داده های بزرگ دنیای تجارت را دگرگون کرده است. با این حال ، بسیاری از افراد نمی فهمند که داده های بزرگ و هوش تجاری چیست یا چگونه می توان تکنیک ها را در مشاغل روزانه خود به کار گرفت. این دوره به این شکاف دانش می پردازد ، و به روشهای عملی برای بازرگانان برای ایجاد پیش بینی های سریع و مرتبط با استفاده از داده های بزرگ می دهد.

به استاد مایکل مک دونالد بپیوندید و کشف کنید که چگونه می توانید از تجزیه و تحلیل پیش بینی کننده برای پیش بینی شاخص های کلیدی عملکرد علاقه ، مانند فروش سه ماهه ، جریان نقدی پیش بینی شده یا حتی قیمت گذاری بهینه شده محصول استفاده کنید. بیاموزید که چگونه جمع آوری ، محاسبه و استفاده از نسبت های مالی اساسی ، و سپس نحوه استفاده از این نسبت ها را برای اهداف پیش بینی به دنبال نتایج کلیدی برای شرکت استفاده کنید. تمام آنچه شما نیاز دارید مایکروسافت اکسل است. مایکل از فرمول ها ، توابع و محاسبات داخلی برای انجام تجزیه و تحلیل رگرسیون ، محاسبه فواصل اطمینان و آزمایش استرس نتایج خود استفاده می کند. شما از این دوره دور خواهید شد که بتوانید بلافاصله شروع به ایجاد پیش بینی برای نیازهای تجاری خود کنید.

این دوره بخشی از است.

Apache Hadoop پیشگام در دنیای فناوری های کلان داده بود و همچنان در ذخیره سازی کلان داده های سازمانی پیشتاز است. Apache Spark برترین موتور پردازش داده های بزرگ است و مجموعه ای چشمگیر از ویژگی ها و قابلیت ها را ارائه می دهد. هنگامی که با هم استفاده می شود، سیستم فایل توزیع شده Hadoop (HDFS) و Spark می توانند یک راه اندازی واقعا مقیاس پذیر برای تجزیه و تحلیل داده های بزرگ ارائه دهند. در این دوره، کوماران پونامبالام، متخصص تجزیه و تحلیل داده، به شما نشان می دهد که چگونه از این دو فناوری برای ایجاد خطوط لوله تجزیه و تحلیل داده مقیاس پذیر و بهینه استفاده کنید. کاوش راه هایی برای بهینه سازی مدل سازی و ذخیره سازی داده ها در HDFS؛ بحث در مورد مصرف و استخراج داده های مقیاس پذیر با استفاده از Spark. و نکات قابل اجرا برای بهینه سازی پردازش داده ها در Spark را مرور کنید. به علاوه، یک پروژه مورد استفاده را تکمیل کنید که به شما امکان می دهد تکنیک های جدید خود را تمرین کنید.

 Apache Hadoop پیشگام در دنیای فناوری های کلان داده بود و همچنان در ذخیره سازی کلان داده های سازمانی پیشرو است. Apache Spark برترین موتور پردازش داده های بزرگ است و مجموعه ای چشمگیر از ویژگی ها و قابلیت ها را ارائه می دهد. هنگامی که با هم استفاده می شود، سیستم فایل توزیع شده Hadoop (HDFS) و Spark می توانند یک تنظیم تجزیه و تحلیل داده های بزرگ واقعا مقیاس پذیر را ارائه دهند. در این دوره آموزشی، یاد بگیرید که چگونه از این دو فناوری برای ایجاد خطوط لوله تجزیه و تحلیل داده مقیاس پذیر و بهینه استفاده کنید. مربی کوماران پونامبالام راه‌هایی را برای بهینه‌سازی مدل‌سازی و ذخیره‌سازی داده در HDFS بررسی می‌کند. در مورد مصرف و استخراج داده های مقیاس پذیر با استفاده از Spark صحبت می کند. و نکاتی را برای بهینه سازی پردازش داده ها در Spark ارائه می دهد. به علاوه، او یک پروژه مورد استفاده ارائه می دهد که به شما امکان می دهد تکنیک های جدید خود را تمرین کنید.

