Data Science at Scale Specialization [14677]

Tackle Real Data Challenges

Master computational, statistical, and informational data science in three courses.

About This Specialization

Learn scalable data management, evaluate big data technologies, and design effective visualizations.

This Specialization covers intermediate topics in data science. You will gain hands-on experience with scalable SQL and NoSQL data management solutions, data mining algorithms, and practical statistical and machine learning concepts. You will also learn to visualize data and communicate results, and you’ll explore legal and ethical issues that arise in working with big data. In the final Capstone Project, developed in partnership with the digital internship platform Coursolve, you’ll apply your new skills to a real-world data science project.

Created by:

4 courses

Follow the suggested order or choose your own.


Designed to help you practice and apply the skills you learn.


Highlight your new skills on your resume or LinkedIn.

Intermediate Specialization.
Some related experience required.
  1. COURSE 1

    Data Manipulation at Scale: Systems and Algorithms

    Upcoming session: Mar 13 — Apr 17.
    4 weeks of study, 6-8 hours/week

    About the Course

    Data analysis has replaced data acquisition as the bottleneck to evidence-based decision making --- we are drowning in it. Extracting knowledge from large, heterogeneous, and noisy datasets requires not only powerful computing resources, but the programming abstractions to use them effectively. The abstractions that emerged in the last decade blend ideas from parallel databases, distributed systems, and programming languages to create a new class of scalable data analytics platforms that form the foundation for data science at realistic scales. In this course, you will learn the landscape of relevant systems, the principles on which they rely, their tradeoffs, and how to evaluate their utility against your requirements. You will learn how practical systems were derived from the frontier of research in computer science and what systems are coming on the horizon. Cloud computing, SQL and NoSQL databases, MapReduce and the ecosystem it spawned, Spark and its contemporaries, and specialized systems for graphs and arrays will be covered. You will also learn the history and context of data science, the skills, challenges, and methodologies the term implies, and how to structure a data science project. At the end of this course, you will be able to: Learning Goals: 1. Describe common patterns, challenges, and approaches associated with data science projects, and what makes them different from projects in related fields. 2. Identify and use the programming models associated with scalable data manipulation, including relational algebra, mapreduce, and other data flow models. 3. Use database technology adapted for large-scale analytics, including the concepts driving parallel databases, parallel query processing, and in-database analytics 4. Evaluate key-value stores and NoSQL systems, describe their tradeoffs with comparable systems, the details of important examples in the space, and future trends. 5. “Think” in MapReduce to effectively write algorithms for systems including Hadoop and Spark. You will understand their limitations, design details, their relationship to databases, and their associated ecosystem of algorithms, extensions, and languages. write programs in Spark 6. Describe the landscape of specialized Big Data systems for graphs, arrays, and streams
    Show or hide details about course Data Manipulation at Scale: Systems and Algorithms
  2. COURSE 2

    Practical Predictive Analytics: Models and Methods

    Upcoming session: Mar 13 — Apr 17.
    4 weeks of study, 6-8 hours/week

    About the Course

    Statistical experiment design and analytics are at the heart of data science. In this course you will design statistical experiments and analyze the results using modern methods. You will also explore the common pitfalls in interpreting statistical arguments, especially those associated with big data. Collectively, this course will help you internalize a core set of practical and effective machine learning methods and concepts, and apply them to solve some real world problems. Learning Goals: After completing this course, you will be able to: 1. Design effective experiments and analyze the results 2. Use resampling methods to make clear and bulletproof statistical arguments without invoking esoteric notation 3. Explain and apply a core set of classification methods of increasing complexity (rules, trees, random forests), and associated optimization methods (gradient descent and variants) 4. Explain and apply a set of unsupervised learning concepts and methods 5. Describe the common idioms of large-scale graph analytics, including structural query, traversals and recursive queries, PageRank, and community detection
    Show or hide details about course Practical Predictive Analytics: Models and Methods
  3. COURSE 3

    Communicating Data Science Results

    Upcoming session: Mar 13 — Apr 10.

