Plan Szkolenia
Wprowadzenie do ekosystemów Big Data
- Przegląd technologii i architektur dużych danych
- Przetwarzanie partyjne vs. przetwarzanie w czasie rzeczywistym
- Strategie magazynowania danych dla skalowalności
Zaawansowane przetwarzanie danych z użyciem Apache Spark
- Optymalizacja zadań Spark dla wydajności
- Zaawansowane transformacje i akcje
- Praca z przepływami danych strukturalnych
Machine Learning w dużych skalach
- Techniki rozproszonego trenowania modeli
- Optymalizacja hiperparametrów na dużych zbiorach danych
- Wdrażanie modeli w środowiskach dużych danych
Deep Learning dla Big Data
- Integracja TensorFlow i PyTorch z Spark
- Rozproszone pipeline'y trenowania uczenia głębokiego
- Przypadki użycia w analizie obrazów, tekstów i szeregów czasowych
Analiza w czasie rzeczywistym i strumieniowanie danych
- Apache Kafka do wczytywania strumieniowych danych
- Ramy przetwarzania strumieniowego
- Monitorowanie i alertowanie w systemach czasu rzeczywistego
Data Governance, bezpieczeństwo i etyka
- Wymagania dotyczące prywatności danych i zgodności
- Access kontrola i szyfrowanie w systemach dużych danych
- Rozważania etyczne w analizie na dużą skalę
Integracja Big Data z Business Intelligence
- Wizualizacja danych i tworzenie panelów sterowniczych dla dużych danych
- Połączenie pipeline'ów dużych danych z narzędziami BI
- Uzyskiwanie wyników biznesowych dzięki zaawansowanej analizie
Podsumowanie i kolejne kroki
Wymagania
- Silne zrozumienie koncepcji analizy danych i modelowania statystycznego
- Doświadczenie w narzędziach do przetwarzania danych i językach programowania, takich jak Python, R lub Scala
- Znałość frameworków obliczeń rozproszonych, takich jak Hadoop lub Spark
Grupa docelowa
- Naukowcy danych dążący do opanowania przetwarzania dużych zbiorów danych i analizy predykcyjnej
- Starszy analitycy poszukujący sposobów projektowania i wdrażania zaawansowanych przepływów analitycznych
- Specjaliści z zakresu badań i rozwoju skupieni na innowacyjnych rozwiązaniach opartych na danych
Opinie uczestników (5)
Praktyczne przykłady pozwoliły nam odczuć, jak naprawdę działa program. Szczegółowe wyjaśnienia i integracja koncepcji teoretycznych z ich praktycznymi zastosowaniami.
Ian - Archeoworks Inc.
Szkolenie - ArcGIS Fundamentals
Przetłumaczone przez sztuczną inteligencję
Ćwiczenie laboratoryjne
Tse Kiat - ST Engineering Training & Simulation Systems Pte. Ltd.
Szkolenie - Automated Monitoring with Zabbix
Przetłumaczone przez sztuczną inteligencję
Wszystkie tematy, które omówił, wraz z przykładami. Wyjaśnił również, jak są one pomocne w naszej codziennej pracy.
madduri madduri - Boskalis Singapore Pte Ltd
Szkolenie - QGIS for Geographic Information System
Przetłumaczone przez sztuczną inteligencję
Polubiałem styl Pabla, fakt, że poruszył wiele tematów od projektowania raportów i personalizacji za pomocą HTML do implementacji prostych algorytmów uczenia maszynowego. Good równowagi między informacjami teoretycznymi a ćwiczeniami. Pablo naprawdę obejrzał wszystkie tematy, które mnie interesowały i udzielił kompleksowych odpowiedzi na moje pytania.
Cristian Tudose - SC Automobile Dacia SA
Szkolenie - Advanced Data Analysis with TIBCO Spotfire
Przetłumaczone przez sztuczną inteligencję
Aktualne zastosowanie Spotfire i wszystkie podstawowe funkcje.
Michael Capili - STMicroelectronics, Inc.
Szkolenie - Introduction to Spotfire
Przetłumaczone przez sztuczną inteligencję