Zkuste nás kontaktovat
 Doba trvání 42 hodiny

Návrh Školení

Úvod do ekosystémů Big Data

  • Přehled technologií a architektur Big Data
  • Dávkové zpracování vs. zpracování v reálném čase
  • Strategie úložišť dat pro škálovatelnost

Pokročilé zpracování dat pomocí Apache Spark

  • Optimalizace Spark úloh pro výkon
  • Pokročilé transformace a akce
  • Práce se strukturovaným streamováním

Strojové učení ve velkém

  • Techniky rozděleného tréninku modelů
  • Hyperparametrické doladování na velkých datových sadách
  • Nasazení modelů v prostředí Big Data

Hluboké učení pro Big Data

  • Integrace TensorFlow a PyTorch se Spark
  • Pipeline pro rozdělený trénink hlubokého učení
  • Příklady použití v analýze obrázků, textu a časových řad

Analýza v reálném čase a streamování dat

  • Apache Kafka pro příjem streamovaných dat
  • Rámce pro zpracování streamů
  • Monitoring a upozorňování v systémech reálného času

Správa, bezpečnost a etika dat

  • Požadavky na soukromí a soulad s předpisy
  • Kontrola přístupu a šifrování v systémech Big Data
  • Etické aspekty velkoobjemové analýzy

Integrace Big Data s business intelligence

  • Vizualizace dat a dashboardy pro Big Data
  • Připojení pipeline Big Data k nástrojům BI
  • Pohánění obchodních výsledků pomocí pokročilé analýzy

Shrnutí a další kroky

Požadavky

  • Silné porozumění konceptům analýzy dat a statistického modelování
  • Zkušenosti se zpracováváním dat a programovacími jazyky, jako jsou Python, R nebo Scala
  • Oznámost s rozdělenými výpočetními rámci, jako jsou Hadoop nebo Spark

Cílová skupina

  • Daťovi vědci, kteří usilují o zvládnutí zpracování dat velkého rozsahu a prediktivní analýzy
  • Pokročilí analytici, kteří usilují o návrh a implementaci pokročilých analytických toků
  • Profesionálové v R&D zaměřující se na inovativní datové řešení

Počet účastníků


Cena za účastníka

Reference (3)

Nadcházející kurzy

Související kategorie