BDAM: Аналитика больших данных для руководителей

Все что нужно знать менеджеру про большие данные, интернет вещей и озера данных на курсах WWW.bigdataschool.ru

Ближайшая дата курса по большим данным	10-12 апреля
	5-7 июня
Стоимость обучения	54.000 рублей

Все, что нужно знать для успешной работы с большими данными: методы аналитики и машинного обучения, основы и функционал компонентов экосистемы Hadoop, безопасность в Data Lake, Интернет Вещей и GDRP

Аудитория: курс аналитика больших данных для руководителей ориентирован на руководителей, менеджеров и специалистов, желающих получить расширенные знания по инструментам и методам анализа больших данных для участия в проектах больших данных.

Предварительный уровень подготовки:

Предварительный опыт не требуется

Продолжительность: 3 дня, 24 академических часа
Документ об окончании курса: сертификат учебного центра.

Курс «Аналитика больших данных для менеджеров» предоставляет необходимые знания для участия в проектах по анализу больших данных. Включает информацию о фазах жизненного цикла процессов аналитики больших данных при переходе бизнеса к использованию Big Data. На курсе вы узнаете базовые и расширенные методы аналитики и техники поиска и извлечения знаний из больших массивов разнородных данных. Курс включает сравнение различных версий дистрибутивов платформы Hadoop, облачные сервисы для хранения и аналитики данных, «open source« и коммерческие инструменты используемые для хранения, обработки, визуализации и аналитики больших данных.

В программе курса подробно рассматриваются сценарии применения технологий работы с Большими Данными (Big Data) в различных отраслях бизнеса (Банки и финансовые учреждения, промышленность, торговля и транспорт) и организациях государственного сектора, начиная от процесса инициации проекта по цифровизации предприятия (сбора больших данных, формирования команды проекта по аналитике больших данных) и включая все фазы жизненного цикла работы с большими данными (подготовка данных, выбор модели, пилотное развертывание и тестирование модели, промышленная эксплуатация).

В курсе особое внимание уделяется вопросам работы с персональными данными, монетизации больших данных, обеспечение безопасности при работе с большими данными и возможные сложности и специфика при работе с большими данными для различных секторов экономики.

Если вы хотите разбираться:

в основных понятиях мира Больших Данных, Машинного обучения и Интернета Вещей;
знать, в чем отличие разных версий дистрибутивов Hadoop, Spark, NoSQL или Kafka;
назначение компонентов экосистемы Hadoop, Spark, Kafka;
нюансы облачных решений;
что такое стандарт GDPR;
особенности Индустриального интернета Вещей;

приглашаем Вас на обучение в «Школу Больших Данных»

Программа курса

Введение в Big Data (Большие данные)
- Большие данные и цифровая трансформация
- Методы аналитики больших данных
- Отраслевая специфика аналитики больших данных
- Жизненный цикл аналитики данных: получение данных, подготовка данных, планирование модели, построение модели, проверка результатов, внедрение
Data Mining — извлечение знаний из больших данных
- Задачи Data Mining
- Техники Data Mining
- Классификация и кластеризация
- Прогнозирование и визуализация
- Ассоциативные правила и обнаружение аномалий
- Методология CRISP-DM
- Инструменты Data Mining
- Специфика применения Data Mining для разных отраслей бизнеса с примерами
Машинное обучение для Data mining
- Основные определения
- Задачи и область применения машинного обучения
- Supervised/unsupervised машинное обучение
- Инструменты и технологии машинного обучения
Data mining в социальных сетях
- Введение в анализ социальных сетей и теорию графов
- Базовые алгоритмы на графах и основные возможности графового анализа
- Феномен маленького мира
- Выделение важных узлов в социальных сетях
- Инструменты и методы визуализации графов для применения в бизнесе
Инструментарий для работы с Big Data
- Специфика работы с Big Data
- Аналитика для неструктурированных данных с использованием Hadoop
- Назначение и характеристика компонент экосистемы Apache Hadoop для хранения и обработки Big Data (MapReduce, HDFS, YARN, Spark, HBase, Hive, и т.д.)
- Сравнительный анализ Hadoop дистрибутивов (Cloudera, Horton Works, MapR) и инструментария аналитика данных на примерах использования
- Сравнительные характеристики программных и аппаратных решений для реализации решений по Big Data
- Облачные платформы (AWS, EMR, Azure) для реализации решений по Big Data
- Средства визуализации для аналитики данных.
Интеграция Больших данных
- Основные принципы работы с Big Data
- Импорт и экспорт данных с Hadoop (SQL, NoSQL, HDFS, NFS, потоковые данные, web content, файлы логов, социальные сети)
- Пакетная и динамическая загрузка данных
Правовые аспекты организации защиты персональных данных
- Правовое регулирование в области защиты персональных данных
- Международная практика в области защиты персональных данных
- Права субъекта и обязанности оператора при обработке персональных данных
- Виды нарушений безопасности персональных данных
- GDRP
С чего начать?
- Формирование команды проекта Big Data. Ключевые роли
- Специфика рынка данных и аналитики
- Отличия подходов Business Intelligence и Data Science
- Сравнительные характеристики программных и аппаратных решений для реализации решений по Big Data.