Kom i kontakt
 Varaktighet 42 timmar

Kursplan

Introduktion till Big Data-ekosystemen

  • Överblick av big data-teknologier och arkitekturer
  • Batch-bearbetning kontra realtidsbearbetning
  • Strategier för databeräkning för skalbarhet

Avancerad databehandling med Apache Spark

  • Optimering av Spark-jobb för prestanda
  • Avancerade transformationer och åtgärder
  • Arbete med strukturerad streaming

Maskininlärning i stor skala

  • Distribuerade metoder för modellträning
  • Justering av hyperparametrar på stora datamängder
  • Uttjängning av modeller i big data-miljöer

Djuginlärning för Big Data

  • Integration av TensorFlow och PyTorch med Spark
  • Distribuerade pipeline för djuginlärningsträning
  • Användningsfall inom bild-, text- och tidsserieanalys

Realtidsanalys och dataströmning

  • Apache Kafka för insamling av strömväxtdata
  • Ramverk för strömbearbetning
  • Övervakning och larmning i realtidssystem

Datastyrning, säkerhet och etik

  • Krav på dataskydd och efterlevnad
  • Åtkomstkontroll och kryptering i big data-system
  • Etiska överväganden i storskalig analys

Integration av Big Data med affärsintelligens

  • Datavisualisering och dashboards för big data
  • Koppling av big data-pipeline till BI-verktyg
  • Att driva affärsresultat med avancerad analys

Sammanfattning och nästa steg

Krav

  • Stark förståelse för koncept inom数据分析 och statistisk modellering
  • Erfarenhet av databehandlingar och programmeringsspråk såsom Python, R eller Scala
  • Kännedom om distribuerade beräkningsramverk såsom Hadoop eller Spark

Målgrupp

  • Datavetare som strävar efter att behärska storskalig databehandling och prediktiv analys
  • Senioranalytiker som söker designa och implementera avancerade analytiska flöden
  • FoU-proffs med fokus på innovativa, datastyrda lösningar

Antal deltagare


Pris per deltagare

Vittnesmål (3)

Kommande Kurser

Relaterade Kategorier