Kursplan
Introduksjon til Data Analysis og Big Data
- Hva gjør Big Data "stor"?
- Hastighet, volum, variasjon, sannferdighet (VVVV)
- Begrensninger for tradisjonell databehandling
- Distribuert behandling
- Statistisk analyse
- Typer Machine Learning Analyse
- Data Visualization
Big Data Roller og ansvar
- Administratorer
- Utviklere
- Dataanalytikere
Languages Brukt til Data Analysis
- R Language
- Hvorfor R for Data Analysis?
- Datamanipulering, beregning og grafisk visning
- Python
- Hvorfor Python for Data Analysis?
- Manipulere, behandle, rense og knuse data
Tilnærminger til Data Analysis
- Statistisk analyse
- Tidsserieanalyse
- Forecasting med korrelasjons- og regresjonsmodeller
- Inferensiell Statistics (estimering)
- Beskrivende Statistics i Big Data sett (f.eks. beregner gjennomsnitt)
- Machine Learning
- Veiledet vs uovervåket læring
- Klassifisering og gruppering
- Estimere kostnadene for spesifikke metoder
- Filtrering
- Naturlig språkbehandling
- Behandler tekst
- Forstå betydningen av teksten
- Automatisk tekstgenerering
- Sentimentanalyse / emneanalyse
- Computer Vision
- Å tilegne seg, bearbeide, analysere og forstå bilder
- Rekonstruere, tolke og forstå 3D-scener
- Bruke bildedata for å ta avgjørelser
Big Data Infrastruktur
- Datalagring
- Relasjonsdatabaser (SQL)
- MySQL
- Postgres
- Oracle
- Ikke-relasjonelle databaser (NoSQL)
- Cassandra
- MongoDB
- Neo4js
- Forstå nyansene
- Hierarkiske databaser
- Objektorienterte databaser
- Dokumentorienterte databaser
- Graforienterte databaser
- Annen
- Relasjonsdatabaser (SQL)
- Distribuert behandling
- Hadoop
- HDFS som et distribuert filsystem
- MapReduce for distribuert behandling
- Gnist
- Alt-i-ett in-memory cluster databehandlingsrammeverk for storskala databehandling
- Strukturert strømming
- Gnist SQL
- Machine Learning biblioteker: MLlib
- Grafbehandling med GraphX
- Hadoop
- Scalability
- Offentlig sky
- AWS, Google, Aliyun, etc.
- Privat sky
- OpenStack, Cloud Foundry, osv.
- Automatisk skalerbarhet
- Offentlig sky
Velge riktig løsning for problemet
Fremtiden til Big Data
Sammendrag og neste trinn
Krav
- En generell forståelse av matematikk
- En generell forståelse av programmering
- En generell forståelse av databaser
Publikum
- Utviklere / programmerere
- IT-konsulenter
Testimonials (7)
Hvordan big data fungerer, dataprogrammer, større kunnskap om hvordan vår nåværende verden fungerer ved hjelp av data
Ozayr Hussain - Vodacom
Kurs - A Practical Introduction to Data Analysis and Big Data
Machine Translated
Den praktiske siden av opplæringen.
Patrick - Vodacom PTy Ltd
Kurs - A Practical Introduction to Data Analysis and Big Data
Machine Translated
Interactive topics and the style used by the lecture to simplified the topics for the students
Miran Saeed - Sulaymaniyah Asayish Agency
Kurs - A Practical Introduction to Data Analysis and Big Data
the trainer and his ability to lecture
ibrahim hamakarim - Sulaymaniyah Asayish Agency
Kurs - A Practical Introduction to Data Analysis and Big Data
Practical exercises
JOEL CHIGADA - University of the Western Cape
Kurs - A Practical Introduction to Data Analysis and Big Data
R programming
Osden Jokonya - University of the Western Cape
Kurs - A Practical Introduction to Data Analysis and Big Data
Overall the Content was good.