学习则是从大量数据中提取新知识的引擎。由于这部分数据涉及我们自身，因此，使用算法来更好地了解自己自然会引发伦理问题。因此，本课程将不可避免地讨论研究伦理以及计算社会科学家需要牢记的一些传统和新兴的伦理底线。在动手实验中，你将使用IBM Watson的人工智能工具从人们的数字文本痕迹中提取个性特征，并通过亲自训练两个Google的可教机器，体会机器学习的力量和局限性。 课程大纲： 1. 模块名称：入门与大数据机会 描述：在本模块中，你将能够定义大数据和数字足迹的概念，讨论大数据在社会科学中的表现，以及识别大数据带来的机会。 2. 模块名称：大数据的局限性 描述：在本模块中，你将能够解释大数据的局限性。你将与AI接口IBM Watson一起工作，发现AI如何通过自然语言处理识别个性，分析一个人的个性。 3. 模块名称：人工智能 描述：在本模块中，你将了解人工智能（AI）的历史及其研究领域，通过案例研究审视AI的使用情况，讨论AI的应用，并通过动手练习使用AI创造独特的作品。 4. 模块名称：研究伦理 描述：在本模块中，你将能够定义研究伦理的概念，审视伦理在研究中的作用，讨论在使用AI和大数据时伦理的应用。

Big Data, Genes, and Medicine (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/data-genes-medicine

简介: 课程名称：大数据、基因与医学 课程概述：本课程为您提供健康大数据科学和生物信息学领域专业人士所掌握的知识和技能。您将学习与大数据科学相结合的人体生物学和化学、遗传学及医学的精彩事实，掌握如何利用触手可及的数据来理解和分析生物医学相关信息。课程将涵盖掌握真实数据集（包括下一代测序数据）的大数据分析所需的不同步骤，包括数据预处理、分析、结果解释、可视化及结果分享。 通过掌握这些高需求的技能，您将能够申请或转到生物医学数据分析和生物信息学相关的职位。无论您在生物医学或技术领域的技能水平如何，您都将获得非常有价值的新技能或提升现有技能，使您在职业中脱颖而出，并激发您深入了解生物医学大数据的兴趣。希望本课程能够点燃您对利用公开大数据更好理解、预防和治疗疾病的无限可能的兴趣。 课程大纲： 1. **基因与数据**： - 学习如何定位和下载与基因和医学相关的数据文件。 - 使用R语言打开文件并预处理数据。 - 编写R脚本以替换缺失值、标准化数据、离散化数据和采样数据。 2. **准备数据集进行分析**： - 学习如何定位和下载与基因和医学相关的数据文件。 - 使用R语言打开文件并预处理数据。 - 编写R脚本以替换缺失值、标准化数据、离散化数据和采样数据。 3. **寻找差异表达基因**： - 从高维数据集中选择特征。 - 评估特征选择方法的性能。 - 编写R脚本从基因表达数据集中选择特征。 4. **根据基因预测疾病**： - 构建分类和预测模型。 - 评估分类和预测方法的性能。 - 编写R脚本从基因表达中分类和预测疾病。 5. **确定基因变化**： - 列出不同类型的基因变化。 - 比较检测基因突变的方法。 - 比较检测甲基化的方法。 - 比较检测拷贝数变化的方法。 - 定量基因组变化。 - 将基因组变化与基因的差异表达联系起来。 - 编写R程序以确定基因变化及其与基因表达的关系。 6. **聚类与通路分析**： - 在涉及基因的生物医学数据中寻找聚类。 - 分析和可视化生物通路。 - 编写R脚本进行聚类和通路分析。

Big Data: adquisición y almacenamiento de datos (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/adquisicion-almacenamiento-de-datos

简介: 课程名称：大数据：数据获取与存储 课程概述：如果您对大数据的工具和应用有更深入的了解兴趣，那么本课程将非常适合您。在本课程中，您将学习理解大数据相关术语、基本概念和重要工具的基本原理，以解决数据分析的问题，特别关注实际问题和应用。课程目标是提供系统视角，以帮助您理解在处理大量数据时所面临的主要挑战。 课程内容包括对社区中常用工具如Hadoop、Spark和Hive的介绍，您需要通过使用这些工具来解决不同的数据分析挑战。课程结束后，您将掌握大数据工具生态系统的知识，包括在工业和科学问题中的使用实例。此外，您将获得关于如何将分析转化为数据收集、监控、存储、分析和结果报告的一系列资源，并学会根据工具的使用需求选择最合适的数据分析工具。 该课程面向计算机、工程或数学相关专业的大学生，以及其他具备编程知识并希望学习如何使用开源工具进行数据分析的学生。完成练习需要在个人电脑上安装虚拟机。 课程大纲： 1. 引言 2. 虚拟机 - 介绍如何下载并安装Cloudera虚拟机，需要满足硬件要求。 3. 模块1 - Apache Hadoop生态系统简介 - 介绍Apache Hadoop的基本概念及其在大数据分析中的应用。 4. 模块2 - SQL和NoSQL技术。一致性、可靠性和可扩展性 - 讲解NoSQL与关系数据库的区别，及CAP定理在分布式系统中的重要性。 5. 模块3 - 数据获取 - 介绍在将数据导入NoSQL系统时的挑战及Hadoop生态系统中重要工具的简介。 6. 模块4 - 工业数据分析工具 - 讨论大规模数据的工业分析，并介绍针对工业特定需求的第二代工具和系统。 通过本课程，您将获得解决大数据分析问题的知识与技能，为未来的学习和职业发展奠定基础。

