Lokale, von Ausbildern geführte Live-Big-Data-Schulungen beginnen mit einer Einführung in elementare Konzepte von Big Data und führen dann zu den Programmiersprachen und Methoden, die zur Durchführung der Datenanalyse verwendet werden. Tools und Infrastruktur zur Aktivierung von Big Data Storage, Distributed Processing und Skalierbarkeit werden in Demo-Übungssessions diskutiert, verglichen und implementiert. Big Data Training ist als "Live-Training vor Ort" oder "Fern-Live-Training" verfügbar. Onsite Live Training kann vor Ort bei Kunden durchgeführt werden Schweiz oder in NobleProg Corporate Trainingszentren in Schweiz . Remote-Live-Training wird über einen interaktiven Remote-Desktop durchgeführt. NobleProg - Ihr lokaler Trainingsanbieter
Machine Translated
Erfahrungsberichte
Die Tatsache, dass alle Daten und Software auf einer bereits vorbereiteten VM bereit waren, die vom Trainer auf externen Festplatten bereitgestellt wurde.
vyzVoice
Kurs: Hadoop for Developers and Administrators
Machine Translated
Bereich des Materials
Maciej Jonczyk
Kurs: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Systematisierung von Wissen im Bereich ML
Orange Polska
Kurs: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Viele Probleme, die nach dem Training erforscht werden können
Klaudia Kłębek
Kurs: Data Mining z wykorzystaniem R
Machine Translated
Der Trainer war so sachkundig und schloss Bereiche ein, an denen ich interessiert war.
Mohamed Salama
Kurs: Data Mining & Machine Learning with R
Machine Translated
Sehr auf die Bedürfnisse zugeschnitten.
Yashan Wang
Kurs: Data Mining with R
Machine Translated
Richard ist sehr ruhig und methodisch, mit einer analytischen Einsicht - genau die Qualitäten, die nötig sind, um diese Art von Kurs zu präsentieren.
Kieran Mac Kenna
Kurs: Spark for Developers
Machine Translated
Ich mag die Übungen gemacht.
Nour Assaf
Kurs: Data Mining and Analysis
Machine Translated
Die praktische Übung und die Fähigkeit des Trainers, komplexe Themen in einfachen Worten zu erklären.
youssef chamoun
Kurs: Data Mining and Analysis
Machine Translated
Die gegebenen Informationen waren interessant und der beste Teil war gegen Ende, als wir mit Daten von Durex versorgt wurden und an Daten arbeiteten, mit denen wir vertraut sind, und Operationen ausführen, um Ergebnisse zu erzielen.
Jessica Chaar
Kurs: Data Mining and Analysis
Machine Translated
Ich mochte den Trainer am liebsten, wenn er reale Live-Beispiele gab.
Simon Hahn
Kurs: Administrator Training for Apache Hadoop
Machine Translated
Ich habe die großen Kompetenzen von Trainer wirklich genossen.
Grzegorz Gorski
Kurs: Administrator Training for Apache Hadoop
Machine Translated
Ich habe die vielen praktischen Übungen wirklich genossen.
Jacek Pieczątka
Kurs: Administrator Training for Apache Hadoop
Machine Translated
Teilen Sie Konzeptdiagramm und Probe für die schmutzigen Hände auch
Mark Yang - FMR
Kurs: Spark for Developers
Machine Translated
Ich dachte, dass die Information interessant ist.
Allison May
Kurs: Data Visualization
Machine Translated
Ich habe es sehr geschätzt, dass Jeff Daten und Beispiele verwendet hat, die auf Bildungsdaten anwendbar waren. Er hat es interessant und interaktiv gemacht.
Carol Wells Bazzichi
Kurs: Data Visualization
Machine Translated
Über alle Diagrammtypen und deren Verwendung erfahren. Den Wert von Unordnung lernen. Erlernen der Methoden zum Anzeigen von Zeitdaten.
Susan Williams
Kurs: Data Visualization
Machine Translated
Trainer war begeistert.
Diane Lucas
Kurs: Data Visualization
Machine Translated
Ich mochte den Inhalt / Instructor wirklich.
Craig Roberson
Kurs: Data Visualization
Machine Translated
Ich bin ein praktischer Lerner und das war etwas, was er sehr oft gemacht hat.
Lisa Comfort
Kurs: Data Visualization
Machine Translated
Ich mochte die Beispiele.
Peter Coleman
Kurs: Data Visualization
Machine Translated
Ich habe generell von den Beispielen profitiert.
Peter Coleman
Kurs: Data Visualization
Machine Translated
Ich genoss die guten realen Beispiele, Berichte von vorhandenen Berichten.
Ronald Parrish
Kurs: Data Visualization
Machine Translated
Anwendbare Szenarien und Fälle
zhaopeng liu - Fmr
Kurs: Spark for Developers
Machine Translated
Fallanalyse
国栋 张
Kurs: Spark for Developers
Machine Translated
alle Teile dieser Sitzung
Eric Han - Fmr
Kurs: Spark for Developers
Machine Translated
Ich habe wirklich von der Bereitschaft des Trainers profitiert, mehr zu teilen.
Balaram Chandra Paul
Kurs: A practical introduction to Data Analysis and Big Data
Machine Translated
Wir wissen viel mehr über die gesamte Umgebung.
John Kidd
Kurs: Spark for Developers
Machine Translated
Der Trainer hat die Klasse interessant und unterhaltsam gemacht, was beim täglichen Training sehr hilfreich ist.
Ryan Speelman
Kurs: Spark for Developers
Machine Translated
Ich denke, der Trainer hatte einen exzellenten Stil, Humor und Geschichten aus dem wirklichen Leben zu kombinieren, um die Themen sehr zugänglich zu machen. Ich würde diesen Professor in Zukunft sehr empfehlen.
Kurs: Spark for Developers
Machine Translated
Mochte die interaktive Art des Lernens sehr.