    About the Course

    Important note: The second assignment in this course covers the topic of Graph Analysis in the Cloud, in which you will use Elastic MapReduce and the Pig language to perform graph analysis over a moderately large dataset, about 600GB. In order to complete this assignment, you will need to make use of Amazon Web Services (AWS). Amazon has generously offered to provide up to $50 in free AWS credit to each learner in this course to allow you to complete the assignment. Further details regarding the process of receiving this credit are available in the welcome message for the course, as well as in the assignment itself. Please note that Amazon, University of Washington, and Coursera cannot reimburse you for any charges if you exhaust your credit. While we believe that this assignment contributes an excellent learning experience in this course, we understand that some learners may be unable or unwilling to use AWS. We are unable to issue Course Certificates for learners who do not complete the assignment that requires use of AWS. As such, you should not pay for a Course Certificate in Communicating Data Results if you are unable or unwilling to use AWS, as you will not be able to successfully complete the course without doing so. Making predictions is not enough! Effective data scientists know how to explain and interpret their results, and communicate findings accurately to stakeholders to inform business decisions. Visualization is the field of research in computer science that studies effective communication of quantitative results by linking perception, cognition, and algorithms to exploit the enormous bandwidth of the human visual cortex. In this course you will learn to recognize, design, and use effective visualizations. Just because you can make a prediction and convince others to act on it doesn’t mean you should. In this course you will explore the ethical considerations around big data and how these considerations are beginning to influence policy and practice. You will learn the foundational limitations of using technology to protect privacy and the codes of conduct emerging to guide the behavior of data scientists. You will also learn the importance of reproducibility in data science and how the commercial cloud can help support reproducible research even for experiments involving massive datasets, complex computational infrastructures, or both. Learning Goals: After completing this course, you will be able to: 1. Design and critique visualizations 2. Explain the state-of-the-art in privacy, ethics, governance around big data and data science 3. Use cloud computing to analyze large datasets in a reproducible way.
    Show or hide details about course Communicating Data Science Results
  4. COURSE 4

    Data Science at Scale - Capstone Project

    Upcoming session: May 8 — Jun 26.
    6 weeks of study, 3-4 hours/week

    About the Capstone Project

    In the capstone, students will engage on a real world project requiring them to apply skills from the entire data science pipeline: preparing, organizing, and transforming data, constructing a model, and evaluating results. Through a collaboration with Coursolve, each Capstone project is associated with partner stakeholders who have a vested interest in your results and are eager to deploy them in practice. These projects will not be straightforward and the outcome is not prescribed -- you will need to tolerate ambiguity and negative results! But we believe the experience will be rewarding and will better prepare you for data science projects in practice.
    Show or hide details about course Data Science at Scale - Capstone Project


  • University of Washington

    The University of Washington is a national and international leader in the core fields that are driving data science: computer science, statistics, human-centered design, and applied math.

    Founded in 1861, the University of Washington is one of the oldest state-supported institutions of higher education on the West Coast and is one of the preeminent research universities in the world.

  • Bill Howe

    Bill Howe

    Director of Research



Основи фінансів та інвестицій
Коронавірусна інфекція: факти проти паніки
Class Central’s Top 100 MOOCs of All Time (2019 edition)
100+ Free Online Courses to Learn about the UN’s Sustainable Development Goals
200 Best Free Coursera Courses in 2019
Пропозиції для молоді від UN
Trading Strategies in Emerging Markets Specialization
450 Free Online Programming & Computer Science Courses You Can Start in August
Підготовка та впровадження проектів розвитку громад
Рада Європи: Доступ до публічної інформації: від А до Я