Big Data: capstone project (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-proyecto

简介: 课程名称：大数据：《最终项目》 概述：在大数据专业的最后一门课程中，学生将有机会在一个实际案例中应用在之前课程中学到的一些工具和方法。该最终项目的目标是展示在巴塞罗那的科学信息港天文学部门日常工作的一个例子。学生需要创建一个图像分类器，用于识别来自GalaxyZoo项目的星系图像，以及Sloan数字天文调查的图片和数据。通过指导性的工作和练习，学生将探索和分析这些数据，最终制作一个自动化的机器学习工具。 学生在本课程中所遵循的过程可以应用于任何其他学科，例如社会科学、市场研究或任何涉及基于大量数据做出决策的领域。 课程大纲： 第一部分：模块1 - 数据探索 描述：本周我们将了解项目，并首次探索一些我们将要处理的数据。我们熟悉这些文件的内容，并为之后应用于大规模数据做初步准备。 第二部分：模块2 - 数据模型 描述：本周我们将学习如何在Hive中加载数据，构建其数据模型，并理解根据形状分类星系的任务。 第三部分：模块3 - 分类 描述：本周我们将规范化数据模型，深入研究用户提供的投票，并生成构建自动分类器所需的信息。 第四部分：模块4 - 机器学习 描述：本周我们将引入星系图像的数据集，并准备两个人工智能算法，用于基于图像的自动星系分类。 第五部分：模块5 - 最终工作 描述：现在是时候准备最终报告，汇总到目前为止的工作。你需要手头有之前几周完成的工作。

Big Data: el impacto de los datos masivos en la sociedad actual (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/impacto-datos-masivos

简介: 课程名称：大数据：大数据对当今社会的影响 概述：数字化、计算机技术和互联网的快速发展已引发了一场数据积累与利用的革命。我们现在能够存储和保留的数据量超过历史上任何时候，同时也可以对这些数据进行研究和分析，以便做出决策和改进流程。这种新能力对社会生活的各个领域都产生了巨大的影响。 本课程将包括以下内容： • 了解什么是大数据及其基本特征。 • 探索数据的持续增长，分析其在许多领域的潜在影响，并讨论其对社会生活各个方面所带来的挑战和难题。 • 了解大数据处理的各个阶段特征，掌握描述处理过程的适当术语，从而获得对当前大数据处理系统的全面了解。 • 研究大数据的主要应用领域，包括其对工作组织和管理的影响，所带来的治理、经济和工作挑战，以及带来的改进与风险。 • 学习大数据存储和处理的主要技术与基础设施。 课程大纲： 1. 大数据在21世纪的日常生活中 - 该模块探讨数字化、计算机和互联网对数据积累和利用的革命性影响，以及数据增长对人类活动及其挑战的分析。 2. 数据的处理与利用模型 - 深入了解数据的处理步骤，包括获取、提取、清洗、整合、分析和决策等。探讨大数据对当今社会的影响，以及通过完整的方法论进行数据处理的过程。 3. 大数据的应用领域 - 介绍大数据在科学、教育、生产、商业、公共行政、政治和医疗等多个领域中的具体应用及其积极和消极方面。通过案例研究，了解大数据在零售、保险、银行、电信和交通等行业的典型应用。 4. 技术与基础设施 - 本模块研究大数据处理所需的新技术与基础设施，包括Hadoop系统及其相关系统，了解其特性及重要性。 参与者将通过视频学习、问答和论坛讨论来积极参与课程。

Big Data: procesamiento y análisis (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-procesamiento-analisis

简介: 课程总结：大数据：处理与分析 本课程旨在介绍大数据处理与分析的基本方法和技术，并不深入探讨机器学习或统计方法，而是提供这些技术的主要特征，以便学生能够对数据分析的选项有一个整体的认识，从而探索、验证线索并提取结论。课程适合希望接触大数据处理和分析的学生和专业人士，尤其是那些已有一定数据分析基础或希望在大数据环境中提升分析能力的学习者。 课程采用虚拟机进行实际操作，利用Jupyter作为开发模型与技术的桥梁，运用PySpark进行数据分析。课程内容分为四个模块，虽然模块之间相对独立，但建议按顺序学习。 模块1主要介绍数据分析中的常见问题和技术，并引入相关的案例研究和工作工具，重点在于数据的探索和预处理，包括查询、管理任务、数值总结和图形。 模块2聚焦于基础建模技术，特别是线性回归和逻辑回归，涵盖模型的校准、验证和简化过程。 模块3专注于回归和分类树模型，包括随机森林，并探讨不确定性和过拟合等一般性问题。 模块4介绍神经网络分类技术以及基本的不监督技术，特别是通过主成分分析进行维度减少及自动分类，此外还要求学生完成一项实践作业以巩固所学内容。 课程结合视频讲解、小测验和论坛讨论，鼓励学生积极参与和交流，帮助他们更好地理解和掌握大数据分析的核心技能。

Big Data: visualización de datos (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-data-visualizacion-datos

