Data Science at Scale Specialization [15586]

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



Відкрито безкоштовний доступ для українців до навчальних програм Genius з 1 листопада до 4 грудня
10 наших найпопулярніших курсів із free
Безкоштовні курси для українців
Безкоштовні онлайн-сервіси вивчення мов для українців
Освітній онлайн-курс «Деривативи на ринках агропродовольчої продукції в Україні та світі» - USAID FST
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

Все статьи раздела Образование

Long-term investments,
Patience and discipline pay,
Slow and steady growth.

- Fin.Org.UA


22:52 - Спільна заява для преси до десятої річниці початку збройної агресії рф та других роковин російського повномасштабного вторгнення в Україну
22:27 - Дмитро Кулеба: Формула миру є єдиним шляхом до справедливого та тривалого миру
21:09 - Дмитро Кулеба: ОБСЄ має стати майданчиком відповідальності рф, а не діалогу з нею
21:00 - Новини 23 лютого: ЄС та США запровадили санкції проти московія, Польща має намір ввести обмеження на українські продукти
20:52 - Бундесбанк витратив понад 20 мільярдів євро на покриття збитків
20:45 - FATF знову не внесла Росію до "чорного списку"
20:30 - Судноплавний гігант CMA CGM зазнає збитків через конфлікт у Червоному морі
20:14 - Уряд затвердив план заходів з відзначення 210-річчя від дня народження Тараса Шевченка
20:09 - Уряд прийняв постанову щодо оформлення тимчасового посвідчення громадянина України на територіях, де ведуться бойові дії або тимчасово окупованих рф
19:55 - московіяни обстрілом знищили 500 тисяч тонн зерна у Краматорському районі
19:41 - Шмигаль озвучив пʼять кроків для розблокування кордону з Польщею
19:31 - "Укрнафтобуріння" у 2023 році сплатило понад 3 мільярди податків
19:25 - Платіжна система "Мір", банки та інше: США ввели санкції проти московія до другої річниці великої війни
19:10 - Фонд держмайна залучить до бюджету понад 100 мільйонів з приватизації
18:54 - Денис Шмигаль: Україна пропонує Польщі «План взаємопорозуміння»
18:53 - НБУ ввів в обіг нову пам'ятну банкноту "Єдність рятує світ"
18:35 - Команди інженерів SoftServe перемогли у хакатоні NATO
18:30 - НАЗК запустило базу іноземного обладнання, яке московія використовує для виробництва зброї
18:00 - Застосунок Google Pay припинить роботу в США 
17:55 - Автогаз на АЗС подорожчав за тиждень майже на гривню
17:50 - Шурма про адмінпротокол НАЗК: "Юридично нікчемний документ"
17:50 - Колонка Сергія Марченка для Financial News: виклики перед фінансовою системою України за два роки повномасштабної війни, 23.02.2024
17:45 - Підсумки торгів цінними паперами на Українській біржі за 23.02.2024
17:41 - Як вийти з перемовин у виграші
17:37 - Для забезпечення ядерної та радіаційної безпеки: Україна поглиблює співпрацю з Агентством з ядерної енергії (NEA)
17:35 - Ціни на газ в ЄС впали до рівня, який передував енергокризі
17:33 - Олександр Кубраков: За дорученням Президента працюємо на кордоні з Польщею, щоб підтримати сталість експорту, запустити альтернативні маршрути
17:30 - Уряд виділив 17 мільярдів на утримання доріг
17:25 - Для забезпечення ядерної та радіаційної безпеки: Україна поглиблює співпрацю з Агентством з ядерної енергії (NEA)
17:23 - Українські аграрії експортують 93% своєї продукції через порти Великої Одеси та Дунаю

Більше новин

Австралійський долар25.2303
Канадський долар28.4811
Юань Женьміньбі5.329
Чеська крона1.6399
Данська крона5.5759
Гонконгівський долар4.9022
Індійська рупія0.46234
Новий ізраїльський шекель10.5774
Мексиканське песо2.245
Молдовський лей2.1411
Новозеландський долар23.8094
Норвезька крона3.6491
московський рубль0.40626
Сінгапурський долар28.5511
Шведська крона3.7269
Швейцарський франк43.667
Єгипетський фунт1.2413
Фунт стерлінгів48.7079
Долар США38.3527
Білоруський рубль13.9404
Азербайджанський манат22.5737
Румунський лей8.3553
Турецька ліра1.2335
СПЗ (спеціальні права запозичення)50.9358
Болгарський лев21.2504
Алжирський динар0.2791
Вірменський драм0.093046
Домініканське песо0.64211
Іранський ріал0.00089435
Іракський динар0.028674
Ліванський фунт0.002504
Лівійський динар7.78
Малайзійський ринггіт7.9367
Марокканський дирхам3.7502
Пакистанська рупія0.13439
Саудівський ріял10.0165
Дирхам ОАЕ10.2267
Туніський динар12.0513
Узбецький сум0.0030243
Новий тайванський долар1.20032
Туркменський новий манат10.7322
Сербський динар0.34735
Бразильський реал7.5861

Курси валют, встановлені НБУ на 26.02.2024


Дані за 23.02.2024