انقلاب در علم داده، خوب یا بد، شیوه تجارت شرکت‌ها را در چند دهه اخیر تغییر داده است. اما علم داده فقط برای سرمایه داران نیست. هوش مصنوعی یکی از مهمترین نیروها برای تغییر است که در قرن گذشته توسعه یافته است و ما تازه شروع به شناخت قدرت و پتانسیل واقعی آن کرده ایم. در داده برای خوب: استفاده از علم داده در سازمان های غیرانتفاعی و سازمان های غیردولتی، مارتین کمکا نحوه استفاده از علم داده و یادگیری ماشین را در خارج از بخش انتفاعی بررسی می کند. او پارامترهایی را پوشش می دهد که چگونه داده ها برای تأثیرگذاری بر دنیای ما کار می کنند، چگونه می توان مفهوم داده برای خوب را به کار برد، چگونه می توان بهترین مسائل را برای حل با داده ها تعیین کرد، و چه ابزارهایی را مورد نیاز است. مارتین همچنین مطالعات موردی و چالش‌هایی در دنیای واقعی برای نشان دادن بیشتر درس‌ها ارائه می‌کند.

در این دوره جامع ، رابطه جدایی ناپذیر بین داده های بزرگ و هوش مصنوعی را کشف کنید. در این دوره ، بارتون پولسون - استاد ، مشاور ، کارآفرین و کارشناس داده - به سه در مقابل داده های بزرگ می رود: حجم ، سرعت و تنوع. دریابید که چگونه آنها پیشرفت های AI را هدایت می کنند. بیاموزید که چگونه مجموعه داده های عظیم را کنترل کنید ، از الگوریتم های یادگیری ماشین استفاده کنید و از تجزیه و تحلیل پیش بینی کننده برای کشف بینش های ارزشمند استفاده کنید. تکنیک های تشخیص ناهنجاری ، تجزیه و تحلیل متن و تجزیه و تحلیل احساسات را کشف کنید. ملاحظات اخلاقی ، پیامدهای قانونی و تأثیرات زیست محیطی مرتبط با استفاده از داده های بزرگ را درک کنید. با برنامه های دنیای واقعی درگیر شوید و ببینید که چگونه داده های بزرگ به داده های کوچک عملی برای کاربران نهایی تبدیل می شوند. در پایان این دوره ، شما به مهارت هایی برای تبدیل داده های خام به راه حل های قدرتمند ، بصیرت و عملی برای نیازهای حرفه ای خود مجهز خواهید شد.

رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرم‌های اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه‌های متخصص مهندسی ابر و دانشمند داده کوماران پونامبالام - نحوه انجام تجزیه و تحلیل داده‌های اکتشافی با GCP را نشان می‌دهد. ابتدا مفاهیم تقسیم بندی و پروفایل را مرور کنید. سپس دست به کار شوید، همانطور که یاد می گیرید هم تجزیه و تحلیل متنی و هم بصری داده ها را با استفاده از ابزارهای ارائه شده توسط GCP انجام دهید: Cloud Datalab، BigQuery، Cloud Dataflow، و Data Studio. در نهایت، به یک مورد استفاده نهایی نگاه کنید که آنچه را که در دوره یاد گرفته‌اید اعمال می‌کند.

 بسیاری از افرادی که در تیم های علوم داده کار می کنند چیزی غیر از دانشمندان داده تبدیل می شوند. گفته می شود ، بسیاری از آنها مدیر و همکاران خواهند شد که می خواهند از داده های سازمان شما ارزش تجاری واقعی کسب کنند. این اعضای تیم باید زبان علوم داده را درک کنند تا بتوانند سؤالات بهتری بپرسند ، فرایندها را درک کنند و به طور مؤثر تیم ها و سازمان های خود را به سمت تصمیمات بهتر محور داده هدایت کنند. در این دوره ، برای افرادی که قصد کار به عنوان دانشمندان تمام وقت داده را ندارند ، مقدمه ای از علوم داده دریافت کنید. مفاهیم ، ابزارها و تکنیک های داده های بزرگ ، از جمله جمع آوری و مرتب سازی داده ها ، کار با پایگاه داده ها ، درک انواع داده های ساختار یافته و بدون ساختار ، استفاده از تحلیل آماری ، پرسیدن سؤالات مهم و گفتن داستانها را در مورد داده ها کشف کنید. مربی تجارت و نویسنده داگ رز به شما کمک می کند تا به زبان علوم داده صحبت کنید تا بتوانید سازمان خود را از طریق فرصت ها و محدودیت های موجود در این زمینه به طرز چشمگیری در حال رشد راهنمایی کنید.