Schulungsübersicht
Einführung in Big Data Ecosystems
- Überblick über Big-Data-Technologien und -Architekturen
- Batchverarbeitung im Vergleich zur Echtzeiterfassung
- Datenhaltungsstrategien für Skalierbarkeit
Erweiterte Datenverarbeitung mit Apache Spark
- Optimierung von Spark-Jobs zur Leistungssteigerung
- Erfahrenere Transformationen und Aktionen
- Arbeiten mit strukturierten Streams
Machine Learning in großem Maßstab
- Distributed Modellierungstechniken für das Training
- Hyperparameter-Tuning auf großen Datensätzen
- Modellanwendung in Umgebungen mit großer Datenmenge
Deep Learning für Big Data
- Verschmelzung von TensorFlow und PyTorch mit Spark
- Distributed Deep-Learning-Trainingspipelines
- Anwendungsbeispiele in der Bild-, Text- und Zeitreihenanalyse
Echtzeit-Analytics und Datenstreaming
- Apache Kafka zur Einfangung von Streaming-Daten
- Frameworks für Streamverarbeitung
- Überwachung und Warnsysteme in Echtzeitsystemen
Data Governance, Sicherheit und Ethik
- Datenschutz und Anforderungen an die Einhaltung gesetzlicher Vorschriften
- Access-Steuerung und Verschlüsselung in Systemen mit großer Datenmenge
- Ethische Überlegungen bei der Analyse von großen Datensätzen
Integration von Big Data mit Business Intelligence
- Datenvisualisierung und Dashboards für große Mengen an Daten
- Verschmelzung großer Datenaufbereitungsprozesse mit BI-Tools
- Erreichung von Geschäftsergebnissen durch erweiterte Analytiken
Zusammenfassung und nächste Schritte
Voraussetzungen
- Feste Verständnis von Datenanalyse und statistischen Modellierungskonzepten
- Erfahrung mit Datenauswertungstools und Programmiersprachen wie Python, R oder Scala
- Bekanntschaft mit verteilten Rechenframeworks wie Hadoop oder Spark
Zielgruppe
- Datenscientisten, die sich auf das Beherrschen der großen Datenverarbeitung und vorausschauenden Analyse konzentrieren möchten
- Senioranalysten, die erweiterte analytische Workflows designen und umsetzen wollen
- F&E-Professionelle, die auf innovativen datengesteuerten Lösungen fokussiert sind
Erfahrungsberichte (3)
Übungen machen
Joe Pang - Lands Department, Hong Kong
Kurs - QGIS for Geographic Information System
Maschinelle Übersetzung
Praktische Beispiele ermöglichten es uns, das Programm wirklich kennenzulernen. Gute Erklärungen und die Integration theoretischer Konzepte sowie deren Bezug zu praktischen Anwendungen wurden sehr geschätzt.
Ian - Archeoworks Inc.
Kurs - ArcGIS Fundamentals
Maschinelle Übersetzung
Ich freue mich darauf, wieder ein Training mit Any zu haben. Er war wirklich gut, ich bin nur ein GIS-Spezialist, aber Any hat alles für mich verständlich gemacht und komplexe Prozesse in einfacher Sprache erklärt. Weiter so, vielen Dank.
Lwazi Qhingana - South African National Roads Agency (SANRAL) SOC Ltd
Kurs - Python for Geographic Information System (GIS)
Maschinelle Übersetzung
