-
Тип ступеня: Сертифікат "Аналітик великих даних"
-
Додаткові кваліфікації: Сертифікат "Інженер з обробки даних
Сертифікат "Аналітика даних
Сертифікат "Спеціаліст з великих даних" -
Підсумковий іспит: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
Час занять: Повна зайнятістьЗ понеділка по п'ятницю з 8:30 до 15:35 (у святкові дні з 8:30 до 17:10)
-
Мова викладання: Німецька
-
Тривалість: 12 Тижні
Інженер з обробки даних
Основи бізнес-аналітики (близько 2 днів)
Сфери застосування, виміри архітектури BI
Основи бізнес-аналітики, OLAP, OLTP, завдання інженерів даних
Сховища даних (DWH): обробка структурованих, напівструктурованих та неструктурованих даних
Управління вимогами (приблизно 2 дні)
Завдання, цілі та процедури в аналізі вимог
Моделювання даних, введення/моделювання за допомогою ERM
Введення / моделювання в UML
- Діаграми класів
- Аналіз варіантів використання
- Діаграми діяльності
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Бази даних (близько 3 днів)
Основи систем управління базами даних
Архітектура систем управління базами даних
Застосування СКБД
Реалізація моделі даних в СКБД, нормальні форми
Практичний та теоретичний вступ до SQL
Обмеження реляційних баз даних, csv, json
Сховище даних (приблизно 4 дні)
Зіркова схема
Моделювання даних
Створення зоряної схеми в СКБД
Схема "сніжинка", основи, моделювання даних
Створення схеми "сніжинка" в СКБД
Схема галактики: основи, моделювання даних
Повільно змінні розмірності типів 1-5 - переформулювання, укладання, реорганізація, міні-розмірність та тип 5
Вступ до нормальних, причинно-наслідкових, міні- та монстр-вимірів, гетерогенних та під-вимірів
Порівняння орієнтованих на стан і на транзакцію
Таблиці фактів DWH, щільність та зберігання
ETL (близько 4 днів)
Очищення даних
- Нульові значення
- Підготовка даних
- Гармонізація даних
- Застосування регулярних виразів
Розуміння даних
- Перевірка даних
- Статистичний аналіз даних
Захист даних, безпека даних
Практична структура ETL маршрутів
Data Vault 2.0, основи, хаби, лінки, сателіти, хеш-ключ, хеш-диф.
Моделювання даних у Data Vault
Практична структура моделі Data Vault - Raw Vault, практична реалізація хеш-процедур
Робота над проектом (близько 5 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Аналітика даних
Вступ до аналізу даних (приблизно 1 день)
Еталонна модель CRISP-DM
Робочі процеси аналізу даних
Визначення штучного інтелекту, машинного навчання, глибокого навчання
Вимоги та роль в компанії інженерів даних, науковців даних та аналітиків даних
Огляд основ Python (приблизно 1 день)
типи даних
Функції
Аналіз даних (близько 3 днів)
Модулі Central Python в контексті аналізу даних (NumPy, Pandas)
Процес підготовки даних
Алгоритми інтелектуального аналізу даних на Python
Штучний інтелект (ШІ) в робочому процесі
Презентація конкретних технологій ШІ
та можливих застосувань у професійному середовищі
Візуалізація даних (близько 3 днів)
Розвідувальний аналіз даних
інсайти
Якість даних
Аналіз переваг
Візуалізація за допомогою Python: Matplotlib, Seaborn, Plotly Express
Сторітелінг даних
Управління даними (близько 2 днів)
Архітектури великих даних
Реляційні бази даних з SQL
Порівняння SQL та NoSQL баз даних
Бізнес-аналітика
Захист даних в контексті аналізу даних
Аналіз даних в контексті великих даних (приблизно 1 день)
Підхід MapReduce
Spark
NoSQL
Дашборди (приблизно 3 дні)
Бібліотека: Dash
Структура та налаштування дашбордів
Зворотні дзвінки
Text Mining (приблизно 1 день)
Попередня обробка даних, візуалізація
Бібліотека: SpaCy
Робота над проектом (близько 5 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Спеціаліст з великих даних
Що таке великі дані? (приблизно 1 день)
Обсяг, швидкість, різноманітність, цінність, достовірність
Можливості та ризики великих обсягів даних
Диференціація: бізнес-аналітика, аналітика даних, наука про дані
Вступ до інтелектуального аналізу даних
Роль штучного інтелекту та систем, керованих даними, в середовищі великих даних
Вступ до фреймворків великих даних (приблизно 2 дні)
Рішення для великих даних у хмарі (огляд AWS, Azure, GCP)
Моделі доступу до даних
Зберігання даних
Вступ до озер даних та сховищ даних
Огляд Apache Hadoop та Spark
Розподілена обробка даних зі Spark (близько 3 днів)
