Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan Szkolenia
Wprowadzenie do Data Analysis i Big Data
- Co sprawia, że Big Data jest "duży"?
- Szybkość, objętość, różnorodność, prawdziwość (VVVV)
- Ograniczenia tradycyjnego przetwarzania danych
- Przetwarzanie rozproszone
- Analiza statystyczna
- Rodzaje analizy Machine Learning
- Data Visualization
Role i obowiązki Big Data
- Administratorzy
- Programiści
- Analitycy danych
Languages Używany do Data Analysis
- R Language
- Dlaczego R dla Data Analysis?
- Manipulacja danymi, obliczenia i wyświetlanie graficzne
- Python
- Dlaczego Python dla Data Analysis?
- Manipulowanie, przetwarzanie, czyszczenie i przetwarzanie danych
Podejścia do Data Analysis
- Analiza statystyczna
- Analiza szeregów czasowych
- Forecasting z modelami korelacji i regresji
- Wnioskowanie Statistics (szacowanie)
- Opisowa Statistics w zbiorach Big Data (np. obliczanie średniej)
- Machine Learning
- Uczenie nadzorowane a nienadzorowane
- Klasyfikacja i grupowanie
- Szacowanie kosztów określonych metod
- Filtrowanie
- Przetwarzanie języka naturalnego
- Przetwarzanie tekstu
- Rozumienie znaczenia tekstu
- Automatyczne generowanie tekstu
- Analiza nastrojów / analiza tematyczna
- Computer Vision
- Pozyskiwanie, przetwarzanie, analizowanie i rozumienie obrazów
- Rekonstrukcja, interpretacja i zrozumienie scen 3D
- Wykorzystywanie danych obrazu do podejmowania decyzji
Big Data Infrastruktura
- Przechowywanie danych
- Relacyjne bazy danych (SQL)
- MySQL
- Postgres
- Oracle
- Nierelacyjne bazy danych (NoSQL)
- Cassandra
- MongoDB
- Neo4js
- Zrozumienie niuansów
- Hierarchiczne bazy danych
- Obiektowe bazy danych
- Bazy danych zorientowane na dokumenty
- Graficzne bazy danych
- Inne
- Relacyjne bazy danych (SQL)
- Przetwarzanie rozproszone
- Hadoop
- HDFS jako rozproszony system plików
- MapReduce dla przetwarzania rozproszonego
- Spark
- Kompleksowa struktura obliczeniowa klastra w pamięci do przetwarzania danych na dużą skalę
- Strumieniowanie strukturalne
- Spark SQL
- Biblioteki Machine Learning: MLlib
- Przetwarzanie grafów z GraphX
- Hadoop
- Scala bility
- Chmura publiczna
- AWS, Google, Aliyun itp.
- Chmura prywatna
- OpenStack, Cloud Foundry itp.
- Automatyczna skalowalność
- Chmura publiczna
Wybór odpowiedniego rozwiązania dla danego problemu
Przyszłość Big Data
Podsumowanie i kolejne kroki
Wymagania
- Ogólne zrozumienie matematyki
- Ogólne zrozumienie programowania
- Ogólne zrozumienie baz danych
Uczestnicy
- Deweloperzy / programiści
- Konsultanci IT
35 godzin
Opinie uczestników (7)
Jak działają duże zestawy danych, programy danych, lepsze zrozumienie tego, jak działa nasz obecny świat dzięki danych
Ozayr Hussain - Vodacom
Szkolenie - A Practical Introduction to Data Analysis and Big Data
Przetłumaczone przez sztuczną inteligencję
Praktyczna strona szkolenia.
Patrick - Vodacom PTy Ltd
Szkolenie - A Practical Introduction to Data Analysis and Big Data
Przetłumaczone przez sztuczną inteligencję
Tematy interaktywne i styl wykorzystywany przez wykładowcę w celu uproszczenia tych tematów dla studentów
Miran Saeed - Sulaymaniyah Asayish Agency
Szkolenie - A Practical Introduction to Data Analysis and Big Data
Przetłumaczone przez sztuczną inteligencję
trener i jego zdolność do wykładowania
ibrahim hamakarim - Sulaymaniyah Asayish Agency
Szkolenie - A Practical Introduction to Data Analysis and Big Data
Przetłumaczone przez sztuczną inteligencję
Zadania praktyczne
JOEL CHIGADA - University of the Western Cape
Szkolenie - A Practical Introduction to Data Analysis and Big Data
Przetłumaczone przez sztuczną inteligencję
Programowanie w R
Osden Jokonya - University of the Western Cape
Szkolenie - A Practical Introduction to Data Analysis and Big Data
Przetłumaczone przez sztuczną inteligencję
Ogólnie zawartość była dobra.
Sameer Rohadia
Szkolenie - A practical introduction to Data Analysis and Big Data
Przetłumaczone przez sztuczną inteligencję