简介: 课程名称：大数据：数据可视化 课程概述：“数据可视化”是“大数据-大规模数据的实际使用”专业中的第四门课程。该课程为期四周，旨在激励并介绍可视化数据的关键概念，同时展示不同背景下的实际案例。此外，课程提供了制定问题和选择合适工具以获得正确可视化的标准。该课程应该是一个引导性的、激励人心的入门课程，通过数据可视化讲述故事。 课程结构分为四个模块： 模块 1：当今数据可视化的背景 在本模块中，我们将建立理解当今数据可视化重要性的基础，讨论信息社会及其设计的演变，分析图形设计的基础，回顾历史上最重要的数据可视化，并提出信息图和数据可视化的分类。参与者可以观看视频、反复回答问卷，并通过论坛讨论感兴趣的话题。 模块 2：数据分析和可视化工具 本模块将探讨各类数据分析和可视化工具，包括探索性工具如R或D3，以及解释性/叙述性工具。参与者可以观看视频、反复回答问卷，并通过论坛讨论感兴趣的话题。 模块 3：数据可视化的创建过程 在本模块中，将审查创建数据可视化的流程，包括（1）制定商业问题、（2）安装程序、（3）加载和准备数据、（4）创建不同的可视化（图表、仪表板和数据故事），以达到更高的认知水平。学习过程中将使用实际数据集和Tableau Public工具，涉及多种可视化原则，并面向最终用户。参与者可以观看视频、通过论坛讨论，并完成同伴评估的活动。 模块 4：数据可视化的其他方面 在此模块中，将介绍大数据可视化的不同概念和技术，展示特定的地图和结构可视化示例。同时，我们将描述使用可视化作为数据接口的关键要素以及使用可视化可能带来的问题，包括良好和不良实践以及主要考虑因素。参与者可以观看视频、反复回答问卷，并通过论坛讨论感兴趣的话题。

Big History - From the Big Bang until Today (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bighistory

简介: 课程名称：大历史 - 从大爆炸到今天 课程概述：欢迎参加这门大历史课程！本课程由阿姆斯特丹大学及其他机构的著名科学家和学者带领，带您踏上一段从大爆炸到今天的旅程，期间将探讨各个领域的关键问题。完成这段旅程后，您将更好地理解自己和周围事物如何演变至今，并掌握塑造一切历史的基础机制，以及这些机制如何影响未来。最后，您还将学会利用这些知识将较小的主题放在更大的视角中，通过“小大历史”的方法，帮助您对这些小主题产生新的想法。 课程大纲： 1. 介绍 2. 宇宙历史 3. 地球与生命的历史 4. 人类历史 5. 总结 这门课程将帮助您建立一种跨学科的视野，理解宇宙、地球生命及人类历史之间的联系。

Big History: Connecting Knowledge (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/big-history

简介: 课程名称：大历史：知识连接 概述：在全球面临前所未有的挑战时，该课程带领学员们跨越138亿年的时间，从大爆炸到未来，探索复杂问题的相互关联性。通过大历史的视角，学员将发现宇宙和世界如何从简单演变为复杂，同时认识到集体学习的力量。课程包括两种讲座形式：多位专家的“深入分析”讲座，以不同学科的视角理解关键概念，以及大历史框架讲座，提供通过大历史八个阈限的连贯概述。 课程大纲： 第一部分：大历史、批判性思维与跨学科性 描述：本模块介绍大历史的运作方式，强调批判性思维及我们对知识的认识。学习大历史的前三个“复杂性增加的阈限”，从宇宙及一切存在的开始探讨。 第二部分：宇宙、星星与行星 描述：我们将在一个涵盖数十亿年的时间线上探讨宇宙的起源、新星与元素以及太阳系，涉及宇宙学、天文学、物理学、化学和地质学。 第三部分：进化史 描述：探讨自大约38亿年前的生命起源到人类这一古怪的灵长类动物的演化历程，深入探讨进化生物学、地质学、古生物学和人类学。 第四部分：人类历史 描述：本模块回顾人类从约20万年前起源到工业革命前夕的长期发展，研究考古学、古文字学及古代、中世纪与早期现代历史。 第五部分：现代性 描述：探讨人类历史上最动态的时期——现代时代，分析从持续一万年的农业时代过渡到现代时代的生产与复杂性爆发，涉及现代历史、政治学和经济学。 第六部分：未来 描述：本模块通过学习历史展望未来，探讨本世纪面临的挑战、亿年尺度的未来研究以及复杂性可能的发展方向，涵盖气候学、宇宙学、物理学和前瞻性研究。

BigQuery for Data Analysts (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bigquery-for-data-analysts

