Съдържание и теми, включени в курса
Въведение в екосистемите на Big Data
- Преглед на технологиите и архитектури за Big Data
- Партично обработване спрямо обработване в реално време
- Стратегии за съхранение на данни за мащабируемост
Напреднала обработка на данни с Apache Spark
- Оптимизиране на задачите в Spark за производителност
- Напреднали трансформации и действия
- Работа с структурирани потоки
Машинно обучение от голямо мащаби
- Техники за разпределено обучение на модели
- Настройване на хиперпараметри върху големи набори от данни
- Разгръщане на модели в среди за Big Data
Дълбоко обучение за Big Data
- Интегриране на TensorFlow и PyTorch със Spark
- Пайплайни за разпределено обучение на дълбоко обучение
- Приложения в анализа на изображения, текст и времеви серии
Аналитика в реално време и потоци от данни
- Apache Kafka за приемане на потоци данни
- Фреймуърки за обработка на потоки
- Наблюдение и предупреждения в системи в реално време
Управление, сигурност и етика на данните
- Изисквания за поверителност на данните и съответствие
- Контрол на достъпа и криптиране в системи за Big Data
- Етични съображения при аналитиката от голямо мащаби
Интегриране на Big Data с бизнес интелигентност
- Визуализация на данни и дашбордове за Big Data
- Свързване на пайплайни за Big Data с инструменти за BI
- Движене на бизнес резултатите чрез напреднала аналитика
Резюме и следващи стъпки
Изисквания
- Усвояване на концепциите за анализ на данни и статистическо моделиране
- Опит с инструменти за обработка на данни и програмиращи езици като Python, R или Scala
- Запознатост с фреймуърки за разпределени изчисления като Hadoop или Spark
Целева аудитория
- Данни учени, които целят да овладеят обработката на данни от голямо мащаби и предиктивната аналитика
- Сенниор анализатори, които искат да проектират и внедрят напредналите аналитични пайплайни
- Специалисти по изследвания и разработки, фокусирани върху иновативни, базирано на данни решения
Отзиви от участници (3)
Ученето, че QGIS и инструментът може да се използва от други различни професионалисти, като например геодезисти
Bame Duncan Koko - Bentel Technologies (Pty) Ltd
Курс - QGIS for Geographic Information System
Машинен превод
Как да използвате отворени сателитни данни за реални приложения
Tshering Dorji - Druk Holding and Investments
Курс - Advanced Geographic Information Systems (GIS)
Машинен превод
Работните примери ни позволиха да усетим какво е работа с програмата. Добри обяснения и интеграция на теоретични концепции и както те се свързват с практически приложения.
Ian - Archeoworks Inc.
Курс - ArcGIS Fundamentals
Машинен превод