![Big Data In 5 Minutes | What Is Big Data?| Introduction To Big Data |Big Data Explained |Simplilearn](https://i.ytimg.com/vi/bAyrObl7TYE/hqdefault.jpg)
เนื้อหา
- รู้เบื้องต้นเกี่ยวกับ Big Data - UC San Diego
- ไม่มีข้อบกพร่องไม่มีความเครียด - คู่มือแบบเป็นขั้นตอนเพื่อสร้างซอฟต์แวร์ที่เปลี่ยนแปลงชีวิตโดยไม่ทำลายชีวิตของคุณ
- Big Data Specialisation - UC San Diego
- ความเชี่ยวชาญด้านการวิเคราะห์ธุรกิจ - มหาวิทยาลัยเพนซิลเวเนีย
- การสร้างแบบจำลองข้อมูลขนาดใหญ่และระบบการจัดการ - UC San Diego
- การสำรวจและการผลิตข้อมูลเพื่อการตัดสินใจทางธุรกิจ - มหาวิทยาลัยอิลลินอยส์
- การสร้างภาพข้อมูลด้วยความเชี่ยวชาญของ Tableau - UC Davis
ที่มา: Sunan Panyo / Dreamstime.com
Takeaway:
หลักสูตรที่เป็นเอกลักษณ์เหล่านี้จำนวนมากทำให้นักเรียนมีพื้นฐานกว้างในการจัดการข้อมูลขนาดใหญ่
ข้อมูลขนาดใหญ่เป็นลำดับของวัน - แต่เนื่องจากสื่อจัดเก็บข้อมูลขั้นสูงทำให้เราสามารถรวบรวมข้อมูลจำนวนมากขึ้นเราได้พยายามหาวิธีใช้ข้อมูลทั้งหมดอย่างมีประสิทธิภาพเพื่อสร้างข้อมูลเชิงลึกและ วิธีการค้นหาสัญญาณในสัญญาณรบกวน
หลักสูตรทั้งหกนี้สามารถช่วยนักวิทยาศาสตร์ด้านข้อมูลที่ต้องการทำความคุ้นเคยกับวิธีการและเทคนิคที่ทันสมัยในการจัดการข้อมูลขนาดใหญ่
- รู้เบื้องต้นเกี่ยวกับ Big Data - UC San Diego
- Big Data Specialisation - UC San Diego
- ความเชี่ยวชาญด้านการวิเคราะห์ธุรกิจ - มหาวิทยาลัยเพนซิลเวเนีย
- การสร้างแบบจำลองข้อมูลขนาดใหญ่และระบบการจัดการ - UC San Diego
- การสำรวจและการผลิตข้อมูลเพื่อการตัดสินใจทางธุรกิจ - มหาวิทยาลัยอิลลินอยส์
- การสร้างภาพข้อมูลด้วยความเชี่ยวชาญของ Tableau - UC Davis
รู้เบื้องต้นเกี่ยวกับ Big Data - UC San Diego
หลักสูตรนี้จะพานักเรียนผ่านแนวรับข้อมูลขนาดใหญ่และนำเสนอคำศัพท์ที่สำคัญ ช่วยในการแสดงความคืบหน้าในโลกข้อมูลขนาดใหญ่เช่นผ่านการใช้ Apache Hadoop และการทำคลัสเตอร์ซึ่งข้อมูลขนาดใหญ่สามารถจัดการได้ง่ายขึ้นและการกำกับดูแลข้อมูลมีความซับซ้อนมากขึ้น
USP สำคัญ:
- รู้เบื้องต้นเกี่ยวกับสามแหล่งสำคัญของข้อมูลขนาดใหญ่ - ผู้คนองค์กรและเซ็นเซอร์
- มุ่งเน้นไปที่ "V" "ของข้อมูลขนาดใหญ่ - ปริมาณความเร็วความหลากหลายความจริงความจุและคุณค่าและความสำคัญของแต่ละข้อมูลในแบบจำลองข้อมูลขนาดใหญ่
- แบบจำลองกระบวนการข้อมูลขนาดใหญ่สำหรับการวิเคราะห์
- การระบุปัญหาและวิธีแก้ไขปัญหาข้อมูลขนาดใหญ่ที่สำคัญ
- คำอธิบายของตัวแบบข้อมูลขนาดใหญ่และขนาด
- ทำงานกับ Apache Hadoop สำหรับวิทยาศาสตร์ข้อมูลเช่นเดียวกับส่วนประกอบเช่น Yarn, HDFS และ MapReduce
ระยะเวลา: 16 ชั่วโมง (แนะนำ: เรียนสามสัปดาห์)
ไม่มีข้อบกพร่องไม่มีความเครียด - คู่มือแบบเป็นขั้นตอนเพื่อสร้างซอฟต์แวร์ที่เปลี่ยนแปลงชีวิตโดยไม่ทำลายชีวิตของคุณ
