Schulungsübersicht
Einführung in die Datenanalyse und Big Data
- Was macht Big Data 'groß'?
- Geschwindigkeit, Volumen, Vielfalt, Verlässlichkeit (VVVV)
- Grenzen der traditionellen Datenverarbeitung
- Verteilte Verarbeitung
- Statistische Analyse
- Arten der maschinellen Lernanalyse
- Datenvisualisierung
Rollen und Verantwortlichkeiten in Big Data
- Administratoren
- Entwickler
- Datenanalysten
Sprachen für die Datenanalyse
- R-Sprache
- Warum R für die Datenanalyse?
- Datenmanipulation, Berechnung und grafische Darstellung
- Python
- Warum Python für die Datenanalyse?
- Datenbearbeitung, -verarbeitung, -bereinigung und -analysierung
Ansätze zur Datenanalyse
- Statistische Analyse
- Zeitreihenanalyse
- Vorhersage mit Korrelations- und Regressionsmodellen
- Schließende Statistik (Schätzung)
- Beschreibende Statistik in Big Data-Sets (z. B. Berechnung des Mittelwerts)
- Maschinelles Lernen
- Überwachtes vs. unüberwachtes Lernen
- Klassifikation und Clustering
- Kostenabschätzung für bestimmte Methoden
- Filtrierung
- Natural Language Processing (NLP)
- Textverarbeitung
- Bedeutungsanalyse von Texten
- Automatische Textgenerierung
- Sentiment- und Themenanalyse
- Computer Vision
- Aufnahme, Verarbeitung, Analyse und Interpretation von Bildern
- Rekonstruktion, Interpretation und Verständnis von 3D-Szenen
- Nutzung von Bilddaten zur Entscheidungsfindung
Big Data-Infrastruktur
- Datenspeicher
- Relationale Datenbanken (SQL)
- MySQL
- Postgres
- Oracle
- Nicht-relationale Datenbanken (NoSQL)
- Cassandra
- MongoDB
- Neo4j
- Verstehen der Nuancen
- Hierarchische Datenbanken
- Objektorientierte Datenbanken
- Dokumentorientierte Datenbanken
- Graphorientierte Datenbanken
- Sonstige
- Relationale Datenbanken (SQL)
- Verteilte Verarbeitung
- Hadoop
- HDFS als verteiltes Dateisystem
- MapReduce für verteilte Verarbeitung
- Spark
- Vollständige in-Memory-Cluster-Computing-Plattform für die Verarbeitung großer Datenmengen
- Strukturierte Streaming
- Spark SQL
- Maschinelles Lernen: MLlib
- Graphverarbeitung mit GraphX
- Hadoop
- Skalierbarkeit
- Öffentliche Cloud
- AWS, Google, Aliyun usw.
- Private Cloud
- OpenStack, Cloud Foundry usw.
- Automatische Skalierung
- Öffentliche Cloud
Die richtige Lösung für das Problem wählen
Die Zukunft von Big Data
Zusammenfassung und weitere Schritte
Voraussetzungen
- Ein grundlegendes Verständnis von Mathematik
- Ein grundlegendes Verständnis von Programmierung
- Ein grundlegendes Verständnis von Datenbanken
Zielgruppe
- Entwickler / Programmierer
- IT-Berater
Erfahrungsberichte (7)
Wie Big Data funktioniert, Datenprogramme, mehr Wissen darüber, wie unsere heutige Welt mithilfe von Daten funktioniert
Ozayr Hussain - Vodacom
Kurs - A Practical Introduction to Data Analysis and Big Data
Maschinelle Übersetzung
Der praktische Teil der Ausbildung.
Patrick - Vodacom PTy Ltd
Kurs - A Practical Introduction to Data Analysis and Big Data
Maschinelle Übersetzung
Interaktive Themen und der Stil des Vortrags, um die Themen für die Studierenden zu vereinfachen
Miran Saeed - Sulaymaniyah Asayish Agency
Kurs - A Practical Introduction to Data Analysis and Big Data
Maschinelle Übersetzung
der Trainer und seine Fähigkeit zuvorzutragen
ibrahim hamakarim - Sulaymaniyah Asayish Agency
Kurs - A Practical Introduction to Data Analysis and Big Data
Maschinelle Übersetzung
Praktische Übungen
JOEL CHIGADA - University of the Western Cape
Kurs - A Practical Introduction to Data Analysis and Big Data
Maschinelle Übersetzung
R-Programmierung
Osden Jokonya - University of the Western Cape
Kurs - A Practical Introduction to Data Analysis and Big Data
Maschinelle Übersetzung
Overall the Content was good.
Sameer Rohadia
Kurs - A practical introduction to Data Analysis and Big Data
Maschinelle Übersetzung