Big Data для руководителей: внедрение, эффективность, безопасность

О курсе

Современные компании с большим количеством пользователей и клиентов имеют дело с огромными объемами данных. Традиционные парадигмы обработки/хранения/предоставления/анализа данных не подходят, когда объемы данных составляют сотни терабайт и они являются неструктурированными. Здесь приходят на помощь технологии Big Data и машинного обучения, которые позволяют с использованием ряда фреймворков, разработанных Google и Apache, обеспечить работу и анализ таких объемов информации в заданные временные интервалы. К сожалению, многие компании, реализующие такие технологии, не задумываются о вопросах безопасности, что приводит к утечкам и скандалам.

Программа курса

Введение в большие данные (Big Data)

Цели и задачи курса.

Основные понятия и определения.

История науки о данных (Data Science). Особенности развития Data Science в настоящее время.

Большие данные и цифровая трансформация.

Эффективное использование данных в организации.

Различные подходы к управлению (Data-Driven и DataInformed).

Data-Driven культура (данные как стратегический ресурс).

Использование Data-Driven подхода. Выгоды от работы с большими данными.

Основные области применения больших данных.

Специфика работы с большими данными

Основные принципы работы с Big Data.

Интеграция больших данных. Источники данных (реляционные, не реляционные, предметно ориентированные информационные базы данных). Data Lake.

Импорт и экспорт данных: SQL и NoSQL базы данных, потоковые данные, файловые системы (HDFS, NFS), webcontent, социальные сети.

Пакетная и динамическая (batch / real-time) загрузка данных.

Типовые задачи аналитики больших данных.

Методы аналитики Big Data. Подход MapReduce.

Жизненный цикл аналитики данных: получение и накопление данных, подготовка данных, планирование модели, построение модели, проверка результатов, внедрение.

Использование анализа больших данных для повышения эффективности бизнес процессов.

Технологии больших данных.

Особенности применения аналитики для Big Data

Статистические методы и методы интеллектуального анализа данных (Data Mining).

Отличия методов Data Mining от статистических методов.

Задачи и этапы Data Mining.

Организационные и человеческие факторы в Data Mining. Методология CRISP-DM (Cross-Industry Standard Process for Data Mining) с точки зрения разработки модели с учетом требований информационной безопасности.

Инструментарий для работы с Big Data и проблемы информационной безопасности в ходе использования

Инструменты для анализа данных и машинного обучения (Библиотеки, Фреймворки, Базы данных, Аналитические платформы) и их уязвимости.

Распределенные вычисления и экосистема Apache Hadoop. Назначение и характеристика компонент Hadoop для хранения и обработки Big Data.

Основные уязвимости компонентов Hadoop и угрозы безопасности платформы.

Подход к моделированию угроз при анализе угроз платформы

Настройка механизмов безопасности для компонентов Hadoop.

Применение облачных технологий (платформы AWS, Azure) для реализации решений Big Data и вопросы, связанные с безопасностью при переходе в облако.

Тенденции развития техник и технологий обеспечения безопасности решений Big Data.

Сравнительные характеристики программных и аппаратных решений для реализации решений Big Data с учетом вопросов ИБ.

Big Data Infrastructure Landscape 2019.

Big Data Infrastructure Service Providers 2019.

Big Data Analytics Landscape 2019.

Big Data Enterprise Level Applications Landscape 2019.

Итоговая аттестация

Как вы будете учиться

Занятия

Занятия проводятся как очно в аудитории с непосредственным взаимодействием между преподавателем и слушателями. Для тех, кто не может присутствовать физически, предусмотрено участие через платформу MTS.link.

Процесс обучения

Занятия включают лекции, семинары и групповые проекты. Материалы подаются в виде презентаций, которые могут содержать графику, видео. Полученные знания закрепляются тестированиями и практическими заданиями, а затем вы получаете развернутую обратную связь от эксперта курса.

Сопровождение

Вы можете задавать вопросы преподавателю в режиме реального времени. Так же у каждой группы есть кураторы, которые всегда на связи и помогают решить организационные вопросы.