简介: 课程名称：BigQuery为数据分析师服务 课程概述：本课程专为希望学习如何使用BigQuery进行数据分析的数据分析师设计。通过视频、实验室和演示的结合，我们探讨了如何在BigQuery中摄取、转换和查询数据，以获得有助于商业决策的洞察。 课程大纲： 1. 课程介绍：介绍课程议程。 2. BigQuery为数据分析师服务：探讨数据分析师面临的分析挑战，比较本地大数据与云端大数据的区别，介绍Google Cloud的企业数据仓库BigQuery及其特点，以及云分析如何改变公司的真实案例。 3. 使用BigQuery探索和准备数据：通过SQL（结构化查询语言）探索数据，从简单的选择语句到更复杂的查询。 4. 清理和转换数据：讨论数据完整性的原则，学习如何使用SQL清理、准备和转换数据，并介绍Dataprep、Cloud Data Fusion、Dataflow等其他数据准备和转换产品。 5. 摄取和存储新的BigQuery数据集：讲述如何将数据摄取到BigQuery的本地存储中，以及不同的数据加载方法，包括外部数据源的查询。 6. 从BigQuery可视化您的洞察：通过构建仪表板和报告可视化数据洞察，学习可视化理论和最佳实践，使用Looker Studio和Connected Sheets等工具创建有影响力的可视化。 7. 使用Dataform开发可扩展的数据转换管道：介绍Dataform，一个新产品，提供统一的端到端体验，以开发、版本控制和编排BigQuery中的SQL管道。 8. BigQuery Studio：讨论BigQuery Studio的功能和用途，以及相关演示。 9. 总结：回顾课程中涉及的关键主题。 此课程适合希望提升数据分析技能、深入了解BigQuery的专业人士。

BIM Application for Engineers (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bim-application

简介: 课程名称：工程师的BIM应用 课程概述：为了有效实现学习目标，学生将熟悉模型构建过程。课程的第二模块将介绍如何使用Autodesk Revit构建BIM模型。我们将通过一个示例案例，逐步指导学生从CAD图纸构建一个六层的BIM模型。 接下来的三个模块将逐一介绍三个重要的BIM应用，分别是碰撞检测、工程量清单和4D模拟。课程中我们将使用Autodesk Revit和Navisworks来构建我们的BIM模型。 课程大纲： 1. 启动阶段 描述：介绍BIM的基本概念和学习目标。 2. 建筑建模 描述：使用Autodesk Revit构建BIM模型的详细步骤。 3. 模型集成与碰撞检测 描述：学习如何进行模型集成和执行碰撞检测。 4. 工程量清单 描述：掌握如何从BIM模型中提取工程量清单。 5. 4D模拟 描述：实现模型的4D模拟，展示时间管理与施工进度。 6. 课程总结 描述：回顾学习内容，评估学生的理解和应用能力。

BIM Coordination (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bim-coordination

简介: 课程名称：BIM协调 概述：在此课程中，您将学习设计协调、工程分析、可视化、冲突检测和开发水平（LOD）。课程的“设计创作 - 联合模型”模块介绍了ISO 19650的概念及联合模型的优势，并通过实践示例指导您使用Autodesk Revit创建联合模型。“设计创作 - 工程分析”模块涵盖结构、能源和照明分析，强调设计评估与优化，以及全面的设计审查过程。 课程大纲： 1. **设计创作 - 联合模型** 本模块探讨了BIM中联合建模的概念与实施。从联合模型及ISO 19650标准的简介开始，学习与联合模型相关的战略和协作项目的优势。实践技能包括链接Revit文件、管理链接模型、以多种格式导出文件，以及创建渲染和动画，以增强项目的可视化和沟通。 2. **设计创作 - 工程分析** 在此模块中，您将学习使用BIM进行的基础工程分析技术。主题包括静态和动态条件下的结构分析、优化建筑效率的能源分析、室内照明改善的照明分析，以及全面的设计审查流程。此模块提供增强建筑性能的必备技能。 3. **可视化** 可视化模块教您如何在BIM中有效地查看和呈现模型。内容涵盖创建不同视图、使用可视化模式、通过漫游和飞行穿越体验模型、管理图层和属性，以及分节探索模型。还包括使用平板电脑和移动设备进行可视化，设置BIM自助服务亭和体验室，并通过演示体验虚拟现实（VR）、混合现实（MR）和增强现实（AR）。 4. **冲突检查** “冲突检测”模块专注于掌握BIM项目中的冲突检测和解决方案。参与者将学习冲突检查的基础知识，包括冲突类型及避免策略，使用联合模型。模块涵盖冲突检测的详细过程、优先级划分、定义冲突检测规则、生成报告，以及通过分组有效管理冲突。参与者还将通过综合演示获得现实冲突场景和解决技巧的实践经验。 5. **开发水平（LOD）** 在此模块中，您将学习BIM中的开发水平（LOD）。包括理解LOD、细节水平和信息水平。模块通过墙基础、预制结构和管道系统等实践示例说明LOD应用。同时，您将探索LOD图表、矩阵和模型进展矩阵，以提高项目沟通效率和BIM标准化。 此课程旨在帮助您掌握BIM协调的关键技能，提升项目管理与实施能力。

BIM Fundamentals for Engineers (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bim-fundamentals

简介: 课程名称：工程师的BIM基础 课程概述： 本课程旨在帮助学生掌握建筑信息模型（BIM）的基本概念，以及创建和操作BIM模型所需的基本技术技能。课程内容包括如何从BIM模型中提取信息，以及如何使用常见的建模工具。 课程大纲： 1. 名称：导入：为课堂做准备 描述：本模块将帮助学生了解课程的基本架构和学习要求。 2. 名称：BIM基础知识 描述：介绍BIM的基本概念，及其在工程领域的重要性和应用。 3. 名称：查看与提取BIM模型中的信息 描述：学习如何从BIM模型中有效获取所需的信息。 4. 名称：建模BIM模型 描述：掌握使用各种工具和软件进行BIM模型建模的技能。 5. 名称：总结 描述：本模块对整个课程进行总结，为学生提供进一步学习和实践的方向。 本课程适合希望增强BIM技能的工程师及相关专业的学生。