คุณไม่สามารถพัฒนาทักษะการเขียนโปรแกรมของคุณเมื่อไม่มีใครใส่ใจคุณภาพของซอฟต์แวร์
Big Data Specialisation - UC San Diego
ในหลักสูตรนี้นักเรียนจะได้เรียนรู้เกี่ยวกับการตัดสินใจด้วยข้อมูลขนาดใหญ่และวิธีการจัดการข้อมูลขนาดใหญ่เพื่อให้เข้าใจอย่างลึกซึ้ง
หลักสูตรนี้นำไปสู่การวิเคราะห์องค์กรสำหรับข้อมูลขนาดใหญ่และการใช้งานเครื่องมือข้อมูลขนาดใหญ่เช่น Hadoop และอื่น ๆ
นักเรียนจะได้เรียนรู้ที่จะร่วมมือกับผู้อื่นในโครงการข้อมูลวิทยาศาสตร์ใช้ความคิดริเริ่มในฐานะผู้เริ่มต้นด้วยตนเองเกี่ยวกับกระบวนการตัดสินใจข้อมูลขนาดใหญ่และจัดการกับชุดข้อมูลขนาดใหญ่และซับซ้อน (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับ Big Data ดู Big Data Silos: สิ่งที่พวกเขาเป็นและวิธีจัดการกับพวกเขา)
USP สำคัญ:
- รู้เบื้องต้นเกี่ยวกับ Hadoop, MapReduce, Spark, Pig และ Hive
- จัดทำโมดูลรหัสสำหรับการสร้างแบบจำลองการคาดการณ์
- โครงการสุดท้ายสำหรับการประยุกต์ใช้ทักษะ
ระยะเวลา: ห้าเดือน (เจ็ดชั่วโมงต่อสัปดาห์)
ความเชี่ยวชาญด้านการวิเคราะห์ธุรกิจ - มหาวิทยาลัยเพนซิลเวเนีย
หลักสูตรนี้สัญญาว่าจะสร้างพื้นฐานความรู้ข้อมูลขนาดใหญ่และการวิเคราะห์เชิงลึก นักเรียนดูว่านักวิทยาศาสตร์ด้านข้อมูลทำงานอย่างไรในโลกแห่งความเป็นจริงโดยมุ่งเน้นที่การวิเคราะห์เชิงพยากรณ์และการประยุกต์ใช้ข้อมูลขนาดใหญ่เฉพาะอุตสาหกรรม ผู้สอนและผู้วางแผนหลักสูตรช่วยให้นักเรียนสร้าง“ ความคิดข้อมูลขนาดใหญ่” และทำงานเพื่อเพิ่มความสามารถและความสามารถด้วยเครื่องมือข้อมูลขนาดใหญ่
ดูว่าโครงการข้อมูลขนาดใหญ่ทำงานในทรัพยากรมนุษย์การเงินและการดำเนินงานตลอดจนประเด็นสำคัญอื่น ๆ โดยเน้นการวิเคราะห์เชิงคาดการณ์ได้
USP สำคัญ:
- ความโปร่งใสในโครงการวิทยาศาสตร์ข้อมูลจริง
- มุ่งเน้นไปที่การสนับสนุนการตัดสินใจขององค์กร
- เครื่องมือและทรัพยากรเฉพาะอุตสาหกรรม
- โครงการสุดท้ายสำหรับทักษะการทดสอบ
ระยะเวลา: สามเดือน (เจ็ดชั่วโมงต่อสัปดาห์)
การสร้างแบบจำลองข้อมูลขนาดใหญ่และระบบการจัดการ - UC San Diego
หลักสูตรนี้จะกล่าวถึงปัญหาต่อพ่วงบางส่วนของวิทยาศาสตร์ข้อมูลขนาดใหญ่รวมถึงงานหลักที่เกี่ยวข้องกับข้อมูลขนาดใหญ่เช่นการรวบรวมและจัดเก็บข้อมูลและการจัดระเบียบข้อมูล
หลักสูตรนี้ยังครอบคลุมชุดข้อมูลและเครื่องมือการจัดการประเภทต่าง ๆ และทรัพยากรสำหรับแต่ละชุดในขณะที่แสดงให้เห็นว่าการจัดการข้อมูลขนาดใหญ่มีประโยชน์อย่างไรจากเครื่องมือและวิธีปฏิบัติในการวิเคราะห์
บทเรียนช่วยแสดงให้เห็นว่างานด้านวิทยาศาสตร์ข้อมูลได้รับการดำเนินการอย่างไรและการจัดการข้อมูลขนาดใหญ่โดยเฉพาะด้วยเครื่องมือต่างๆ หลักสูตรนี้ยังครอบคลุมมากกว่า“ ลู่อุตสาหกรรม” ที่อธิบายการแพร่กระจายของระบบข้อมูลขนาดใหญ่เพื่อให้นักเรียนสามารถนำความเป็นผู้นำทางความคิดมาสู่ประวัติศาสตร์ของการพัฒนางานข้อมูลขนาดใหญ่ทำความเข้าใจเกี่ยวกับเครื่องมือสำคัญผู้ขายและผู้เล่น แข่งขัน.