Все статьи раздела Образование


20:24 - Мінцифри провело перше навчання СDTO ОДА
20:24 - Учасники проекту «Дуальна освіта: нова форма підготовки кадрів для органів ДПС» склали Присягу державного службовця
19:42 - Майберг против Коломойского: приведет ли конфликт акционеров МАУ к банкротству авиакомпании
19:00 - Підсумки торгів цінними паперами на Українській біржі за 21.01.2022
18:48 - Межбанк закрылся долларом по 28,23
18:48 - Разработан законопроект о создании финансового суда
18:48 - Новая комиссия против Ахметова. Как у Зеленского хотят регулировать тарифы на ЖД перевозки
18:48 - Сергей Згурец: Россия не рискнет размещать ядерное оружие в Беларуси
18:48 - Без противоракетной системы обороны. Чем нам сбивать российские “Искандеры”
18:18 - Віктор Ляшко: Забезпечення ринкової заробітної плати медичним працівникам має бути пріоритетом для кожного керівника медустанови
18:18 - З 24 січня встановлено червоний рівень епідемічної небезпеки в Івано-Франківській області
18:18 - Марина Лазебна: Превенція та якісні соціальні послуги - ключове завдання громад на 2022 рік
18:18 - Марина Лазебна: Гідна робота – шлях до подолання соціальних негараздів. Проект «Рука допомоги» створений для цього
18:18 - ДПС та БЕБ погодили меморандум про співпрацю та партнерство
18:18 - Безпека та якість соціальних послуг будуть ретельно контролюватися, – Міністр соціальної політики
18:18 - Івано-Франківська область перейде на червоний рівень епіднебезпеки – МОЗ нагадує про обмеження
17:54 - Динамика акций говорит, что ФРС взяла слишком высокий темп повышения ставок
17:54 - Сезон отчетности или сезон распродажи?
17:54 - Даниил Гетманцев анонсировал “кадровые решения” в Налоговой и Нацполиции
17:54 - Всемирный экономический форум пройдет 22-26 мая
17:54 - Государственная зерновая корпорация впала в дефолт
17:24 - Хто є декларантом об’єкта нерухомості, який перебуває у спільній частковій власності кількох осіб, частки кожного з яких в межах норм, визначених для об’єктів щодо яких не здійснюється одноразове (спеціальне) добровільне декларування, а загальна площ
17:24 - Яким чином через РРО та/або ПРРО здійснюється видача коштів у разі повернення товару (відмови від послуги, прийняття цінностей під заставу, виплати виграшів у державні лотереї та в інших випадках) або скасування помилково проведеної суми?
17:24 - Про застосування РРО/ПРРО та ведення обліку товарних запасів з 1 січня 2022 року
17:24 - ДПС та БЕБ погодили меморандум про співпрацю та партнерство
17:00 - В 2021 году больше всего электроэнергии Украина импортировала из Беларуси и Словакии
17:00 - Вести учет товарных запасов нужно не всем предпринимателям — Ирина Долозина
17:00 - Фонд госимущества изменил алгоритм расчета автоматической оценки недвижимости
17:00 - Цены на жилье в Украине выросли в 2021 году почти на 18%
17:00 - СБУ заблокировала “финансовый центр” в Луганске, который 7 лет платил налоги в “бюджет ЛНР”

Більше новин

Австралійський долар20.365
Канадський долар22.6047
Юань Женьміньбі4.4666
Чеська крона1.3195
Данська крона4.3141
Гонконгівський долар3.6364
Індійська рупія0.38056
Новий ізраїльський шекель9.0099
Мексиканське песо1.3835
Молдовський лей1.5687
Новозеландський долар19.0241
Норвезька крона3.1961
Російський рубль0.37084
Саудівський ріял7.5493
Сінгапурський долар21.0559
Шведська крона3.0819
Швейцарський франк31.0233
Єгипетський фунт1.802
Фунт стерлінгів38.4262
Долар США28.3181
Білоруський рубль11.0029
Румунський лей6.4927
Турецька ліра2.1122
СПЗ (спеціальні права запозичення)39.7225
Болгарський лев16.4068
Алжирський динар0.19647
Вірменський драм0.056813
Іранський ріал0.00064948
Іракський динар0.018684
Ліванський фунт0.018095
Лівійський динар5.9351
Малайзійський ринггіт6.5307
Марокканський дирхам2.9509
Пакистанська рупія0.1536
Дирхам ОАЕ7.4267
Туніський динар9.4611
Узбецький сум0.002517
Туркменський новий манат7.7938
Сербський динар0.26297
Азербайджанський манат16.0536
Бразильський реал4.8552

Курси валют, встановлені НБУ на: 24.01.2022


Дані за 21.01.2022