Программа курса «Аналитика больших данных для руководителей»

1. Введение в Big Data (Большие данные)

   • Большие данные и цифровизация бизнеса
   • Методы аналитики больших данных
   • Отраслевая специфика аналитики больших данных
   • Сценарии применения технологий больших данных
   • Жизненный цикл аналитики данных: получение данных, подготовка данных, планирование модели, построение модели, проверка результатов, внедрение
   • Формирование озера данных Data Lake

2. Data Mining  — извлечение знаний из больших данных

   • Задачи и техники Data Mining
   • Классификация и кластеризация
   • Прогнозирование и визуализация
   • Ассоциативные правила и обнаружение аномалий
   • Методология CRISP-DM, SEMMA
   • Инструменты Data Mining
   • Специфика применения Data Mining для разных отраслей бизнеса с примерами

3. Машинное обучение для Data mining

   • Основные определения
   • Задачи и область применения машинного обучения
   • Supervised/unsupervised машинное обучение
   • Инструменты и технологии машинного обучения

4. Data mining в социальных сетях

   • Введение в анализ социальных сетей и теорию графов
   • Базовые алгоритмы на графах и основные возможности графового анализа
   • Феномен маленького мира
   • Выделение важных узлов в социальных сетях
   • Инструменты и методы визуализации графов для применения в бизнесе

5. Инструментарий для работы с Big Data

   • Специфика работы с Big Data
   • Аналитика для неструктурированных данных с использованием Hadoop
   • Назначение и характеристика компонент экосистемы Apache Hadoop для хранения и обработки Big Data (MapReduce, HDFS, YARN, Spark, HBase, Hive, и т.д.)
   • Сравнительный анализ Hadoop дистрибутивов (Arenadata Hadoop, Cloudera, Horton Works, MapR) и инструментарий аналитика данных на примерах использования
   • Сравнительные характеристики программных и аппаратных решений для реализации решений по Big Data
   • Облачные платформы (AWS, EMR, Azure) для реализации решений по Big Data
   • Средства визуализации для аналитики данных.

6. Интеграция Больших данных

   • Основные принципы работы с Big Data
   • Импорт и экспорт данных с Hadoop (SQL, NoSQL, HDFS, NFS, потоковые данные, web content, файлы логов, социальные сети)
   • Пакетная и динамическая загрузка данных

7. Правовые аспекты организации защиты персональных данных

   • Правовое регулирование в области защиты персональных данных
   • Международная практика в области защиты персональных данных
   • Права субъекта и обязанности оператора при обработке персональных данных
   • Виды нарушений безопасности персональных данных
   • Стандарт GDRP 

8. С чего начать?

   • Формирование команды проекта Big Data. Ключевые роли
   • Специфика рынка данных и аналитики
   • Использование подходов Agile и DevOps
   • Методологии для стандарты
   • Отличия подходов Business Intelligence и Data Science
   • Сравнительные характеристики программных и аппаратных решений для реализации решений по Big Data.