Big Data Fundamentals Azerbaijan Eğitimi

Büyük veri, İş Zekası ve analitik alanında çok tartışılan bir konudur. Yine de gelişiminin ilk safhalarında olmasına rağmen oldukça da karmaşıktır. Gerçek iş değeri sunan başarılı büyük veri projeleri, birden çok tanımla ve hızla değişen teknolojilerle mücadele etmektedir. Büyük veri yatırımınızdan iyi bir getiri elde edebilmek için verileri ve teknolojileri keşfetmeden önce amaca, kişilere ve sürece odaklanan bir strateji gerekir. Strateji, büyük verinin var olan iş zekası ve analitik ortamını bozmaktan ziyade desteklemesini sağlayacak bir planlama ve mimariye imkan tanır. Büyük veri ile başarıya hazırlanabilmek için tüm parçaları ve bu parçaların birbirine nasıl uyduğunu anlayarak işe başlayın.

Herhangi bir ön koşul yoktur. 

İş ve veri analistleri, İş zekası ve analitiği program ve proje yöneticileri, iş zekası ve veri ambarı mimarları, tasarımcıları ve geliştiricileri, büyük verilerle çalışmaya başlayan veri yönetimi ve veri kalitesi profesyonelleri, büyük veri fenomeninin fırsatlarını, zorluklarını ve realitesini öğrenmek isteyen herkes bu eğitime katılabilir.

• Bu eğitimde;
• Büyük verinin genel tanımları ve her bir tanımın olası sonucu
• Büyük verinin temel özellikleri ve boyutun neden ilk beş arasında olmadığı
• “Yapılandırılmamış” verilerde bulunabilecek yapılar
• Büyük veri kaynaklarının türleri - yayın verileri, sosyal veriler, sensör verileri, vb.
• Büyük veriler için değer fırsatları ve ortak uygulamalar
• Büyük verileri dahil etmek amacıyla mimarileri, kuruluşları ve kültürleri benimserken değerlendirilecek hususlar
• Büyük veri süreçlerinin, araçlarının ve teknolojilerinin kapsamı

Modül 1 – Büyük Veri Temelleri

Büyük Veri Nedir?

Tanımlar

Özellikler (3 V artı 2)

Büyük Veri Türleri

Neden Büyük Veri Analitiği – Gelişmiş Analitik Yeteneklerini Genişletme

Büyük Veri Kullanım Örnekleri

Müşteri Anlama ve Hedefleme

İş Süreci Optimizasyonu

Sağlıktaki Gelişmeler

Kolluk Kuvvetleri ve Kamu Güvenliği

Spor Performansı İyileştirme

Toplu Taşıma ve Altyapı Gelişmeleri

Neden Şimdi Büyük Veri? – İtici Güçler

Büyük Veri Türleri – Veri Çeşitliliği

Büyük Verinin Kaynakları

Web ve Sosyal Medya

Makineden Makineye

Diğer Kaynaklar (Büyük İşlem Verileri, Biyometri, İnsan Kaynaklı Veriler,

Halka Açık Veriler, Eski Belgeler)

Büyük Veri ile Çalışmak – Büyük Resim

Modül 2 – Büyük Veri Süreçleri

İş durumu

İş İhtiyaçları ve Fırsatlar

Görüş Alanları

Beklenen sonuçlar

İş Değeri Projeksiyonu

Teknik Durum – Büyük Veri Gerekçesi

Veri Kaynağı - Büyük Veri Elde Etme

Veri Hazırlama ve Saklama

Veri Seçimi

Veri Temizleme

Veri Entegrasyonu

Veri Azaltma

Büyük Veri Analitiği

Problem Çerçeveleme

Analitik Amaç

Analitik Modelleme

Veri goruntuleme

Tüketim ve Uygulama

Modül 3 – Büyük Veri Mimarisi

Mimarinin Rolü

Ne ve neden

Veri Mimarisi

Veri depolama

Veri Erişimi

Veri analizi

Veri Tüketimi

Süreç Mimarisi

Veri Yönetimi Süreçleri

Veri Entegrasyonu ve Kalitesi

Analitik Mimarisi

Makine öğrenme

Tahmine Dayalı Analitik

Kuralcı Analitik

Tanımlayıcı Analitik

Raporlama

Teknoloji Mimarisi

Arama ve Görselleştirme

Veri Yönetimi ve Veri Erişimi

Hadoop ve NoSQL

Büyük Veri ... Büyük Mimari – Özet

Modül 4 – Büyük Veri Teknolojisi

Teknoloji Manzarası – Genel Bakış

altyapı

veritabanları

Geliştirme ve Dağıtım Ortamı

Analitik – Veri Analizi

Veri Kaynakları – Büyük Veri Sağlayıcıları

Temel Teknolojiler

Harita indirgeme

Hadoop

Modül 5 – Büyük Veriye Başlarken

Hazırlık Değerlendirmesi – Pozisyonunuzu Kontrol Edin

Planlama ve Hazırlık – Rota Çizelgesi Oluşturma

Yürütme – Kursta Gezinme

Proje Sonrası Faaliyetler – Varış Noktasında

En İyi Uygulamalar – Alınan Dersler

Kaçınılması Gereken Hatalar - Öğrenilen Daha Fazla Ders

Modül 6 – Özet ve Sonuç

Önemli Noktaların Özeti – Hızlı Bir İnceleme