Luigi Loiacono
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Es war ein sehr praktisches Training, ich mochte die praktischen Übungen.
Proximus
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Ich profitierte von dem guten Überblick, einer guten Balance zwischen Theorie und Übungen.
Proximus
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Ich genoss die dynamische Interaktion und "hands-on" das Thema, dank der virtuellen Maschine, sehr stimulierend !.
Philippe Job
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Ernesto hat einen großartigen Job gemacht und die hochrangigen Konzepte der Verwendung von Spark und seiner verschiedenen Module erklärt.
Michael Nemerouf
Kurs: Spark for Developers
Machine Translated
Ich profitierte von der Kompetenz und dem Wissen des Trainers.
Jonathan Puvilland
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Ich habe generell von der Präsentation von Technologien profitiert.
Continental AG / Abteilung: CF IT Finance
Kurs: A practical introduction to Data Analysis and Big Data
Machine Translated
Insgesamt war der Inhalt gut.
Sameer Rohadia
Kurs: A practical introduction to Data Analysis and Big Data
Machine Translated
Beispielübungen: Praktisches Teilen der Arbeitserfahrung
澳新银行
Kurs: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Würfel und DV
Alan Xie
Kurs: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Der Lehrer verfügt über umfassende Kenntnisse des Data Warehouse.
澳新银行
Kurs: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Der Lehrer erklärte ausführlich und diskutierte die Atmosphäre
澳新银行
Kurs: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Michael der Trainer ist sehr sachkundig und geschickt in Bezug auf das Thema Big Data und R. Er ist sehr flexibel und passt das Training schnell an die Bedürfnisse der Kunden an. Er ist auch sehr in der Lage, technische und fachliche Probleme unterwegs zu lösen. Fantastisches und professionelles Training!
Xiaoyuan Geng - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurs: Programming with Big Data in R
Machine Translated
Ich habe die Einführung neuer Pakete sehr genossen.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurs: Programming with Big Data in R
Machine Translated
Der Tutor, Herr Michael Yan, interagierte sehr gut mit dem Publikum, die Anweisung war klar. Der Tutor ist auch bemüht, weitere Informationen basierend auf den Anforderungen der Schüler während des Trainings hinzuzufügen.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurs: Programming with Big Data in R
Machine Translated
Das Thema und das Tempo waren perfekt.
Tim - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurs: Programming with Big Data in R
Machine Translated
Das Beispiel und das Schulungsmaterial waren ausreichend und machten es leicht zu verstehen, was Sie tun.
Teboho Makenete
Kurs: Data Science for Big Data Analytics
Machine Translated
Dies ist einer der besten praktischen Übungen, die ich je gemacht habe.
Laura Kahn
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Dies ist eines der besten Online-Trainings, die ich je in meiner 13-jährigen Karriere gemacht habe. Mach weiter so!
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Es war sehr praktisch, wir verbrachten die Hälfte der Zeit damit, Dinge in Clouded / Hardtop zu tun, verschiedene Befehle auszuführen, das System zu überprüfen und so weiter. Die zusätzlichen Materialien (Bücher, Websites, etc.) wurden wirklich geschätzt, wir müssen weiter lernen. Die Installationen waren ziemlich lustig und sehr praktisch, das Cluster-Setup von Grund auf war wirklich gut.
Ericsson
Kurs: Administrator Training for Apache Hadoop
Machine Translated
Ich denke, der Trainer hatte einen exzellenten Stil, Humor und Geschichten aus dem wirklichen Leben zu kombinieren, um die Themen sehr zugänglich zu machen. Ich würde diesen Professor in Zukunft sehr empfehlen.
Kurs: Spark for Developers
Machine Translated
Dies ist eines der besten Online-Trainings, die ich je in meiner 13-jährigen Karriere gemacht habe. Mach weiter so!
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Big Data Kurspläne
Name des Kurses
Dauer
Überblick
Name des Kurses
Dauer
Überblick
35 Stunden
Überblick
Der technologische Fortschritt und die zunehmende Menge an Informationen verändern die Geschäftsabläufe in vielen Branchen, einschließlich der Regierung. Go vernment Datengenerierung und die digitale Archivierung Raten sind auf dem Vormarsch aufgrund des schnellen Wachstums von mobilen Geräten und Anwendungen, intelligente Sensoren und Geräte, Cloud - Computing - Lösungen und Bürger gerichtete Portale. Da digitale Informationen immer komplexer werden, werden auch Informationsmanagement, -verarbeitung, -speicherung, -sicherheit und -disposition immer komplexer. Neue Erfassungs-, Such-, Ermittlungs- und Analysetools helfen Unternehmen dabei, Einblicke in ihre unstrukturierten Daten zu gewinnen. Der Regierungsmarkt befindet sich an einem Wendepunkt und erkennt, dass Informationen ein strategischer Vorteil sind. Die Regierung muss sowohl strukturierte als auch unstrukturierte Informationen schützen, nutzen und analysieren, um die Missionsanforderungen besser bedienen und erfüllen zu können. Während die Regierungschefs danach streben, datengesteuerte Organisationen zu entwickeln, um die Mission erfolgreich zu erfüllen, legen sie den Grundstein, um Abhängigkeiten zwischen Ereignissen, Personen, Prozessen und Informationen zu korrelieren.
Hochwertige Regierungslösungen werden aus einem Mashup der disruptivsten Technologien erstellt:
- Mobile Geräte und Anwendungen
- Cloud-Services
- Social Business Technologien und Networking
- Big Data und Analytics
IDC prognostiziert, dass die IT-Branche bis 2020 5 Billionen US-Dollar erreichen wird, rund 1,7 Billionen US-Dollar mehr als heute, und dass 80% des Branchenwachstums von diesen Technologien der 3. Plattform getrieben werden. Langfristig werden diese Technologien Schlüsselinstrumente sein, um mit der Komplexität der zunehmenden digitalen Information umzugehen. Big Data ist eine der intelligenten Branchenlösungen und ermöglicht es der Regierung, bessere Entscheidungen zu treffen, indem sie Maßnahmen auf der Grundlage von Mustern ergreift, die durch die Analyse großer Datenmengen in Bezug auf Daten, die nicht miteinander zusammenhängen, strukturiert und unstrukturiert aufgedeckt werden.
