Відеозаписи лекцій без зворотного зв'язку та участі викладача. Ви отримаєте доступ до матеріалів одразу після оплати.
Big data - інструменти, підходи та методи обробки величезних обсягів даних. По суті це альтернатива традиційним системам обробки даних.
Якщо вам потрібне загальне розширення кругозору в темі технологій роботи з даними та необхідність апгрейду на поточному місці роботи, курс дасть змогу розширити професійні навички, працювати з новими завданнями та швидко приносити результати в проєктах.
Навіщо вивчати Big Data
Up skill професії
На вас чекає апгрейд навичок в аналітиці даних і розуміння, навіщо і де потрібна big data, нова траєкторія розвитку кар'єри і складніші робочі проєкти.
Розширення кругозору
Ви розширите свій кругозір, освоїте технології для переходу на рівень middle і зможете швидше виконувати свої робочі завдання.
Перехід у нову область
Курс дає ключові технології та навички для старту занурення в найгарячішу професійну галузь. Ви отримаєте практику, гідну включення в резюме.
Що ви дізнаєтеся на курсі
Як зібрати та керувати командою big data проєкту
Освоїте підхід CRISP-DM: міжгалузевий стандартний процес для дослідження даних. Визначите компетенції та склад команди.
Як створити стратегію роботи з великими даними
Визначте, скільки даних вам потрібно для знаходження інсайтів. Знайдете завдання під біг дату у своїй компанії.
Як поліпшити результати обробки даних
Зрозумієте, як і за якими правилами зберігати дані. Зможете обґрунтовувати вплив на збір даних, моніторинг і звітність.
Програма:
Аналітика великих даних
Часто аналітик даних потрібен саме в тих компаніях, які накопичили "якусь свою" Big data. Щоб розуміти, як він може бути корисним для бізнесу, потрібно володіти не тільки стандартними інструментами на кшталт Excel і SQL, а й знати характерні тільки для великих даних принципи обробки, мати уявлення про компоненти екосистеми Hadoop і хмарні платформи для реалізації рішень з Big data. Ми не лише поговоримо про це, а й попрактикуємося працювати з головними інструментами.
— Традиционные аналитические подходы. Причины выбора Big data среди многообразия подходов
— Машинные методы для обработки данных. Как перестать реагировать и начать прогнозировать
— Культура сбора и источники данных. Дорожная карта и главное правило аналитика
— Предобработка и визуализация данных в pandas для отчётности на примере международного ритейлера
— Улучшение качества работы с данными. Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
— Основы работы в Hadoop и MapReduce. Обзор облачных платформ: AWS, EMR, Azure и прочих
— Продвинутые подходы в MapReduce. Работа в pyspark, доступная каждому
— Организация команды для работы с данными. CRISP-DM
Відгуки
Відгуків немає, поки що.