Основи розподілених систем
Apache Spark (Core та SQL)
Порівняння різних підходів до обробки даних
Обробка великих обсягів даних
Вступ до простих робочих процесів ML зі Spark
Конвеєри даних та інтеграція даних (приблизно 2 дні)
Процеси ETL та ELT
Пакетна та потокова обробка
Основи конвеєрів даних
Вступ до оркестрування (наприклад, огляд повітряних потоків)
Якість та підготовка даних
Компоненти (приблизно 2 дні)
Коротка презентація різних інструментів
Передача даних
Огляд управління ресурсами в системах великих даних
Екосистема Hadoop
Поглиблення Apache Spark
Вступ до потокових технологій
NoSQL та зберігання даних (приблизно 2 дні)
CAP теорема
КИСЛОТА та ОСНОВА
Типи баз даних
HBase
Вступ до документно-орієнтованих баз даних
Вступ до форматів зберігання даних
Огляд підходів до озерних сховищ даних
Візуалізація великих даних (близько 2 днів)
Теорії візуалізації
Вибір діаграм
Нові типи діаграм
Інструменти для візуалізації даних
Вступ до інструментів BI (наприклад, Power BI, Tableau)
Основи прийняття рішень на основі даних
Управління даними та захист даних (приблизно 1 день)
Основи GDPR в контексті даних
Етика даних та відповідальне поводження з даними
Концепції якості даних та управління ними
Контроль доступу та безпека
Основи відповідального використання штучного інтелекту
Робота над проектом (близько 5 днів)
Закріплення вивченого матеріалу
Презентація результатів проекту
Можливі зміни, зміст курсу регулярно оновлюється.
Ви опанували процеси, пов'язані з об'єднанням, підготовкою, збагаченням та пересиланням даних, і розумієте, як аналізувати великі дані, використовуючи базові концепції програмування Python, SQL та NoSQL баз даних. Знання галузевого програмного забезпечення для обробки та структурування великих неструктурованих даних і їх візуалізації доповнюють ваші знання.
Курс орієнтований на осіб з вищою освітою в галузі комп'ютерних наук, бізнес-інформатики, бізнес-адміністрування, математики або аналогічною кваліфікацією.
Систематична оцінка обсягів даних необхідна компаніям для отримання інформації про власну продукцію та поведінку клієнтів. У зв'язку з цим аналітики великих даних стають все більш затребуваними в усіх галузях.
Ваш змістовний сертифікат дає детальне уявлення про отриману кваліфікацію та покращує ваші кар'єрні перспективи.
Дидактична концепція
Ваші викладачі мають високу професійну та дидактичну кваліфікацію і навчатимуть вас від першого до останнього дня (без системи самонавчання).
Ви будете навчатися в ефективних малих групах. Курси зазвичай складаються з 6-25 учасників. Загальні заняття доповнюються численними практичними вправами з усіх модулів курсу. Практичний етап є важливою частиною курсу, оскільки саме в цей час ви опрацьовуєте вивчене, набуваєте впевненості та рутинності в його застосуванні. Заключний розділ курсу передбачає виконання проекту, кейс-стаді або підсумковий іспит.
Віртуальний клас alfaview®
BildungszentrumЗаняття проходять з використанням сучасної відеотехнології alfaview® - або з комфорту вашого власного будинку, або в нашому приміщенні за адресою . Весь курс може бачити один одного віч-на-віч через alfaview®, спілкуватися один з одним в якості голосу, синхронізованого по губах, і працювати над спільними проектами. Звичайно, ви також можете бачитись і спілкуватись зі своїми тренерами наживо в будь-який час, і протягом усього курсу викладачі навчатимуть вас у режимі реального часу. Уроки не є електронним навчанням, а справжнім живим викладанням віч-на-віч за допомогою відеотехнологій.
alfatraining Agentur für Arbeit Навчальні курси субсидуються та сертифікуються відповідно до положення про затвердження AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinЯкщо ви подаєте заявку на або , всі витрати на курс, як правило, покриває організація, яка його фінансує.
Europäischen Sozialfonds Deutsche Rentenversicherung Фінансування також можливе через (ESF), (DRV) або регіональні програми фінансування. Berufsförderungsdienst Як військовослужбовець строкової служби, ви можете відвідувати курси підвищення кваліфікації через (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компанії також можуть підвищити кваліфікацію своїх працівників за допомогою програми фінансування від .