Um diese Leistungen zu erbringen, müssen jedoch nicht nur riesige Datenmengen angesammelt werden. „Um das Volumen von Big Data erfassen, sind modernste Tools und Technologien erforderlich, mit denen sich nützliches Wissen aus einem riesigen und vielfältigen Informationsfluss analysieren und extrahieren lässt“, so Tom Kalil und Fen Zhao vom Büro für Wissenschafts- und Technologiepolitik des Weißen Hauses schrieb in einem Beitrag im OSTP-Blog.
Das Weiße Haus hat 2012 mit der Nationalen Big Data Forschungs- und Entwicklungsinitiative einen Schritt getan, um Agenturen bei der Suche nach diesen Technologien zu unterstützen. Die Initiative umfasste mehr als 200 Millionen US-Dollar, um die Explosion von Big Data und die dazu erforderlichen Tools optimal zu nutzen .
Die Herausforderungen, die Big Data bringt, sind fast so gewaltig wie sein Versprechen ermutigend. Effizientes Speichern von Daten ist eine dieser Herausforderungen. Wie immer sind die Budgets eng, daher müssen Agenturen den Preis für Speicherplatz pro Megabyte minimieren und den Zugriff auf die Daten so gering wie möglich halten, damit die Benutzer sie erhalten können, wann und wie sie sie benötigen. Das Sichern großer Datenmengen erhöht die Herausforderung.
Eine weitere große Herausforderung besteht darin, die Daten effektiv zu analysieren. Viele Agenturen setzen kommerzielle Tools ein, mit denen sie die Datenberge durchsuchen und Trends erkennen können, mit denen sie effizienter arbeiten können. (Eine kürzlich von MeriTalk durchgeführte Studie ergab, dass IT-Führungskräfte des Bundes der Ansicht sind, dass Big Data Agenturen dabei helfen könnte, mehr als 500 Milliarden US-Dollar zu sparen und gleichzeitig die Missionsziele zu erreichen.)
Mit speziell entwickelten Big Data Tools können Agenturen auch auf die Notwendigkeit eingehen, ihre Daten zu analysieren. Beispielsweise hat die Computational Data Analytics Group des Oak Ridge National Laboratory das Piranha-Datenanalysesystem anderen Agenturen zur Verfügung gestellt. Das System hat medizinischen Forschern geholfen, eine Verbindung zu finden, die Ärzte auf Aortenaneurysmen aufmerksam machen kann, bevor sie zuschlagen. Es wird auch für alltäglichere Aufgaben verwendet, z. B. zum Durchsuchen von Lebensläufen, um Bewerber mit Einstellungsmanagern in Verbindung zu bringen.
Hochwertige Regierungslösungen werden aus einem Mashup der disruptivsten Technologien erstellt:
- Mobile Geräte und Anwendungen
- Cloud-Services
- Social Business Technologien und Networking
- Big Data und Analytics
IDC prognostiziert, dass die IT-Branche bis 2020 5 Billionen US-Dollar erreichen wird, rund 1,7 Billionen US-Dollar mehr als heute, und dass 80% des Branchenwachstums von diesen Technologien der 3. Plattform getrieben werden. Langfristig werden diese Technologien Schlüsselinstrumente sein, um mit der Komplexität der zunehmenden digitalen Information umzugehen. Big Data ist eine der intelligenten Branchenlösungen und ermöglicht es der Regierung, bessere Entscheidungen zu treffen, indem sie Maßnahmen auf der Grundlage von Mustern ergreift, die durch die Analyse großer Datenmengen in Bezug auf Daten, die nicht miteinander zusammenhängen, strukturiert und unstrukturiert aufgedeckt werden.
Um diese Leistungen zu erbringen, müssen jedoch nicht nur riesige Datenmengen angesammelt werden. „Um das Volumen von Big Data erfassen, sind modernste Tools und Technologien erforderlich, mit denen sich nützliches Wissen aus einem riesigen und vielfältigen Informationsfluss analysieren und extrahieren lässt“, so Tom Kalil und Fen Zhao vom Büro für Wissenschafts- und Technologiepolitik des Weißen Hauses schrieb in einem Beitrag im OSTP-Blog.
Das Weiße Haus hat 2012 mit der Nationalen Big Data Forschungs- und Entwicklungsinitiative einen Schritt getan, um Agenturen bei der Suche nach diesen Technologien zu unterstützen. Die Initiative umfasste mehr als 200 Millionen US-Dollar, um die Explosion von Big Data und die dazu erforderlichen Tools optimal zu nutzen .
Die Herausforderungen, die Big Data bringt, sind fast so gewaltig wie sein Versprechen ermutigend. Effizientes Speichern von Daten ist eine dieser Herausforderungen. Wie immer sind die Budgets eng, daher müssen Agenturen den Preis für Speicherplatz pro Megabyte minimieren und den Zugriff auf die Daten so gering wie möglich halten, damit die Benutzer sie erhalten können, wann und wie sie sie benötigen. Das Sichern großer Datenmengen erhöht die Herausforderung.
Eine weitere große Herausforderung besteht darin, die Daten effektiv zu analysieren. Viele Agenturen setzen kommerzielle Tools ein, mit denen sie die Datenberge durchsuchen und Trends erkennen können, mit denen sie effizienter arbeiten können. (Eine kürzlich von MeriTalk durchgeführte Studie ergab, dass IT-Führungskräfte des Bundes der Ansicht sind, dass Big Data Agenturen dabei helfen könnte, mehr als 500 Milliarden US-Dollar zu sparen und gleichzeitig die Missionsziele zu erreichen.)