Biochemical Principles of Energy Metabolism (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/energy-metabolism

简介: 课程名称：生物化学能量代谢原理 课程概述：能量是维持生命的基本要素，如何定义生命中的能量？你是否曾思考过饮食中的碳水化合物（如葡萄糖）是如何被用来提取能量的？这一科学领域称为生物能量学，专注于能量在活细胞和生物体中的生产与流动。能量代谢涵盖多种生化途径，涉及成千上万的化学反应的能量转化和调控机制。没有对这些代谢过程的精细调控，细胞和生物体将无法维持与生命相关的活动。 本课程为期7周，将清晰地介绍能量代谢的基本原理。首先，我们将建立能量代谢的概念，随后探讨葡萄糖氧化及光合作用中的能量生产相关生化步骤。同时，我们也会学习与脂肪相关的代谢反应以及不同器官之间的调控作用。最后，我们将讨论在糖尿病和癌症等病理状态下能量代谢的失调。 课程大纲： - 模块1：能量代谢简介 - 模块2：当你感到饥饿时 - 模块3：葡萄糖氧化与能量生产 - 模块4：光合作用 - 模块5：脂肪代谢 - 模块6：葡萄糖能量稳态与糖尿病 - 模块7：你身体中的能量稳态 此课程将为学习能量代谢的基本概念和实际应用提供坚实的基础。

Bioconductor for Genomic Data Science (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bioconductor

简介: 课程名称：生物信息学工具在基因组数据科学中的应用（Bioconductor for Genomic Data Science） 概述：本课程将教授如何利用Bioconductor项目中的工具来分析基因组数据。这是约翰霍普金斯大学基因组大数据专业化的第五门课程。 课程大纲： 第一周：本周课程将介绍如何安装和使用Bioconductor软件，并讨论常用的数据结构，包括ExpressionSets、SummarizedExperiment和GRanges，这些数据结构广泛应用于多种分析中。 第二周：本周，我们将学习如何表示和计算生物序列，包括整个基因组水平以及数百万小短读的水平。 第三周：本周将涵盖基本数据类型、ExpressionSet、biomaRt和R S4的相关内容。 第四周：本周将讨论如何在Bioconductor中获取数据，涵盖Rsamtools、oligo、limma和minfi等工具。 通过本课程，学员将掌握基于Bioconductor的基因组数据分析技能，为从事相关领域的研究和应用打下基础。

Biohacking Your Brain's Health (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/biohacking-your-brains-health

简介: 课程名称：提升大脑健康的生物黑客 课程概述：随着全球范围内健康状况，尤其是大脑健康的恶化，本课程介绍了通过营养、运动、冥想和睡眠来最大化大脑健康的方法。我们将揭穿一些关于整体健康的流行谣言，并揭示过去几十年的研究，展示被证实能改善大脑功能的实用日常习惯和干预措施。每周您还将了解到大脑的结构和常见功能，并获得改进大脑健康的“处方”小贴士。 课程大纲： 1. **营养与大脑** 描述：在第一周，您将获得大脑的基本知识，了解营养的历史以及一些标志性研究，探索哪些饮食能够改善大脑健康。 2. **运动与大脑** 描述：在第二周，我们将揭示运动对大脑的影响（包括身体和心理运动），并探讨人类与动物研究所提供的见解。 3. **冥想与大脑** 描述：在第三周，我们将了解冥想和正念背后的神经科学，认识冥想对大脑活动和结构的影响。 4. **睡眠与大脑** 描述：在最后一周，我们将研究睡眠如何作为大脑的一种主动过程运作，评估睡眠剥夺的影响，并考虑能改善睡眠和大脑健康的有益实践。

Bioinformatic Methods I (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bioinformatics-methods-1

简介: 课程名称：生物信息学方法 I 本课程综述：大型生物学项目（例如人类基因组测序和基因表达调查）产生了丰富的生物数据，生物学家面临的挑战是如何分析和访问这些数据，以提取与研究系统相关的有用信息。本课程专注于利用现有的生物信息学资源（主要是基于网络的程序和数据库），以此来访问这些海量数据，从而回答生物学家的相关问题，强调实际操作。 课程内容包括多个序列比对、系统发育学、基因表达数据分析和蛋白质相互作用网络，分为两部分： 第一部分生物信息学方法 I（本课程）涵盖数据库、BLAST、多个序列比对、系统发育学、选择分析和宏基因组学。 第二部分生物信息学方法 II 涉及基序搜索、蛋白质-蛋白质相互作用、结构生物信息学、基因表达数据分析和顺式元件预测。 这对课程适合考虑生物科学研究生学位的学生以及考虑分子医学的学生，提供了多种现有的生物信息学工具概述。 本课程基于多伦多大学为具有基本分子生物学理解的高年级本科生教授的课程。如果您不熟悉相关内容，类似于 https://learn.saylor.org/course/bio101 的课程可能会有所帮助。本课程不要求编程基础。 生物信息学方法 I 定期更新，并于2022年1月进行了全面更新。 课程大纲： 1. **NCBI/BLAST I**：探索美国国家生物技术信息中心的资源，并进行BLAST搜索以查找相似序列。 2. **BLAST II/比较基因组学**：继续探索NCBI的资源，进行多种类型的BLAST搜索，并比较不同物种的基因组部分。 3. **多个序列比对**：使用Clustal、MUSCLE和MAFFT进行多个序列比对，以识别保守和变异区域。 4. **系统发育学**：利用生成的多个序列比对进行邻接法和最大似然法的系统发育分析。 5. **选择分析**：分析细菌的正、负或中性选择位置，以帮助理解蛋白质编码序列的生物学。 6. **下一代测序分析（RNA-Seq）/宏基因组学**：探索由于测序成本迅速下降而生成的数据，分析RNA-Seq数据集和宏基因组数据集。 7. **复习与期末作业**：对系统发育学、选择分析及下一代测序分析进行复习，并进行期末任务。 本课程将为学习者提供实用的生物信息学技能和知识，支持他们在生物科学领域的进一步研究和应用。

