Практическое применение Big Data аналитики для решения бизнес-задач
Решите реальный бизнес-кейс на аналитической платформе, используя современные инструменты стека Big Data. Принимайте управленческие решения на основе ценных инсайтов, построив собственный аналитический ETL-конвейер для работы с корпоративными хранилищами и озерами данных.
| Код курса | Даты начала курса | Стоимость обучения | Длительность обучения | Формат обучения |
|---|---|---|---|---|
| PRUS | 02 декабря 2024 12 марта 2025 |
96 000 руб. | 32 ак.часов | Дистанционный |
О продукте:
Чтобы оперативно принимать управленческие решения, прогнозируя и предупреждая любые внештатные ситуации, современный бизнес переходит к парадигме data-driven управления. Это позволяет в режиме реального времени выявить отклонения в технологических или производственных процессах и своевременно предупредить сбой. С коммерческой точки зрения потоковая аналитика больших данных позволяет «на лету» понять потребности каждого своего клиента и сформировать для него персональное коммерческое предложение в соответствии с потребностями и возможностями конкретного человека. Эти и другие кейсы можно реализовать, используя современные аналитические платформы, которые собирают исходные данные из разных источников, очищают и обогащают их, чтобы загрузить в корпоративное хранилище или озеро, откуда их будут потреблять аналитические приложения и BI-системы. Также при этом задействованы конвейеры потоковой и пакетной обработки данных на основе множества открытых и проприетарных технологий: Apache Kafka, AirFlow, NiFi, Spark, Flink, Greenplum, Snowflake, реляционные базы данных и NoSQL-хранилища.
Познакомиться со всеми этими и другими инструментами аналитической обработки данных, освоив их на сквозном практическом примере вам поможет наш базовый курс по архитектуре аналитических платформ Big Data технологий применительно к бизнес-задачам.
Аудитория:
-
- ИТ-архитекторы, которые выбирают концепцию построения хранилищ данных и конкретные сервисы для решения задач бизнеса;
- технические директоры, которые оценивают решения с точки зрения стратегии развития компании в плане IT-технологий;
- дата-инженеры, разработчики и системные администраторы, которые будут непосредственно участвовать в реализации проектных решений;
- аналитики данных, которым интересна архитектура используемой инфраструктуры.
Предварительный уровень подготовки:
-
- опыт написания SQL запросов
- работа с командной строкой linux
О курсе:
Офлайн-обучение или онлайн-курс проходят в формате интерактивного семинара: даже в дистанционном режиме с вами занимается живой преподаватель — рассказывает теорию, дает практические задания и проверяет результаты выполнения. В качестве примеров рассматриваются кейсы из реального бизнеса и лучшие практики data-driven управления
Цель курса: реализовать настоящий бизнес-кейс на аналитической платформе, познакомиться на практике с основными инструментами Big Data, узнать их назначение и место в архитектуре аналитической платформы
Продолжительность курса: 32 академических часа, 8 дней
Соотношение теории к практике: 50/50
Программа курса «Практическое применение Big Data Аналитики для решения бизнес-задач»
1. Постановка бизнес-задач и знакомство с BigData архитектурой
-
- Определяем бизнес-потребность. Формируем ключевые требования к решению, которое позволит удовлетворить бизнес-потребность и принести ценность
- Теория по архитектуре аналитического приложения BigData
Практическая часть: построение архитектуры анализа данных в зависимости от бизнес кейсов
2. Инструменты для анализа больших данных
-
- Описание инструментов для анализа больших данных Spark, Hive, Dask и др.
Практическая часть: анализ данных с помощью Spark/Hive
3. DWH хранилища данных, слои накопления данных (stg, ods, dds, dim, mart)
-
- Предназначение концептуальных слоев накопления данных
- Очистка и трансформация данных
- Batch загрузка данных
- Stream загрузка данных
Практическая часть: загрузка данных различными способами
4. Способы организации хранения сырых данных (stg слой)
-
- Теоретическое описание слоя хранения данных и его принципов
- Big Data репозиторий, HDFS и форматы хранения данных
- EDW концепция, преимущества и недостатки
- NoSQL подход к хранению данных
Практическая часть: демонстрация работы с файлами в HDFS и S3
5. Инструменты для управления процессами обработки и перемещения данных. Часть 1
-
- Введение в Airflow.
Практическая часть: настройки и демонстрация работы Airflow на примере простых задач
6. Инструменты для управления процессами обработки и перемещения данных. Часть 2
-
- Создаем пайплайн перемещения данных с помощью airflow
Практическая часть: реализации пайплайна обработки и перемещения данных с помощью Airflow
7. BI инструменты для аналитика данных
-
- OLAP/OLTP базы данных. BI инструменты (SuperSet, PowerBI, и др.), их архитектура и область применения.
Практическая часть: построение дашбордов в BI инструменте
8. Введение в ML
-
- Кейсы использование ML
- Разбор модели кейса
Практическая часть: встраивание модели в pipeline обработки данных
Отправить ссылку на:
Что Вы получите:
Успешно окончив курс «Практическое применение Big Data Аналитики для решения бизнес-задач» в нашем лицензированном учебном центре «Школа Больших Данных», вы получите удостоверение установленного образца, которое может засчитываться в качестве свидетельства о повышении квалификации.
Кто проводит курс
Профессиональные компетенции:
- Ведущий Data Scientist в ФГУП “Центр информационных технологий”, Москва
- Руководитель программ в Университете искусственного интеллекта, Москва.
- Кандидат наук (2017 год, Московский государственный университет им. М.В. Ломоносова, Москва)
Профессиональные компетенции:
- Руководитель группы Data Science в НИИ “Квант”, Москва
- Computer vision (CV) – решение задач по классификации и детектировании объектов на фото и видео, идентификации человека, сегментации изображений и распознаванию текста с библиотеками OpenCV, Tensorflow API и архитектурами нейронных сетей Yolo, SSD, fRCNN, U-net и пр.
- Natural language processing (NLP) – решение задач по классификации текстов, извлечению именованных сущностей (NER) и ключевых слов с библиотеками gensim, nltk, fasttext, spacy и др. Построение различных архитектур на основе искусственных нейронных сетей с использованием различных представлений слов (Embedding, Word2Vec) и готовых нейросетевых решений (Bert, fastai)
- Time series analysis – решение задач обработки, анализа и классификации аудио сигналов с библиотеками librosa, ffmpeg и различных архитектур нейронных сетей, а также предсказание значений временных рядов (time series forecasting) в приложении к котировкам активов с использованием классических решений (ARMA, ARIMA) и моделей на базе сверточных нейронных сетей (CNN), рекуррентных нейронных сетей (LSTM,GRU) и их комбинаций.
- Проекты сегментации сигналов с различных датчиков и приборов и распознавания речи (speech-to-text) с облачными сервисами Yandex и Google.
Чтобы записаться на курс PRUS: Практическое применение Big Data аналитики для решения бизнес-задач позвоните нам по телефону +7 (495) 414-11-21 или заполните форму регистрации ниже.