Mit speziell entwickelten Big Data Tools können Agenturen auch auf die Notwendigkeit eingehen, ihre Daten zu analysieren. Beispielsweise hat die Computational Data Analytics Group des Oak Ridge National Laboratory das Piranha-Datenanalysesystem anderen Agenturen zur Verfügung gestellt. Das System hat medizinischen Forschern geholfen, eine Verbindung zu finden, die Ärzte auf Aortenaneurysmen aufmerksam machen kann, bevor sie zuschlagen. Es wird auch für alltäglichere Aufgaben verwendet, z. B. zum Durchsuchen von Lebensläufen, um Bewerber mit Einstellungsmanagern in Verbindung zu bringen.
35 Stunden
Überblick
Überblick
Communication Service Provider (CSP) von Communication stehen unter dem Druck, die Kosten zu senken und den durchschnittlichen Umsatz pro Benutzer (ARPU) zu maximieren, während gleichzeitig ein hervorragendes Kundenerlebnis gewährleistet wird. Das Datenvolumen wächst jedoch weiter. Der weltweite mobile Datenverkehr wird mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 78 Prozent bis 2016 wachsen und 10,8 Exabyte pro Monat erreichen.
Mittlerweile generieren CSPs große Datenmengen, einschließlich Anrufdetailaufzeichnungen (Call Detail Records, CDR), Netzwerkdaten und Kundendaten. Unternehmen, die diese Daten voll ausschöpfen, gewinnen einen Wettbewerbsvorteil. Laut einer kürzlich durchgeführten Umfrage der Economist Intelligence Unit können Unternehmen, die datengesteuerte Entscheidungen treffen, ihre Produktivität um 5-6% steigern. 53% der Unternehmen nutzen jedoch nur die Hälfte ihrer wertvollen Daten, und ein Viertel der Befragten gab an, dass große Mengen nützlicher Daten ungenutzt bleiben. Das Datenvolumen ist so hoch, dass eine manuelle Analyse unmöglich ist und die meisten älteren Softwaresysteme nicht mithalten können, was dazu führt, dass wertvolle Daten verworfen oder ignoriert werden.
Mit der skalierbaren Big Data -Hochgeschwindigkeitssoftware von Big Data & Analytics können CSPs alle ihre Daten abrufen, um in kürzerer Zeit bessere Entscheidungen zu treffen. Verschiedene Big Data Produkte und -Techniken bieten eine durchgängige Softwareplattform zum Sammeln, Aufbereiten, Analysieren und Präsentieren von Erkenntnissen aus Big Data. Zu den Anwendungsbereichen gehören die Überwachung der Netzwerkleistung, Betrugserkennung, Kundenabwanderung und Kreditrisikoanalyse. Big Data & Analytics-Produkte sind für die Verarbeitung von Terabytes an Daten skalierbar. Die Implementierung solcher Tools erfordert jedoch ein neues Cloud-basiertes Datenbanksystem wie Hadoop oder einen massiven Parallel-Computing-Prozessor (KPU usw.).
Diese Schulungsarbeit zu Big Data BI für Telekommunikation deckt alle neuen Bereiche ab, in denen CSPs in Produktivitätssteigerungen und die Erschließung neuer Einnahmequellen investieren. Der Kurs bietet einen umfassenden Überblick über Big Data BI in Telco, sodass Entscheidungsträger und Manager einen umfassenden Überblick über die Möglichkeiten von Big Data BI in Telco zur Steigerung der Produktivität und des Umsatzes erhalten.
Kursziele
Hauptziel des Kurses ist die Einführung neuer Big Data Business Intelligence - Techniken in 4 Sektoren Telecom Business ( - Marketing / Vertrieb, Netzbetrieb, Finanzbetrieb und Customer Relation Management - ). Die Studierenden lernen Folgendes kennen:
- Einführung in Big Data 4 V (Volumen, Geschwindigkeit, Vielfalt und Wahrhaftigkeit) in Big Data - Generieren, Extrahieren und Verwalten aus der Perspektive von Telco
- Unterschiede zwischen Big Data Analysen und Legacy-Datenanalysen
- Eigene Begründung der Big Data Telco-Perspektive
- Einführung in das Hadoop Ökosystem - Vertrautheit mit allen Hadoop Tools wie Hive , Pig, SPARC - wann und wie sie zur Lösung des Big Data Problems verwendet werden
- Extrahieren von Big Data zur Analyse für Analysetools: Mithilfe des integrierten Hadoop Dashboard-Ansatzes können Business Analysis -Anwender ihre Probleme bei der Erfassung und Analyse von Daten reduzieren
- Grundlegende Einführung in Insight Analytics, Visualization Analytics und Predictive Analytics für Telco
- Kundenabwanderung und Big Data Mit Big Data Analysen können die Kundenabwanderung und die Unzufriedenheit der Kunden in Telco-Fallstudien verringert werden
- Analyse von Netzwerkfehlern und Dienstfehlern aus Netzwerk-Metadaten und IPDR
- Finanzanalyse - Betrug, Verschwendung und ROI-Schätzung aus Verkaufs- und Betriebsdaten
- Problem bei der Kundenakquise - Zielmarketing, Kundensegmentierung und Cross-Sale aus Verkaufsdaten
- Einführung und Zusammenfassung aller Big Data Analyseprodukte und wo sie in den Analysebereich von Telco passen
- Fazit: Vorgehensweise zur schrittweisen Einführung von Big Data Business Intelligence in Ihrem Unternehmen
Zielgruppe
- Netzwerkbetrieb, Finanzmanager, CRM-Manager und Top-IT-Manager im Telco CIO-Büro.
