Курсы Big Data Science

 Курс: BD-AM Аналитика больших данных для руководителей

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: не требуется

Продолжительность: 3 дня, 24 академических часа.
Методические материалы: учебное пособие на русском языке.
Документ об окончании курса: свидетельство учебного центра Микроинформ.
Квалификационный тест: нет.

Данный курс предоставляет базовые знания необходимые 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. В процессе обучения сравниваются различные дистрибутивы платформы Hadoop, "open source" и коммерческие инструменты, используемые для хранения, обработки и аналитики больших данных.

Программа курса

1. 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
2. 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
3. Машинное обучение для Data mining
   • Основные определения
   • Задачи и область применения машинного обучения
   • Supervised/unsupervised машинное обучение
   • Инструменты и технологии машинного обучения
4. 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
5. Инструментарий для работы с Big Data
   • Специфика работы с Big Data
   • Аналитика для неструктурированных данных - Hadoop и MapReduce
   • Компоненты экосистемы Apache Hadoop для хранения и обработки Big Data (MapReduce, HDFS, YARN, Spark, HBase, и т.д.)
   • Функционал и особенности MapReduce
   • Введение в Apache Spark
   • Сравнительный анализ Hadoop дистрибутивов и инструментария аналитика данных на примерах использования
   • Средства визуализации для аналитики данных
6. 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
7. 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
8. 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.