USP สำคัญ:
- เทคนิคประยุกต์ในการสร้างทักษะ
- การอภิปรายเกี่ยวกับเครื่องมือเช่น AsterixDB, HP Vertica, Impala, Neo4j, Redis และ SparkSQL
- ความแตกต่างระหว่างระบบการจัดการข้อมูลที่แตกต่างกัน
- การออกแบบเชิงปฏิบัติในอุตสาหกรรมเกม
ระยะเวลา: 16 ชั่วโมง (เรียนหกสัปดาห์ที่ 2-3 ชั่วโมงต่อสัปดาห์)
การสำรวจและการผลิตข้อมูลเพื่อการตัดสินใจทางธุรกิจ - มหาวิทยาลัยอิลลินอยส์
จุดเน้นของหลักสูตรนี้จะเน้นไปที่ตัวแบบเชิงสถิติและสรุปข้อมูลขนาดใหญ่รวมถึงการสุ่มตัวอย่างและการวิเคราะห์ข้อมูลขนาดใหญ่อื่น ๆ ระเบียบวิธีสำหรับการใช้ข้อมูลขนาดใหญ่ในรูปแบบและแพลตฟอร์มที่หลากหลายช่วยในการดูงานทางสถิติในการตั้งค่าต่างๆ
ในการพัฒนาแทร็กการเรียนการสอนที่เป็นเอกลักษณ์หลักสูตรจะไม่เพียง แต่นำทางนักเรียนไปสู่ความเข้าใจเกี่ยวกับ "อะไร" (เครื่องมือทรัพยากรรูปแบบวิธีการ) แต่ "วิธี" (วิธีสร้างผลลัพธ์และเหตุผลที่สำคัญ) การพิจารณาข้อมูลขนาดใหญ่โดยทั่วไปด้วยวิธีการเชิงปริมาณอย่างชัดเจนซึ่งสามารถเตรียมนักเรียนสำหรับการทำงานในด้านเทคนิคที่มากขึ้นในการจัดการและวิเคราะห์ข้อมูลขนาดใหญ่
USP สำคัญ:
- การจัดรูปแบบการใช้ชุดข้อมูลขนาดใหญ่
- ข้อมูลเชิงลึกเกี่ยวกับการสุ่มตัวอย่างและวิธีการสุ่มตัวอย่างสนับสนุนการตัดสินใจ
- การประเมินการตั้งค่าต่างๆสำหรับข้อมูลขนาดใหญ่
- กุญแจสำคัญในการวิเคราะห์ทางสถิติ
ระยะเวลา: 22 ชั่วโมง (สี่สัปดาห์ของการเรียน 4 ถึง 6 ชั่วโมงต่อสัปดาห์)
การสร้างภาพข้อมูลด้วยความเชี่ยวชาญของ Tableau - UC Davis
ด้วยการมุ่งเน้นไปที่หนึ่งในเครื่องมือสำคัญที่เป็นที่นิยมที่สุดสำหรับการวิเคราะห์ธุรกิจแพลตฟอร์ม Tableau หลักสูตรนี้ครอบคลุมการสร้างภาพข้อมูลและองค์ประกอบอื่น ๆ ของการใช้ข้อมูลขนาดใหญ่สำหรับผู้เริ่มต้น ดูที่แหล่งข้อมูลและห้องสมุดนักเรียนจะประเมินกรณีการใช้งานจริงเพื่อทำความเข้าใจวิธีการสร้างรายงานและใช้แดชบอร์ดภาพเพื่อทำงานกับข้อมูลขนาดใหญ่
การสร้างภาพข้อมูลของหลักสูตรนี้ค่อนข้างมีลักษณะเฉพาะและเป็นที่ต้องการอย่างมากเนื่องจากผู้เชี่ยวชาญในอุตสาหกรรมเปิดเผยขอบเขตของรูปแบบการแสดงผลที่มีประโยชน์ในการวิเคราะห์ข้อมูลขนาดใหญ่ (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการสร้างภาพข้อมูลให้ดูที่ความสุขของข้อมูล ได้แก่ : ข้อมูลที่คุณไม่ได้มองหา)
USP สำคัญ:
- มุ่งเน้นไปที่แพลตฟอร์ม Tableau
- องค์ประกอบการสร้างภาพข้อมูล
- ตัวอย่างวารสารศาสตร์สำหรับการประเมินผล
- โครงการสุดท้ายเพื่อทดสอบทักษะ
ระยะเวลา: 4 เดือน (6 ชั่วโมงต่อสัปดาห์)