Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
Az adatelemzés és a Big Adat bevezetése
- Mit tesz nagynak a Big Adatot?
- Sebesség, Mennyiség, Képzett, Hitelesség (SSSS)
- A hagyományos adatfeldolgozási határok
- Decentralizált feldolgozás
- Statisztikai elemzés
- Gépi tanulás típusai
- Adategyértelmítés
A Big Adat szerepkörei és feladatai
- Rendszergazdák
- Fejlesztők
- Adatanalitikusok
Az adatelemzésben használt programozási nyelvek
- R nyelv
- Miért a R nyelvet kell használni az adatelemzéshez?
- Adatmanipuláció, kalkuláció és grafikus megjelenítés
- Python
- Miért a Pythonot kell használni az adatelemzéshez?
- Adatmanipuláció, feldolgozás, tisztítás és elemzés
Az adatelemzés megközelítései
- Statisztikai elemzés
- Idősoros elemzés
- Korrelációs és regressziós modell alapú előrejelzés
- Inferenciális statisztika (becslés)
- Nagy adathalmazok leíró statisztikája (pl. átlag számítása)
- Gépi tanulás
- Ütemezett vs. nem ütemezett tanulás
- Klasszifikáció és csoportosítás
- Adott módszerek költségainak becslése
- Szűrés
- Nyelvi elemzés
- Szövegfeldolgozás
- Szöveg jelentésének megértése
- Automatikus szöveg generálás
- Hangulat és téma analízis
- Képfeldolgozás
- Képek beszerzése, feldolgozása, elemzése és értelmezése
- Háromdimenziós jelenetek rekonstrukciója, értelmezése és megértése
- Döntéshozatal képadatok alapján
A Big Adat infrastruktúrája
- Adattárolás
- Közvetlen adatbázisok (SQL)
- MySQL
- Postgres
- Oracle
- Nem közvetlen adatbázisok (NoSQL)
- Cassandra
- MongoDB
- Neo4j
- A különbségek megértése
- Rendszertani adatbázisok
- Objektumorientált adatbázisok
- Dokumentumorientált adatbázisok
- Gráforientált adatbázisok
- Egyéb
- Közvetlen adatbázisok (SQL)
- Decentralizált feldolgozás
- Hadoop
- A HDFS decentralizált fájlrendszer
- A MapReduce decentralizált feldolgozó rendszersémája
- Spark
- Egységes, memória-alapú nagymértékű adatfeldolgozási környezet
- Strukturális streaming
- Spark SQL
- Gépi tanulás könyvtárak: MLlib
- Gráf feldolgozás a GraphX segítségével
- Hadoop
- Skálázhatóság
- Közvetlen felhő
- AWS, Google, Aliyun stb.
- Egyéni felhő
- OpenStack, Cloud Foundry stb.
- Automatikus skálázás
- Közvetlen felhő
A megfelelő megoldás kiválasztása a problémához
A Big Adat jövője
Összefoglaló és következő lépések
Követelmények
- Általános matematikai ismeretek
- Általános programozási ismeretek
- Általános adatbázis-kezelési ismeretek
Célcsoport
- Fejlesztők / programozók
- IT konzultánsok
35 Órák
Vélemények (7)
A big data működése, adatprogramok, nagyobb tudás arról, hogyan működik jelenlegi világunk az adatok felhasználásával
Ozayr Hussain - Vodacom
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
A képzés gyakorlati oldala.
Patrick - Vodacom PTy Ltd
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
Interaktív tárgyak és a előadás stílusa, amely a témákat a diákok számára egyszerűsíti
Miran Saeed - Sulaymaniyah Asayish Agency
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
a trainer és előadóképessége
ibrahim hamakarim - Sulaymaniyah Asayish Agency
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
Gyakorlati feladatok
JOEL CHIGADA - University of the Western Cape
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
R programozás
Osden Jokonya - University of the Western Cape
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
Overall the Content was good.
Sameer Rohadia
Kurzus - A practical introduction to Data Analysis and Big Data
Gépi fordítás