Bioinformatic Methods II (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bioinformatics-methods-2

简介: 课程名称： 生物信息学方法 II 课程概述： 随着人类基因组测序和RNA-seq、微阵列等技术的广泛应用，大规模生物学项目产生了大量数据。然而，科学家面临的挑战是如何分析和访问这些数据，以提取与研究系统相关的有用信息。本课程重点介绍如何利用现有的生物信息资源（主要是基于网络的程序和数据库）来访问丰富的数据，并解答普通生物学家的相关问题，课程实践性强。 课程内容分为两个部分。第一部分生物信息学方法 I 涉及数据库、Blast、多序列比对、系统发育、选择分析和宏基因组学；第二部分生物信息学方法 II 则涵盖了模式搜索、蛋白质间相互作用、结构生物信息学、基因表达数据分析和顺式元件预测。 这对课程适合考虑攻读生物科学研究生的学生，以及考虑分子医学的学生。课程内容基于多伦多大学的教学案例，面向对基础分子生物学有一定了解的高年级本科生。如果您不熟悉基础知识，可以参考类似于 https://learn.saylor.org/course/bio101 的资源。该课程不要求编程，但在第5模块中包含一些命令行操作（通过网页浏览器进行）。 生物信息学方法 II 随时更新，最近一次更新是在2022年2月。 课程大纲： 1. 蛋白质模式：研究蛋白质家族中保守区域，了解其生物学功能，并通过各种描述方法探讨保守区域。 2. 蛋白质间相互作用：探索蛋白质间相互作用（PPIs）的重要性，使用不同工具和数据库分析BRCA2的相互作用伙伴，并进行基因本体（GO）术语富集分析。 3. 蛋白质结构：讨论确定蛋白质三维结构的方法，介绍蛋白质结构数据库PDB，并使用PyMOL探索多个蛋白质结构。 4. 基因表达分析 I：处理RNA-seq生成的基因表达数据，使用BioConductor进行数据处理和可视化。 5. 基因表达分析 II：对显著差异表达基因进行层次聚类，利用在线工具识别与选定基因关联的基因，并进行基因本体富集分析。 6. 顺式调控系统：研究基因表达的调控机制，分析特定基因启动子的顺式元件，并尝试预测新的顺式元件。 结课内容包括对基因表达分析和顺式调控系统的复习，以及最终作业的安排。

Bioinformatics Capstone: Big Data in Biology (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bioinformatics-project

简介: 课程名称：生物信息学顶点项目：生物学中的大数据 课程概述：在本课程中，您将学习如何使用Illumina开发的BaseSpace云平台，应用几种标准的生物信息学软件方法来处理真实的生物数据。课程将通过一系列应用挑战，展示基因组组装如何用于追踪食物中毒爆发的源头，RNA测序如何帮助我们在组织水平上分析基因表达数据，以及比较全基因组测序与全外显子测序在寻找潜在有害突变方面的优缺点。此外，喜欢挑战的学生还有机会构建自己的基因组组装器并将其应用于真实数据中。 课程大纲： 1. SARS-CoV-2基因组的组装与注释 2. SARS-CoV-2的变异检测与分类 3. SARS-CoV-2刺突蛋白结构分析 通过本课程，您将获得针对生物学数据的大数据分析技能，提升您的生物信息学应用能力。

Bioinformatics: Introduction and Methods 生物信息学: 导论与方法 (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bioinformatics-pku

