Big Data для руководителей

Аналитика Big Data для руководителей и менеджеров

Продолжительность: 3 дня, 24 академических часа.

Курс ориентирован на руководство государственных предприятий и частных компаний, менеджеров и специалистов, которые хотят получить расширенные знания по инструментам и методам анализа больших данных для участия в проектах Big Data и цифровизации бизнеса.
Уровень подготовки: предварительный опыт не требуется.

В рамках Вы узнаете базовые и расширенные методы аналитики, в т.ч. техники поиска и извлечения знаний из больших массивов разнородных данных. Также рассматриваются различные версии дистрибутивов платформы Hadoop, облачные сервисы для хранения и аналитики больших данных, «open source« и коммерческие инструменты.

Подробно изучаются сценарии применения технологий работы с Большими Данными в организациях государственного сектора и различных отраслях бизнеса: банки и финансовые учреждения, промышленность, торговля, транспорт и др. На практических примерах вы узнаете все особенности процессов инициации проектов цифровой трансформации, от сбора данных до формирования команды. Также детально познакомитесь с каждой фазой жизненного цикла работы с Big Data: подготовка данных, выбор модели, пилотное развертывание и тестирование прототипа, промышленная эксплуатация.

Аудитория

Данный курс предназначен для руководителей, топ-менеджеров желающих получить знания по инструментам и методам анализа больших данных.

Программа

Введение в Big Data (Большие данные)

• Большие данные и цифровизация бизнеса
• Методы аналитики больших данных
• Отраслевая специфика аналитики больших данных
• Сценарии применения технологий больших данных
• Жизненный цикл аналитики данных: получение данных, подготовка данных, планирование модели, построение модели, проверка результатов, внедрение
• Формирование озера данных Data Lake

Data Mining — извлечение знаний из больших данных

• Задачи и техники Data Mining
• Классификация и кластеризация
• Прогнозирование и визуализация
• Ассоциативные правила и обнаружение аномалий
• Методология CRISP-DM, SEMMA
• Инструменты Data Mining
• Специфика применения Data Mining для разных отраслей бизнеса с примерами

Машинное обучение для Data mining

• Основные определения
• Задачи и область применения машинного обучения
• Supervised/unsupervised машинное обучение
• Инструменты и технологии машинного обучения

Data mining в социальных сетях

• Введение в анализ социальных сетей и теорию графов
• Базовые алгоритмы на графах и основные возможности графового анализа
• Феномен маленького мира
• Выделение важных узлов в социальных сетях
• Инструменты и методы визуализации графов для применения в бизнесе

Инструментарий для работы с Big Data

• Специфика работы с Big Data
• Аналитика для неструктурированных данных с использованием Hadoop
• Назначение и характеристика компонент экосистемы Apache Hadoop для хранения и обработки Big Data
• Сравнительный анализ Hadoop дистрибутивов (Arenadata Hadoop, Cloudera, Horton Works, MapR) и инструментарий аналитика данных на примерах использования
• Сравнительные характеристики программных и аппаратных решений для реализации решений по Big Data
• Облачные платформы (AWS, EMR, Azure) для реализации решений по Big Data
• Средства визуализации для аналитики данных.

Интеграция Больших данных

• Основные принципы работы с Big Data
• Импорт и экспорт данных с Hadoop (SQL, NoSQL, HDFS, NFS, потоковые данные, web content, файлы логов, социальные сети)
• Пакетная и динамическая загрузка данных

Правовые аспекты организации защиты персональных данных

• Правовое регулирование в области защиты персональных данных
• Международная практика в области защиты персональных данных
• Права субъекта и обязанности оператора при обработке персональных данных
• Виды нарушений безопасности персональных данных
• Стандарт GDRP

С чего начать?

• Формирование команды проекта Big Data. Ключевые роли
• Специфика рынка данных и аналитики
• Использование подходов Agile и DevOps
• Методологии для стандарты
• Отличия подходов Business Intelligence и Data Science
• Сравнительные характеристики программных и аппаратных решений для реализации решений по Big Data.