| Ближайшая дата курса | 5-7 декабря 2018 |
| 19-21 февраля 2019 | |
| 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: ориентирован на руководителей, менеджеров и специалистов, желающих получить дополнительные 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. Материал курса обеспечивает слушателей знанием базовых и расширенных аналитических методов и техник, применяемых для поиска и извлечения знаний из больших массивов разнородных данных. 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.
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 неструктурированнных 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 аппартных 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.
Скачать программу курса «Аналитика больших данных для руководителей» в формате pdf
Если у Вас остались вопросы позвоните нам по телефону +7 (985) 162-29-63
(если телефон занят, мы на обучении. Оставьте сообщение и мы перезвоним вам)