简介: 《生物信息学：导论与方法》课程由北京大学提供，旨在帮助学员熟悉生物信息学的基本概念和计算方法，以及其在生物学中的应用。本课程将为未来的学习和研究提供必要的知识和技能。 课程内容包括： 1. **生物信息学的导论与历史**：学习生物信息学的基本概念及其历史背景，了解该领域的快速发展。 2. **序列比对**：掌握基于动态规划的序列比对算法，理解全局比对和局部比对的不同方法，及其关键的时间复杂度和缺口惩罚原则。 3. **序列数据库搜索**：熟悉常用的序列数据库及BLAST算法，掌握根据研究项目调整BLAST参数的技巧。 4. **马尔可夫模型**：了解状态转移、马尔可夫链及隐藏马尔可夫模型，实践如何进行生物问题的预测。 5. **下一代测序（NGS）**：掌握NGS的特征，了解读取映射和变异调用的方法，以及NGS数据分析的Pipeline。 6. **遗传变异的功能预测**：学习变异预测的原理和工具，如SIFT、Polyphen等，并将其应用于具体的科研项目中。 7. **中期考试**：评估之前学习的内容。 8. **下一代测序：转录组分析和RNA-Seq**：掌握转录组数据的生成与分析算法，为后续模块奠定基础。 9. **非编码RNA的预测与分析**：分析转录组数据中的非编码RNA，识别长非编码RNA及其功能。 10. **本体论和分子通路的识别**：了解基因本体及KEGG通路数据库，学习如何识别通路并应用于药物研究。 11. **生物信息学数据库与软件资源**：熟悉重要的生物信息学资源，包括集中资源和个别资源。 12. **新基因的起源**：通过案例学习应用生物信息学方法研究物种特异性新基因的起源和演化，构建系统发育树。 13. **DNA甲基转移酶的进化功能分析**：利用生物信息学方法研究DNA甲基化酶的功能与进化，分享科研经验。 14. **期末考试**：评估学习成果。 课程提供的材料受CC BY-NC-SA许可证保护。学员将通过本课程为今后的学术和科研道路打下坚实的基础。

Biología bucal (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/biobucal

简介: 课程总结：生物口腔学 本课程“生物口腔学”探讨了口腔科学领域在过去几十年中的发展和变化，强调了口腔腔体及其与其他器官和系统关系的综合性理解。课程从细胞生物学、分子生物学和生物化学的视角出发，深入研究了对口腔疾病的诊断和治疗的影响，以及新疗法的出现。 课程大纲包括以下模块： 1. **人类牙齿的一般知识**：这一模块介绍了人类牙齿的特点和组成，并讨论了口腔腔体内形成的微生物生态系统的特点。 2. **牙齿龋齿的生物化学、再矿化与氟化**：该模块深入研究了龋齿形成的生物化学过程，以及再矿化和氟化在预防龋齿中的重要性。 3. **牙周病的生物学**：本模块专注于牙周疾病的机制，探讨其病理生理过程和对整体健康的影响。 4. **口腔腔体与系统疾病**：最后一部分将重点讨论口腔健康与全身性疾病之间的联系，揭示口腔疾病对整体健康的潜在影响。 通过本课程，学员将获得口腔生物学和相关健康领域的全面知识，提升在临床和研究中的应用能力。

Biology Everywhere Foundations (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/biology-everywhere-foundations

简介: 课程名称：生物学无处不在基础课程 课程概述：在本课程中，我们将探讨科学与生物学的本质。我们将讨论“生物学无处不在”这一理念的含义，以及“生物学无处不在”项目的历史。我们还将讨论科学（及生物学）作为一种探究学科的基本特征，以及化学在理解生物学中的基础性作用。 课程大纲： 1. **为什么生物学无处不在？** 描述：在这一模块中，我们将探讨生物学无处不在的原则以及皮费尔博士撰写《生物学无处不在：生命科学如何影响日常生活》的动机，包括该专业化课程的创建背景。 2. **……因为科学** 描述：在这一模块中，我们将讨论科学的基础是什么（以及不是什么）。 3. **什么是生命，因此生物学是什么？** 描述：在这一模块中，我们将讨论活着意味着什么。 4. **生物学的化学基础** 描述：化学是理解生物学的基础。在这一模块中，我们将探讨生物学的化学基础。 通过本课程的学习，学员将能够更好地理解生物学在日常生活中的重要性及其与科学的关联。

Biology Meets Programming: Bioinformatics for Beginners (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bioinformatics

简介: 课程名称：编程与生物学的结合：生物信息学入门 课程概述：您是否有兴趣在科学环境中学习编程（使用Python）？本课程将涵盖解决各种生物学问题的算法，并提供一系列编程挑战，帮助您在Python中实现这些算法。课程为生物信息学专业的入门提供了温和的介绍，并为学习者准备了第一门课程“寻找DNA中的隐藏信息”。 课程为期四周，每周由两个必需的组成部分构成。首先，互动教材提供了源自真实生物学问题的Python编程挑战。如果您之前没有使用Python进行编程，也无需担心！我们提供了来自Codecademy Python课程的“及时练习”。每一页互动教材都有自己的讨论论坛，您可以与其他学习者互动。其次，每周的学习将以总结测验结束。 此外，课程还提供了讲座视频，这些视频是可选的。 课程大纲： - 第1周：基因组中复制在哪里开始？（第一部分） - 第2周：基因组中复制在哪里开始？（第二部分） - 第3周：哪些DNA模式扮演了分子时钟的角色？（第一部分） - 第4周：哪些DNA模式扮演了分子时钟的角色？（第二部分） 此课程旨在培养学员的编程能力，并为生物信息学的更深入学习打下基础。

Biomedical Visualisation (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/biomedvis