Академия

Курсы

Услуги

Библиотека

Контакты

Big Data для руководителей: внедрение, эффективность, безопасность

О курсе

Программа курса

Введение в большие данные (Big Data)

Цели и задачи курса.

Основные понятия и определения.

История науки о данных (Data Science). Особенности развития Data Science в настоящее время.

Большие данные и цифровая трансформация.

Эффективное использование данных в организации.

Различные подходы к управлению (Data-Driven и DataInformed).

Data-Driven культура (данные как стратегический ресурс).

Использование Data-Driven подхода. Выгоды от работы с большими данными.

Основные области применения больших данных.

Специфика работы с большими данными

Основные принципы работы с Big Data.

Интеграция больших данных. Источники данных (реляционные, не реляционные, предметно ориентированные информационные базы данных). Data Lake.

Импорт и экспорт данных: SQL и NoSQL базы данных, потоковые данные, файловые системы (HDFS, NFS), webcontent, социальные сети.

Пакетная и динамическая (batch / real-time) загрузка данных.

Типовые задачи аналитики больших данных.

Методы аналитики Big Data. Подход MapReduce.

Жизненный цикл аналитики данных: получение и накопление данных, подготовка данных, планирование модели, построение модели, проверка результатов, внедрение.

Использование анализа больших данных для повышения эффективности бизнес процессов.

Технологии больших данных.

Особенности применения аналитики для Big Data

Инструментарий для работы с Big Data и проблемы информационной безопасности в ходе использования

Тенденции развития техник и технологий обеспечения безопасности решений Big Data.

Сравнительные характеристики программных и аппаратных решений для реализации решений Big Data с учетом вопросов ИБ.

Big Data Infrastructure Landscape 2019.

Big Data Infrastructure Service Providers 2019.

Big Data Analytics Landscape 2019.

Big Data Enterprise Level Applications Landscape 2019.

Итоговая аттестация

По окончании обучения выдается

Как вы будете учиться

Академия

Курсы

Услуги

Библиотека

Контакты

О курсе

Программа курса

Введение в большие данные (Big Data)

Цели и задачи курса.

Основные понятия и определения.

История науки о данных (Data Science). Особенности развития Data Science в настоящее время.

Большие данные и цифровая трансформация.

Эффективное использование данных в организации.

Различные подходы к управлению (Data-Driven и DataInformed).

Data-Driven культура (данные как стратегический ресурс).

Использование Data-Driven подхода. Выгоды от работы с большими данными.

Основные области применения больших данных.

Специфика работы с большими данными

Основные принципы работы с Big Data.

Интеграция больших данных. Источники данных (реляционные, не реляционные, предметно ориентированные информационные базы данных). Data Lake.

Импорт и экспорт данных: SQL и NoSQL базы данных, потоковые данные, файловые системы (HDFS, NFS), webcontent, социальные сети.

Пакетная и динамическая (batch / real-time) загрузка данных.

Типовые задачи аналитики больших данных.

Методы аналитики Big Data. Подход MapReduce.

Жизненный цикл аналитики данных: получение и накопление данных, подготовка данных, планирование модели, построение модели, проверка результатов, внедрение.

Использование анализа больших данных для повышения эффективности бизнес процессов.

Технологии больших данных.

Особенности применения аналитики для Big Data

Инструментарий для работы с Big Data и проблемы информационной безопасности в ходе использования

Тенденции развития техник и технологий обеспечения безопасности решений Big Data.

Сравнительные характеристики программных и аппаратных решений для реализации решений Big Data с учетом вопросов ИБ.

Big Data Infrastructure Landscape 2019.

Big Data Infrastructure Service Providers 2019.

Big Data Analytics Landscape 2019.

Big Data Enterprise Level Applications Landscape 2019.

Итоговая аттестация

По окончании обучения выдается

Как вы будете учиться

Ваша заявка принята!

Ваша заявка принята!