- Business in Telco
- CFO Büroleiter / Analysten
- Betriebsleiter
- QA-Manager
Communication Service Provider (CSP) von Communication stehen unter dem Druck, die Kosten zu senken und den durchschnittlichen Umsatz pro Benutzer (ARPU) zu maximieren, während gleichzeitig ein hervorragendes Kundenerlebnis gewährleistet wird. Das Datenvolumen wächst jedoch weiter. Der weltweite mobile Datenverkehr wird mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 78 Prozent bis 2016 wachsen und 10,8 Exabyte pro Monat erreichen.
Mittlerweile generieren CSPs große Datenmengen, einschließlich Anrufdetailaufzeichnungen (Call Detail Records, CDR), Netzwerkdaten und Kundendaten. Unternehmen, die diese Daten voll ausschöpfen, gewinnen einen Wettbewerbsvorteil. Laut einer kürzlich durchgeführten Umfrage der Economist Intelligence Unit können Unternehmen, die datengesteuerte Entscheidungen treffen, ihre Produktivität um 5-6% steigern. 53% der Unternehmen nutzen jedoch nur die Hälfte ihrer wertvollen Daten, und ein Viertel der Befragten gab an, dass große Mengen nützlicher Daten ungenutzt bleiben. Das Datenvolumen ist so hoch, dass eine manuelle Analyse unmöglich ist und die meisten älteren Softwaresysteme nicht mithalten können, was dazu führt, dass wertvolle Daten verworfen oder ignoriert werden.
Mit der skalierbaren Big Data -Hochgeschwindigkeitssoftware von Big Data & Analytics können CSPs alle ihre Daten abrufen, um in kürzerer Zeit bessere Entscheidungen zu treffen. Verschiedene Big Data Produkte und -Techniken bieten eine durchgängige Softwareplattform zum Sammeln, Aufbereiten, Analysieren und Präsentieren von Erkenntnissen aus Big Data. Zu den Anwendungsbereichen gehören die Überwachung der Netzwerkleistung, Betrugserkennung, Kundenabwanderung und Kreditrisikoanalyse. Big Data & Analytics-Produkte sind für die Verarbeitung von Terabytes an Daten skalierbar. Die Implementierung solcher Tools erfordert jedoch ein neues Cloud-basiertes Datenbanksystem wie Hadoop oder einen massiven Parallel-Computing-Prozessor (KPU usw.).
Diese Schulungsarbeit zu Big Data BI für Telekommunikation deckt alle neuen Bereiche ab, in denen CSPs in Produktivitätssteigerungen und die Erschließung neuer Einnahmequellen investieren. Der Kurs bietet einen umfassenden Überblick über Big Data BI in Telco, sodass Entscheidungsträger und Manager einen umfassenden Überblick über die Möglichkeiten von Big Data BI in Telco zur Steigerung der Produktivität und des Umsatzes erhalten.
Kursziele
Hauptziel des Kurses ist die Einführung neuer Big Data Business Intelligence - Techniken in 4 Sektoren Telecom Business ( - Marketing / Vertrieb, Netzbetrieb, Finanzbetrieb und Customer Relation Management - ). Die Studierenden lernen Folgendes kennen:
- Einführung in Big Data 4 V (Volumen, Geschwindigkeit, Vielfalt und Wahrhaftigkeit) in Big Data - Generieren, Extrahieren und Verwalten aus der Perspektive von Telco
- Unterschiede zwischen Big Data Analysen und Legacy-Datenanalysen
- Eigene Begründung der Big Data Telco-Perspektive
- Einführung in das Hadoop Ökosystem - Vertrautheit mit allen Hadoop Tools wie Hive , Pig, SPARC - wann und wie sie zur Lösung des Big Data Problems verwendet werden
- Extrahieren von Big Data zur Analyse für Analysetools: Mithilfe des integrierten Hadoop Dashboard-Ansatzes können Business Analysis -Anwender ihre Probleme bei der Erfassung und Analyse von Daten reduzieren
- Grundlegende Einführung in Insight Analytics, Visualization Analytics und Predictive Analytics für Telco
- Kundenabwanderung und Big Data Mit Big Data Analysen können die Kundenabwanderung und die Unzufriedenheit der Kunden in Telco-Fallstudien verringert werden
- Analyse von Netzwerkfehlern und Dienstfehlern aus Netzwerk-Metadaten und IPDR
- Finanzanalyse - Betrug, Verschwendung und ROI-Schätzung aus Verkaufs- und Betriebsdaten
- Problem bei der Kundenakquise - Zielmarketing, Kundensegmentierung und Cross-Sale aus Verkaufsdaten
- Einführung und Zusammenfassung aller Big Data Analyseprodukte und wo sie in den Analysebereich von Telco passen
- Fazit: Vorgehensweise zur schrittweisen Einführung von Big Data Business Intelligence in Ihrem Unternehmen
Zielgruppe
- Netzwerkbetrieb, Finanzmanager, CRM-Manager und Top-IT-Manager im Telco CIO-Büro.
- Business in Telco
- CFO Büroleiter / Analysten
- Betriebsleiter
- QA-Manager
21 Stunden
Überblick
Audience
If you try to make sense out of the data you have access to or want to analyse unstructured data available on the net (like Twitter, Linked in, etc...) this course is for you.
It is mostly aimed at decision makers and people who need to choose what data is worth collecting and what is worth analyzing.
It is not aimed at people configuring the solution, those people will benefit from the big picture though.
Delivery Mode
During the course delegates will be presented with working examples of mostly open source technologies.
Short lectures will be followed by presentation and simple exercises by the participants
Content and Software used
All software used is updated each time the course is run, so we check the newest versions possible.
It covers the process from obtaining, formatting, processing and analysing the data, to explain how to automate decision making process with machine learning.
If you try to make sense out of the data you have access to or want to analyse unstructured data available on the net (like Twitter, Linked in, etc...) this course is for you.
It is mostly aimed at decision makers and people who need to choose what data is worth collecting and what is worth analyzing.
It is not aimed at people configuring the solution, those people will benefit from the big picture though.
