Azerbaycan Introduction to Data Preparation for Self-Service Analytics Eğitimi

Bu eğitimi kendi kurumunuzda planlayabilirsiniz. Bize Ulaşın!

Veri hazırlamanın bir zamanlar basit olan dünyası - operasyonel veri entegrasyonu için ETL - gittikçe daha karmaşık bir hal almaktadır. Veri karmaşası ve veri harmanlama gibi terimlerse bu zorunlukların bazılarını belirtmektedir. Analitiğin heyecan verici yanları da veriler anlamlı analizler için hazır olana dek işe yaramamaktadır. Büyük verilerin kapsamı, veri kullanımı çeşitliliği ve iş ile dost veri görselleştirme ve analiz araçlarının ortaya çıkışının tümü karmaşıklığa katkıda bulunmaktadır.

Yakın zaman önce ortaya çıkan teknolojilerse veri entegrasyonu ve hazırlamasına yönelik iş ile dost araçlar ile bu zorlukların üstesinden gelmeye yardımcı olmaktadır. Analitik projelerinizde verileri bulmak ve düzeltmek için harcadığınız zaman verileri analiz etmekten daha fazla ise o zaman gerçekten bir değişiklik yapmanız gerekmektedir. Hem iş hem de teknik konulardaki kişilere ve ekiplere analitik için verileri temizleme, birleştirme, biçimlendirme ve örnekleme konularında yardımcı olabilecek araç ve teknikleri öğrenin.

Herhangi bir önkoşul yoktur.

Bu eğitime veri hazırlama faaliyetlerini hızlandırması ve basitleştirmesi gereken iş yöneticileri, iş analistleri, veri analistleri ve veri bilim adamları, karmaşık veri hazırlama işlemlerinin günlük zorluklarıyla karşı karşıya kalan iş zekası ve analitik geliştiriciler, veri hazırlama teknolojilerini iş zekası ve analitik setlerine entegre etmesi gereken teknik yöneticiler ve mimarlar, etkin analiz için doğru verileri doğru şekillerde almaya çalışan herkes katılabilir.

Bu eğitimde;
Büyük veri çağında veri hazırlamanın sık karşılaşılan güçlükleri
Analitiğin hem hızını hem de kalitesini iyileştiren veri hazırlama teknikleri
Veri hazırlama teknolojilerinin veri yönetimi ve yönetişim avantajları
Modern veri hazırlama ile ilgili araçlar ve teknolojiler
Analitik ihtiyaçlarınıza en uygun verilerin belirlenmesi
Verilerin ve verilerde var olan güçlüklerin anlaşılması
Veri temizleme, biçimlendirme ve harmanlama ihtiyaçlarının tanımlanması ve belirlenmesi
Tekrarlayan ve uyarlanabilir veri oluşturma prensiplerinin anlaşılması ve uygulanması

Module 1 – Data Preparation Basics

Data Preparation Defined
Historical Perspective – How Did We Get Here?
The Need for Self-Service Data Preparation
Historical Perspective
Introduction to Data Preparation Tools
- Types of tools
- Programming/scripting vs. visual interface
- Standalone vs. integrated into analytics platforms
- Cloud, on-premises, and hybrid deployment
- Machine learning and data preparation
Users of Data Preparation Tools
- Data scientists
- Data engineers
- Business analysts
- Data analysts
- oInformation workers
Data Preparation in Analytics Architecture
Data Preparation and Analytics Life Cycle
- Continuous exploration and discovery
- Iterative and adaptive

Module 2 – Data Discovery

Data Sources
- Enterprise databases
- Local data
- Desktop data
- Cloud data
- Web data
- Files
- NoSQL
- Geospatial
- Media
Data Sourcing
- Choosing data sources
- Physical data source connections
- Virtual data source connections
Data Exploration
- Understanding content
- Estimating quality
- Discovering patterns
- Discovering data types
- Discovering data structure
- Discovering data relationships
- Data enrichment opportunities
- Developing data profiles
- Capturing metadata

Exercise 1 – Data Exploration and Data Sourcing

Module 3 – Data Transformation

The Scope of Data Preparation
Improving Data
- Standardization and conforming
- Cleansing and quality
- De-duplication
Enriching Data
- Derivation
- Appending
- Aggregation
Formatting Data
- Aggregation
- Sorting and sequencing
- Pivoting / de-pivoting
- Sampling and filtering
- Masking sensitive data
- Constructing records
Data Blending
- Blending defined
- Blend vs. join
- Blending vs. Warehousing

Exercise 2 – Data Transformation and Data Blending

Module 4 – Data Governance

Data Validation
- Visual validation
- Rules-based validation
- Data auditing
Data Protection
- Activity logging
- Activity audits
Data Management
- Metadata management
- Data lineage
- Model on use – “just in time” data models
- Data curation – what and why

Module 5 – The Technology Landscape

Data Preparation Platforms
- Core functions and features
Product Overviews and Selected Demonstrations

Eğitimlerle ilgili bilgi almak ve diğer tüm sorularınız için bize ulaşın!

Neden bizi tercih ettiniz?

Bilginç'ten daha önce eğitim aldım ve memnun kaldım.

Daha önce farklı bir kurumdan aldığım eğitimden memnun kalmadım.

Diğer

IT departmanınızda kaç kişi çalışıyor?

0 – 50

50 – 250

250 – 1000

1000+

Introduction to Data Preparation for Self-Service Analytics Eğitimi Azerbaycan

Kardeş ülke Azerbaycan (resmi adıyla Azerbaycan Cumhuriyeti) Kafkasya’da, Güney Kafkas Dağları bölgesinde bulunmaktadır. Çok zengin bir kültüren mirasa sahip olan Azerbaycan’ın, Hazar Denizi, Rusya, Gürcistan, Ermenistan ve İran gibi sınır komşuları vardır. Kafkasya’nın en büyük yüzölçümlü ülkesi olan Azerbaycan’da harika bir doğa çeşitliliği mevcut olup, hayvan yaşamının zenginliği de dikkat çekicidir. Üniter bir devlet olan Azerbaycan’ın Cumhurbaşkanı İlham Aliyev, resmi dili Azerice’dir.

Farsça Azar (Ateş) ve Payegan (Muhafız) kelimelerinin birlikteliğinden adını alan Azerbaycan Ateşler Ülkesi olarak da bilinmektedir. Bakü’de bulunan Flame Towers ülkenin en turistik yerlerinden biridir. Ülkede çok sayıda yanardağ ve petrol yatağı bulunmaktadır. Azerbaycan’ın mutlaka görülmesi gereken yerleri arasında Bakü’deki Alev Kuleleri, Kız Kalesi, Ateşgah, Targovi Caddesi ve Bakü Bulvarı’nın yanı sıra farklı şehirlerdeki Şeki Hanları Sarayı, Kobustan Milli Parkı, Han Bağı, Kebele ve Göygöl Milli Parkı sayılabilir.

Azerbaycan Introduction to Data Preparation for Self-Service Analytics Eğitimi

Önkoşullar

Kimler Katılmalı

Neler Öğreneceksiniz

Outline

Yakın tarihte açılacak eğitimler