简介: 课程名称：生物医学可视化 概述：生物医学可视化是一个快速发展的学科领域，涵盖学术界、研究和工业，并且正成为科学的未来。随着数字技术及其应用的进步，生物医学可视化作为一个不断演变和流行的领域，处于数字革命的前沿。本课程将介绍如何使用新的成像、处理和分析技术来研究与人体及其生物过程相关的数据。 学习目标： - 定义和描述与人体相关的解剖术语。 - 描述各种身体系统的构成及其功能关系。 - 使用行业标准的开源软件（Blender）创建自己的3D模型和动画。 - 分析各种可视化技术和方法，并能够将其应用于生物医学科学的各个领域。 本课程是Coursera上首个此类课程，探讨人体的结构与功能，包括相关的术语。它展示了使用技术对人体及生物过程相关数据进行成像和展示的可视化技术，并提供动画创建的培训，考察不同现实类型的适用性。 课程内容： 1. **可视化与人体简介**：本模块介绍可视化及其应用的基础，同时探索人体解剖的基础知识。学习可视化的历史发展及其在生物医学科学中的现代应用。 2. **3D模型与动画**：本模块将介绍3D建模软件“Blender”及建模术语。在课程结束时，您将能够使用Blender创建自己的有机3D模型和动画。 3. **虚拟现实与增强现实**：本模块将介绍虚拟现实（VR）和增强现实（AR）的历史背景及其在生物医学科学中的应用。学生将收听VR和AR专家的访谈，了解相关研究与应用。 4. **扩展现实：现实与未来**：本模块是生物医学可视化课程的总结，介绍混合与扩展现实的理论，并反思在课程中所学的内容及其在未来项目中的应用。 无论您是否有先前经验，只需具备中级学习能力即可参与本课程。

Bioquímica clínica en Veterinaria (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/bioquimica-clinica-veterinaria

简介: 课程名称：兽医学临床生物化学 课程概述：本课程旨在提高学生在兽医学临床生物化学实验室领域的知识，解决兽医教育计划中诊断实验室未能充分发挥其应有地位的问题。如果您希望提升对于生物化学参数与诊断相关的知识以及其生物化学、病理生理学和技术基础的理解，欢迎加入本课程！ 课程大纲： 1. **课程介绍**：欢迎参加本课程。临床生物化学在兽医及人类医学中都是诊断和病程跟踪的重要专门领域。课程将介绍相关生理基础、实验室参数的正确解读及其技术方法。 2. **参考区间与质量控制**：探讨参考区间的定义、分析误差的原因及其控制，讨论问题样本处理及抗凝剂类型。 3. **临床酶学与血浆蛋白分析**：学习酶的动力学、血浆蛋白的种类与功能、总蛋白的测定及其解释。 4. **肝功能的实验室研究**：研究肝脏的功能测试、相关酶和胆红素的测定，以及肝功能结果的解释。 5. **糖类与脂类代谢、胃肠与胰腺功能**：分析糖代谢和脂代谢失调的生物化学基础，探讨胃肠及胰腺功能的实验室指标。 6. **肾功能、电解质及酸碱平衡**：了解肾功能异常的检测方法及酸碱平衡的监测与电解质的测定。 7. **钙与磷代谢、肌肉功能与激素**：研究钙和磷的代谢及相关疾病、肌肉的病理变化及其实验室标志物，以及内分泌功能的评估。 本课程提供全面的临床生物化学知识，结合理论与实践，适合希望深入了解兽医学实验室诊断的学员。

Biosphere 2 Science for the Future of Our Planet (Coursera) 0 个评论 关注

主页: https://www.coursera.org/learn/biosphere-science-future

简介: 课程名称：《生物圈2：科学与我们星球的未来》 课程概述：准备好踏上一段令人难忘的地球之旅及其未来吗？在本课程中，您将深入探索创新科学的世界，并向生物圈2和亚利桑那大学的研究团队学习。从植物、土壤到海洋、雨林，以及月球、火星等，本课程为任何对科学和地球保护感兴趣的人提供了一个激动人心的机会。您将了解位于亚利桑那沙漠的独特研究站如何用于探索大型想法，如地球系统的相互作用、气候变化的影响以及我们未来的可能性。通过研究古老树木中的信息回溯数千年，再梦想到人类成为火星人的未来，您将收集和分析自己的科学数据，与来自世界各地的参与者讨论重大问题，并获得有关我们独特星球的新见解和理解。 课程大纲： 1. **生物圈2：可能性的标志** - 了解生物圈2的历史及其作为地球系统科学研究的最佳工具的用途。 2. **气候干扰** - 学习古树的环带如何重建过去气候，理解气候变化的原因和全球变暖的加速过程。 3. **水资源可用性科学** - 了解全球水循环以及水的存在和运动。 4. **沙漠植物、气候与变化的景观** - 探索气候变化如何影响各种物种在索诺兰沙漠中的共存。 5. **改变世界的雨林** - 研究热带雨林在全球气候中的重要角色及其面临的威胁。 6. **海洋环境的变化** - 了解到海洋在全球气候和人类生计中的重要作用，以及应对珊瑚礁危机的创新方案。 7. **土壤科学 - 基础与影响** - 探索土壤的微观世界及其在地球系统中的关键角色。 8. **养活未来** - 学习如何将火星或月球温室的理念应用于地球，以应对全球人口增长的挑战。 9. **太空中的生命和资源 - 我们应该去那里吗？** - 欣赏人类未来在太空生活的可能性，激发您对地球的珍视。 通过本课程，您将不仅学习到科学知识，还能对地球及其未来有更深刻的理解与思考。