Delivery Mode
During the course delegates will be presented with working examples of mostly open source technologies.
Short lectures will be followed by presentation and simple exercises by the participants
Content and Software used
All software used is updated each time the course is run, so we check the newest versions possible.
It covers the process from obtaining, formatting, processing and analysing the data, to explain how to automate decision making process with machine learning.
35 Stunden
Überblick
Day 1 - provides a high-level overview of essential Big Data topic areas. The module is divided into a series of sections, each of which is accompanied by a hands-on exercise.
Day 2 - explores a range of topics that relate analysis practices and tools for Big Data environments. It does not get into implementation or programming details, but instead keeps coverage at a conceptual level, focusing on topics that enable participants to develop a comprehensive understanding of the common analysis functions and features offered by Big Data solutions.
Day 3 - provides an overview of the fundamental and essential topic areas relating to Big Data solution platform architecture. It covers Big Data mechanisms required for the development of a Big Data solution platform and architectural options for assembling a data processing platform. Common scenarios are also presented to provide a basic understanding of how a Big Data solution platform is generally used.
Day 4 - builds upon Day 3 by exploring advanced topics relatng to Big Data solution platform architecture. In particular, different architectural layers that make up the Big Data solution platform are introduced and discussed, including data sources, data ingress, data storage, data processing and security.
Day 5 - covers a number of exercises and problems designed to test the delegates ability to apply knowledge of topics covered Day 3 and 4.
Day 2 - explores a range of topics that relate analysis practices and tools for Big Data environments. It does not get into implementation or programming details, but instead keeps coverage at a conceptual level, focusing on topics that enable participants to develop a comprehensive understanding of the common analysis functions and features offered by Big Data solutions.
Day 3 - provides an overview of the fundamental and essential topic areas relating to Big Data solution platform architecture. It covers Big Data mechanisms required for the development of a Big Data solution platform and architectural options for assembling a data processing platform. Common scenarios are also presented to provide a basic understanding of how a Big Data solution platform is generally used.
Day 4 - builds upon Day 3 by exploring advanced topics relatng to Big Data solution platform architecture. In particular, different architectural layers that make up the Big Data solution platform are introduced and discussed, including data sources, data ingress, data storage, data processing and security.
Day 5 - covers a number of exercises and problems designed to test the delegates ability to apply knowledge of topics covered Day 3 and 4.
21 Stunden
Überblick
Big Data is a term that refers to solutions destined for storing and processing large data sets. Developed by Google initially, these Big Data solutions have evolved and inspired other similar projects, many of which are available as open-source. R is a popular programming language in the financial industry.
14 Stunden
Überblick
When traditional storage technologies don't handle the amount of data you need to store there are hundereds of alternatives. This course try to guide the participants what are alternatives for storing and analyzing Big Data and what are theirs pros and cons.
This course is mostly focused on discussion and presentation of solutions, though hands-on exercises are available on demand.
This course is mostly focused on discussion and presentation of solutions, though hands-on exercises are available on demand.
14 Stunden
Überblick
The course is part of the Data Scientist skill set (Domain: Data and Technology).
35 Stunden
Überblick
Big data is data sets that are so voluminous and complex that traditional data processing application software are inadequate to deal with them. Big data challenges include capturing data, data storage, data analysis, search, sharing, transfer, visualization, querying, updating and information privacy.
35 Stunden
Überblick
Participants who complete this instructor-led, live training in Schweiz will gain a practical, real-world understanding of Big Data and its related technologies, methodologies and tools.
Participants will have the opportunity to put this knowledge into practice through hands-on exercises. Group interaction and instructor feedback make up an important component of the class.
The course starts with an introduction to elemental concepts of Big Data, then progresses into the programming languages and methodologies used to perform Data Analysis. Finally, we discuss the tools and infrastructure that enable Big Data storage, Distributed Processing, and Scalability.
Participants will have the opportunity to put this knowledge into practice through hands-on exercises. Group interaction and instructor feedback make up an important component of the class.
The course starts with an introduction to elemental concepts of Big Data, then progresses into the programming languages and methodologies used to perform Data Analysis. Finally, we discuss the tools and infrastructure that enable Big Data storage, Distributed Processing, and Scalability.
14 Stunden
Überblick
Vespa is an open-source big data processing and serving engine created by Yahoo. It is used to respond to user queries, make recommendations, and provide personalized content and advertisements in real-time.
This instructor-led, live training introduces the challenges of serving large-scale data and walks participants through the creation of an application that can compute responses to user requests, over large datasets in real-time.
By the end of this training, participants will be able to:
- Use Vespa to quickly compute data (store, search, rank, organize) at serving time while a user waits
- Implement Vespa into existing applications involving feature search, recommendations, and personalization
- Integrate and deploy Vespa with existing big data systems such as Hadoop and Storm.
Audience
- Developers
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
This instructor-led, live training introduces the challenges of serving large-scale data and walks participants through the creation of an application that can compute responses to user requests, over large datasets in real-time.
By the end of this training, participants will be able to:
- Use Vespa to quickly compute data (store, search, rank, organize) at serving time while a user waits
- Implement Vespa into existing applications involving feature search, recommendations, and personalization
- Integrate and deploy Vespa with existing big data systems such as Hadoop and Storm.
Audience
- Developers
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
14 Stunden
Überblick
To meet compliance of the regulators, CSPs (Communication service providers) can tap into Big Data Analytics which not only help them to meet compliance but within the scope of same project they can increase customer satisfaction and thus reduce the churn. In fact since compliance is related to Quality of service tied to a contract, any initiative towards meeting the compliance, will improve the “competitive edge” of the CSPs. Therefore, it is important that Regulators should be able to advise/guide a set of Big Data analytic practice for CSPs that will be of mutual benefit between the regulators and CSPs.
