Course Outline
Εβδομάδα 1 Big Data έννοιες
- Ορισμός VVVV (Velocity, Volume, Variety, Veracity) Όρια στην παραδοσιακή ικανότητα επεξεργασίας δεδομένων Κατανεμημένη επεξεργασία Στατιστική ανάλυση Ανάλυση μηχανικής μάθησης Τύποι Οπτικοποίηση δεδομένων Κατανεμημένη επεξεργασία (π.χ. χάρτης-μείωση) Εισαγωγή στις χρησιμοποιούμενες γλώσσες R language crash-course course Python
Παραστάσεις 2 και 3 εβδομάδων Data Analysis
- Στατιστική ανάλυση Περιγραφική Statistics σε σύνολα μεγάλων δεδομένων (π.χ. υπολογισμός μέσου όρου) Συμπερασματική Statistics (εκτίμηση) Πρόβλεψη με μοντέλα συσχέτισης και παλινδρόμησης Ανάλυση χρονικών σειρών Βασικά στοιχεία μηχανικής μάθησης Εποπτευόμενη έναντι μη εποπτευόμενης μάθησης Ταξινόμηση και ομαδοποίηση Εκτίμηση κόστους συγκεκριμένων μεθόδων Φίλτρο
Εβδομάδα 4 Επεξεργασία Φυσικής Γλώσσας
- Επεξεργασία κειμένου Κατανόηση της σημασίας του κειμένου Αυτόματη δημιουργία κειμένου Ανάλυση συναισθήματος/θέματος Computer Vision
Εβδομάδα 5 & 6 Έννοια εργαλείων
- Λύση αποθήκευσης δεδομένων (SQL, ΌχιSQL, ιεραρχική, αντικειμενοστρεφής, εγγράφου) MySQL, Cassandra, MongoDB, Elasticsearch, HDFS, κ.λπ...) Επιλογή της σωστής λύσης στο πρόβλημα Κατανεμημένη επεξεργασία Spark Machine Learning με Spark (MLLib) Spark SQL Επεκτασιμότητα Δημόσιο σύννεφο (AWS, Google, κ.λπ...) Ιδιωτικό cloud (OpenStack, cloud foundry) Αυτόματη κλιμάκωση
Εβδομάδα 7 Soft Skills
- Συμβουλευτικές και Leadership Δεξιότητες Κάνοντας αντίκτυπο: αφήγηση ιστοριών βάσει δεδομένων Κατανόηση του κοινού σας Αποτελεσματική παρουσίαση δεδομένων - διάδοση του μηνύματός σας Επιρροή αποτελεσματικότητα και αλλαγή ηγεσίας Χειρισμός δύσκολων καταστάσεων
Εξέταση
- Απολυτήριες εξετάσεις λήξης προγράμματος
Requirements
Οι συμμετέχοντες να έχουν καλή βάση στα μαθηματικά, τουλάχιστον λυκείου.
Αν και δεν απαιτούνται δεξιότητες προγραμματισμού, οποιεσδήποτε δεξιότητες προγραμματισμού θα είναι χρήσιμες.
Οι συμμετέχοντες θα αξιολογηθούν και θα ερωτηθούν πριν από τη συμμετοχή τους σε αυτό το εκπαιδευτικό πρόγραμμα.
Testimonials (4)
All the examples used and the lecturing style was on point even for a begginer i was able to understand and the training was so patient and always willing to go extra mile when in need of assistance.
Mathipa Chepape - Vodacom
Course - Big Data Business Intelligence for Telecom and Communication Service Providers
Intensity, Training materials and expertise, Clarity, Excellent communication with Alessandra
Marija Hornis Dmitrovic - Marija Hornis
Course - Data Science for Big Data Analytics
It is great to have the course custom made to the key areas that I have highlighted in the pre-course questionnaire. This really helps to address the questions that I have with the subject matter and to align with my learning goals.
Winnie Chan - Statistics Canada
Course - Jupyter for Data Science Teams
Trainer was accommodative. And actually quite encouraging for me to take up the course.