EMBER_CLI_FASTBOOT_BODY

Управление вычислениями

The course meets the formal recommendations of Stepik
Video Player is loading.
Current Time 0:00
/
Duration 0:00
Loaded: 0%
Progress: 0%
Stream Type LIVE
Remaining Time -0:00
 
1x
Play
To watch this video please visit https://stepik.org/lesson//step/

About the course

Технические аспекты анализа данных зачастую влияют на качество получаемых результатов. В последние годы в центре внимания находятся вопросы обеспечения воспроизводимости и автоматизации анализа – попытки воспроизвести результаты, полученные той или иной группой, часто проваливаются, а анализ больших массивов данных нередко проводится с использованием подручных средств.

Курс состоит из трех модулей, в которых рассматриваются Linux контейнеры и Docker (первый модуль), а также различные подходы к автоматизации процесса вычислений и инструменты, реализующие эти подходы (второй и третий модули). Использование этих инструментов позволяет сделать процесс анализа более воспроизводимым и эффективным.

Instructors

  1. User picture
    Anton Bragin
    Pазработчик в компании JetBrains
    Выпускник Новосибирского государственного университета, кандидат биологических наук. В разное время занимался разработкой наборов для молекулярно-генетической диагностики, автоматизацией лабораторного анализа, созданием алгоритмов и ПО для анализа данных высокопроизводительного секвенирования. Интересуюсь взаимопроникновением точных, естественных и гуманитарных дисциплин и методологическими аспектами разработки.
  2. User picture
    Sergei Mozgov
    Инженер ИТ-инфраструктуры, Parseq Lab
    С отличием закончил ОрелГТУ по направлению “Информационные системы”. Имею степень кандидата технических наук по специальности 051306 “Автоматизация технологических процессов и производств”. Занимался промышленной автоматизацией и задачами управления вычислительными системами. Есть опыт работы в роли системного инженера. В биоинформатику пришел в 2014 году. Занимаюсь проектами по анализу данных в области Life Science с использованием High Performance и Cloud Computing. Интересуюсь всем, что поможет ученым (биоинформатикам, биологам, химикам и тд.) эффективнее анализировать данные.

Reviews

Курс оставляет смешанные чувства. С одной стороны, самостоятельно начинать освоение этого материала достаточно трудно, так что хорошо, когда есть хотя бы видео, в которых тебе что-то объясняют. С другой стороны, многие задания выглядели примерно так: "Ну, два плюс два равно четыре, а теперь прочти учебник и реши вот это квадратное уравнение", - что довольно сильно расстраивает. Серьезно, RTFM? Зачем курс тогда, достаточно странички с ссылками.
Evgeniy Shubin June 9, 2018 link
3
О хорошем: Курс сложный и интересный. Очень понравились 2-й и 3-й модули. Спасибо! О плохом (о 4-м модуле): В требованиях к курсу нет упоминания о необходимости навыков (пускай и минимальных) программирования на JavaScript. В 4-ом модуле даваемый материал не соответствует заданиям. В целом 4-й модуль самый не проработанный по подаче материала. В этом модуле, по большей части, можно полностью отказаться от видео уроков, ограничится одним текстовым степом - 4.1 Основные источники информации, и оставить задачи.
Anonymous 19389770 March 17, 2018 link
3
Курс неплох, но лекции оставляют желать лучшего.
Video Player is loading.
Current Time 0:00
/
Duration 0:00
Loaded: 0%
Progress: 0%
Stream Type LIVE
Remaining Time -0:00
 
1x
Play
To watch this video please visit https://stepik.org/lesson//step/
4 All reviews

Курс посвящен изучению инструментария для работы с данными, автоматизации анализа и обеспечению воспроизводимости.

Expected time to complete:
21 hours
Language:
Русский
Certificate:
Issuing
Certificate details
Certificate condition: 110 points
With distinction: 125 points

About the course

Технические аспекты анализа данных зачастую влияют на качество получаемых результатов. В последние годы в центре внимания находятся вопросы обеспечения воспроизводимости и автоматизации анализа – попытки воспроизвести результаты, полученные той или иной группой, часто проваливаются, а анализ больших массивов данных нередко проводится с использованием подручных средств.

Курс состоит из трех модулей, в которых рассматриваются Linux контейнеры и Docker (первый модуль), а также различные подходы к автоматизации процесса вычислений и инструменты, реализующие эти подходы (второй и третий модули). Использование этих инструментов позволяет сделать процесс анализа более воспроизводимым и эффективным.

Requirements

От учащихся потребуются  навыки работы с операционной системой Linux, в том числе уверенное использование терминала и знание базовых команд bash. Также будут востребованы  навыки программирования на языке Python 3. Сомневающимся рекомендуем пройти курсы Введение в Linux и Программирование на Python.

Для выполнения практических заданий понадобится физическая или виртуальная машина с ОС Linux 64x с ядром версии 3.10 или выше, мы рекомендуем развернуть виртуальную машину Ubuntu с использованием VirtualBox.

This course is entirely free. All content is available now.