Аналитика больших данных для руководителей: Курсы

1. Введение в Big Data(Большие данные) Большие данные и цифровая трансформация. Что такое Data Lake. Обзор технологий основных трендов. Интернет Вещей I-o-T. Методы аналитики больших данных. Отраслевая специфика налитики больших данных. Жизненный цикл аналитики данных: накопление  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 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.   

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. Промышленный интернет Вещей (Industrial Internet of Things) Отличия от Интернета Вещей (IoT). Подходы и модели IIoT. Применение IIoT в различных отраслях. Безопасность IIoT. Тенденции и прогнозы. Industry 4.0  

8. 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. Стандарт GDRP.   

9. С чего начать? Формирование команды проекта Big Data. Ключевые роли. Отличия подходов Business Intelligence и Data Science. Специфика рынка данных и аналитики. Тенденции развития технологий Big Data. 

Предварительный уровень подготовки: не требуется. 

Документ об окончании курса: свидетельство учебного центра.   

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 коммерческих инструментов используемых для хранения, обработки, визуализации и аналитики больших данных.