The course consists of 8 modules (4 on day 1, and 4 on day 2)
The course consists of 8 modules (4 on day 1, and 4 on day 2)
35 Stunden
Überblick
Advances in technologies and the increasing amount of information are transforming how law enforcement is conducted. The challenges that Big Data pose are nearly as daunting as Big Data's promise. Storing data efficiently is one of these challenges; effectively analyzing it is another.
In this instructor-led, live training, participants will learn the mindset with which to approach Big Data technologies, assess their impact on existing processes and policies, and implement these technologies for the purpose of identifying criminal activity and preventing crime. Case studies from law enforcement organizations around the world will be examined to gain insights on their adoption approaches, challenges and results.
By the end of this training, participants will be able to:
- Combine Big Data technology with traditional data gathering processes to piece together a story during an investigation
- Implement industrial big data storage and processing solutions for data analysis
- Prepare a proposal for the adoption of the most adequate tools and processes for enabling a data-driven approach to criminal investigation
Audience
- Law Enforcement specialists with a technical background
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
In this instructor-led, live training, participants will learn the mindset with which to approach Big Data technologies, assess their impact on existing processes and policies, and implement these technologies for the purpose of identifying criminal activity and preventing crime. Case studies from law enforcement organizations around the world will be examined to gain insights on their adoption approaches, challenges and results.
By the end of this training, participants will be able to:
- Combine Big Data technology with traditional data gathering processes to piece together a story during an investigation
- Implement industrial big data storage and processing solutions for data analysis
- Prepare a proposal for the adoption of the most adequate tools and processes for enabling a data-driven approach to criminal investigation
Audience
- Law Enforcement specialists with a technical background
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
14 Stunden
Überblick
This classroom based training session will explore Big Data. Delegates will have computer based examples and case study exercises to undertake with relevant big data tools
14 Stunden
Überblick
Objective : This training course aims at helping attendees understand why Big Data is changing our lives and how it is altering the way businesses see us as consumers. Indeed, users of big data in businesses find that big data unleashes a wealth of information and insights which translate to higher profits, reduced costs, and less risk. However, the downside was frustration sometimes when putting too much emphasis on individual technologies and not enough focus on the pillars of big data management.
Attendees will learn during this course how to manage the big data using its three pillars of data integration, data governance and data security in order to turn big data into real business value. Different exercices conducted on a case study of customer management will help attendees to better understand the underlying processes.
Attendees will learn during this course how to manage the big data using its three pillars of data integration, data governance and data security in order to turn big data into real business value. Different exercices conducted on a case study of customer management will help attendees to better understand the underlying processes.
7 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
7 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at software engineers who wish to use Sqoop and Flume for big data.
By the end of this training, participants will be able to:
- Ingest big data with Sqoop and Flume.
- Ingest data from multiple data sources.
- Move data from relational databases to HDFS and Hive.
- Export data from HDFS to a relational database.
By the end of this training, participants will be able to:
- Ingest big data with Sqoop and Flume.
- Ingest data from multiple data sources.
- Move data from relational databases to HDFS and Hive.
- Export data from HDFS to a relational database.
28 Stunden
Überblick
This instructor-led, live training in Schweiz (online or onsite) is aimed at technical persons who wish to deploy Talend Open Studio for Big Data to simplifying the process of reading and crunching through Big Data.
By the end of this training, participants will be able to:
- Install and configure Talend Open Studio for Big Data.
- Connect with Big Data systems such as Cloudera, HortonWorks, MapR, Amazon EMR and Apache.
- Understand and set up Open Studio's big data components and connectors.
- Configure parameters to automatically generate MapReduce code.
- Use Open Studio's drag-and-drop interface to run Hadoop jobs.
- Prototype big data pipelines.
- Automate big data integration projects.
By the end of this training, participants will be able to:
- Install and configure Talend Open Studio for Big Data.
- Connect with Big Data systems such as Cloudera, HortonWorks, MapR, Amazon EMR and Apache.
- Understand and set up Open Studio's big data components and connectors.
- Configure parameters to automatically generate MapReduce code.
- Use Open Studio's drag-and-drop interface to run Hadoop jobs.
- Prototype big data pipelines.
- Automate big data integration projects.
21 Stunden
Überblick
The course is dedicated to IT specialists that are looking for a solution to store and process large data sets in distributed system environment
Course goal:
Getting knowledge regarding Hadoop cluster administration
Course goal:
Getting knowledge regarding Hadoop cluster administration
35 Stunden
Überblick
Audience:
The course is intended for IT specialists looking for a solution to store and process large data sets in a distributed system environment
Goal:
Deep knowledge on Hadoop cluster administration.
The course is intended for IT specialists looking for a solution to store and process large data sets in a distributed system environment
Goal:
Deep knowledge on Hadoop cluster administration.
28 Stunden
Überblick
Audience:
This course is intended to demystify big data/hadoop technology and to show it is not difficult to understand.
This course is intended to demystify big data/hadoop technology and to show it is not difficult to understand.
28 Stunden
Überblick
Apache Hadoop is the most popular framework for processing Big Data on clusters of servers. This course will introduce a developer to various components (HDFS, MapReduce, Pig, Hive and HBase) Hadoop ecosystem.
21 Stunden
Überblick
Apache Hadoop is one of the most popular frameworks for processing Big Data on clusters of servers. This course delves into data management in HDFS, advanced Pig, Hive, and HBase. These advanced programming techniques will be beneficial to experienced Hadoop developers.
Audience: developers
Duration: three days
Format: lectures (50%) and hands-on labs (50%).
Audience: developers
Duration: three days
Format: lectures (50%) and hands-on labs (50%).
21 Stunden
Überblick
This course introduces HBase – a NoSQL store on top of Hadoop. The course is intended for developers who will be using HBase to develop applications, and administrators who will manage HBase clusters.
We will walk a developer through HBase architecture and data modelling and application development on HBase. It will also discuss using MapReduce with HBase, and some administration topics, related to performance optimization. The course is very hands-on with lots of lab exercises.
