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
Bevezetés az adatelemzésbe és a Big Databa
- Mi teszi a Big Datát "Naggyá"?
- Sebesség, mennyiség, változatosság, hitelesség (VVVV)
- Korlátok a hagyományos adatfeldolgozásban
- Elosztott feldolgozás
- Statisztikai elemzés
- Gépi tanulás típusai
- Adatvizualizáció
Big Data szerepkörök és felelősségek
- Rendszergazdák
- Fejlesztők
- Adatelemzők
Adatelemzéshez használt nyelvek
- R nyelv
- Miért R az adatelemzéshez?
- Adatmanipuláció, számítás és grafikus megjelenítés
- Python
- Miért Python az adatelemzéshez?
- Adat manipulálása, feldolgozása, tisztítása és feldolgozása
Adatelemzési megközelítések
- Statisztikai elemzés
- Idősor elemzés
- Előrejelzés korrelációs és regressziós modellekkel
- Inferenciális statisztika (becslés)
- Leíró statisztika Big Data halmazokban (pl. átlag számítás)
- Gépi tanulás
- Felügyelt vs felügyeletlen tanulás
- Osztályozás és klaszterezés
- Specifikus módszerek költségének becslése
- Szűrés
- Természetes nyelv feldolgozás
- Szöveg feldolgozása
- A szöveg jelentésének megértése
- Automatikus szöveg generálás
- Érzelem elemzés / téma elemzés
- Számítógépes látás
- Képek beszerzése, feldolgozása, elemzése és megértése
- 3D jelenetek rekonstruálása, értelmezése és megértése
- Képadatok felhasználása döntéshozatalhoz
Big Data infrastruktúra
- Adattárolás
- Relációs adatbázisok (SQL)
- MySQL
- Postgres
- Oracle
- Nem relációs adatbázisok (NoSQL)
- Cassandra
- MongoDB
- Neo4js
- A részletek megértése
- Hierarchikus adatbázisok
- Objektum orientált adatbázisok
- Dokumentum orientált adatbázisok
- Grafikus orientált adatbázisok
- Egyéb
- Relációs adatbázisok (SQL)
- Elosztott feldolgozás
- Hadoop
- HDFS mint elosztott fájlrendszer
- MapReduce elosztott feldolgozáshoz
- Spark
- Minden-in-egy memóriabeli klaszter számítási keretrendszer nagyméretű adatfeldolgozáshoz
- Strukturált adatfolyamok
- Spark SQL
- Gépi tanulás könyvtárak: MLlib
- Grafikus feldolgozás GraphX-szel
- Hadoop
- Skálázhatóság
- Nyilvános felhő
- AWS, Google, Aliyun stb.
- Privát felhő
- OpenStack, Cloud Foundry stb.
- Automatikus skálázhatóság
- Nyilvános felhő
A megfelelő megoldás kiválasztása a problémára
A Big Data jövője
Összefoglalás és következő lépések
Követelmények
- Általános matematikai ismeretek
- Általános programozási ismeretek
- Általános adatbázis ismeretek
Célközönség
- Fejlesztők / programozók
- IT tanácsadók
35 Órák
Vélemények (7)
Hogyan működik a nagy adat, az adatelemző programok, valamint a nagyobb ismeret arról, hogyan működik ma világunk az adatok felhasználásával
Ozayr Hussain - Vodacom
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
A tanulás gyakorlati oldala.
Patrick - Vodacom PTy Ltd
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
Interaktív témák és a előadó által használt stílus, amely egyszerűsíti a témákat a diákok számára
Miran Saeed - Sulaymaniyah Asayish Agency
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
a képző és az elmondandó képessége
ibrahim hamakarim - Sulaymaniyah Asayish Agency
Kurzus - A Practical Introduction to Data Analysis and Big Data
Gépi fordítás
gyakorló 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