Duration : 3 days
Audience : Developers & Administrators
We will walk a developer through HBase architecture and data modelling and application development on HBase. It will also discuss using MapReduce with HBase, and some administration topics, related to performance optimization. The course is very hands-on with lots of lab exercises.
Duration : 3 days
Audience : Developers & Administrators
21 Stunden
Überblick
Apache Hadoop is the most popular framework for processing Big Data on clusters of servers. In this three (optionally, four) days course, attendees will learn about the business benefits and use cases for Hadoop and its ecosystem, how to plan cluster deployment and growth, how to install, maintain, monitor, troubleshoot and optimize Hadoop. They will also practice cluster bulk data load, get familiar with various Hadoop distributions, and practice installing and managing Hadoop ecosystem tools. The course finishes off with discussion of securing cluster with Kerberos.
“…The materials were very well prepared and covered thoroughly. The Lab was very helpful and well organized”
— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising
Audience
Hadoop administrators
Format
Lectures and hands-on labs, approximate balance 60% lectures, 40% labs.
“…The materials were very well prepared and covered thoroughly. The Lab was very helpful and well organized”
— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising
Audience
Hadoop administrators
Format
Lectures and hands-on labs, approximate balance 60% lectures, 40% labs.
21 Stunden
Überblick
Apache Hadoop is the most popular framework for processing Big Data. Hadoop provides rich and deep analytics capability, and it is making in-roads in to tradional BI analytics world. This course will introduce an analyst to the core components of Hadoop eco system and its analytics
Audience
Business Analysts
Duration
three days
Format
Lectures and hands on labs.
Audience
Business Analysts
Duration
three days
Format
Lectures and hands on labs.
21 Stunden
Überblick
Hadoop is the most popular Big Data processing framework.
14 Stunden
Überblick
Audience
- Developers
Format of the Course
- Lectures, hands-on practice, small tests along the way to gauge understanding
- Developers
Format of the Course
- Lectures, hands-on practice, small tests along the way to gauge understanding
21 Stunden
Überblick
This course is intended for developers, architects, data scientists or any profile that requires access to data either intensively or on a regular basis.
The major focus of the course is data manipulation and transformation.
Among the tools in the Hadoop ecosystem this course includes the use of Pig and Hive both of which are heavily used for data transformation and manipulation.
This training also addresses performance metrics and performance optimisation.
The course is entirely hands on and is punctuated by presentations of the theoretical aspects.
The major focus of the course is data manipulation and transformation.
Among the tools in the Hadoop ecosystem this course includes the use of Pig and Hive both of which are heavily used for data transformation and manipulation.
This training also addresses performance metrics and performance optimisation.
The course is entirely hands on and is punctuated by presentations of the theoretical aspects.
14 Stunden
Überblick
As more and more software and IT projects migrate from local processing and data management to distributed processing and big data storage, Project Managers are finding the need to upgrade their knowledge and skills to grasp the concepts and practices relevant to Big Data projects and opportunities.
This course introduces Project Managers to the most popular Big Data processing framework: Hadoop.
In this instructor-led training, participants will learn the core components of the Hadoop ecosystem and how these technologies can be used to solve large-scale problems. In learning these foundations, participants will also improve their ability to communicate with the developers and implementers of these systems as well as the data scientists and analysts that many IT projects involve.
Audience
- Project Managers wishing to implement Hadoop into their existing development or IT infrastructure
- Project Managers needing to communicate with cross-functional teams that include big data engineers, data scientists and business analysts
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
This course introduces Project Managers to the most popular Big Data processing framework: Hadoop.
In this instructor-led training, participants will learn the core components of the Hadoop ecosystem and how these technologies can be used to solve large-scale problems. In learning these foundations, participants will also improve their ability to communicate with the developers and implementers of these systems as well as the data scientists and analysts that many IT projects involve.
Audience
- Project Managers wishing to implement Hadoop into their existing development or IT infrastructure
- Project Managers needing to communicate with cross-functional teams that include big data engineers, data scientists and business analysts
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
14 Stunden
Überblick
Apache Samza is an open-source near-realtime, asynchronous computational framework for stream processing. It uses Apache Kafka for messaging, and Apache Hadoop YARN for fault tolerance, processor isolation, security, and resource management.
This instructor-led, live training introduces the principles behind messaging systems and distributed stream processing, while walking participants through the creation of a sample Samza-based project and job execution.
By the end of this training, participants will be able to:
- Use Samza to simplify the code needed to produce and consume messages.
- Decouple the handling of messages from an application.
- Use Samza to implement near-realtime asynchronous computation.
- Use stream processing to provide a higher level of abstraction over messaging systems.
Audience
- Developers
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
This instructor-led, live training introduces the principles behind messaging systems and distributed stream processing, while walking participants through the creation of a sample Samza-based project and job execution.
By the end of this training, participants will be able to:
- Use Samza to simplify the code needed to produce and consume messages.
- Decouple the handling of messages from an application.
- Use Samza to implement near-realtime asynchronous computation.
- Use stream processing to provide a higher level of abstraction over messaging systems.
Audience
- Developers
Format of the course
- Part lecture, part discussion, exercises and heavy hands-on practice
Zukünftige Big Data Kurse
23-08-2021 09:30
21 hours
25-08-2021 09:30
14 hours
08-09-2021 09:30
21 hours
29-09-2021 09:30
21 hours
05-10-2021 09:30
21 hours
Andere Länder
Consulting
Big Data Schulung, Big Data boot camp, Big Data Abendkurse, Big Data Wochenendkurse, Big Data Kurs, Big Data Training, Big Data Seminar, Big Data Seminare, Big Data Privatkurs, Big Data Coaching, Big Data Lehrer
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "american international group (aig)")
.png "european central bank (ecb)")
.png "aeronautical radio, incorporated (arinc)"){kind=small}
