Enterprise Big Data Analsyt
Zielgruppe
speziell Führungs- und Fachkräfte, die mit der Führung oder den Aufbau von Big Data, Business Intelligence und Datenauswertungsfragen befasst sind
Inhalt
- Verstehen und erklären Sie den Datenanalyseprozess, einschließlich aller relevanten Schritte, die in der Enterprise Big Data-Analyse enthalten sind.
- Verstehen Sie den Unterschied und die Struktur gängiger Datenquellen (lokale, Online- und Datenbankverbindungen) und die Art und Weise, wie diese Quellen importiert werden sollten, um Datenanalysen durchzuführen.
- Wenden Sie grundlegende Datenbereinigungsvorgänge und die Unterschiede zwischen verschiedenen Datenbereinigungstechniken an und nutzen Sie sie.
- Wenden Sie grundlegende Data-Wrangling-Operationen und die Unterschiede zwischen verschiedenen Data-Wrangling-Techniken an und nutzen Sie sie. Verstehen und Anwenden explorativer Datenanalysetechniken, die für die Modellerstellung, Modellvalidierung und erste Visualisierungen erforderlich sind.
- Die Kernkonzepte der statistischen Inferenz verstehen und anwenden, einschließlich der Techniken, die für das Testen von Hypothesen erforderlich sind. Formulieren und interpretieren Sie Vorhersagemodelle basierend auf statistischen Korrelations- und Regressionsfunktionen, einschließlich einfacher linearer Regression. Formulieren und interpretieren Sie Machine-Learning-Modelle für die Klassifizierung, einschließlich K-Nearest Neighbour, Naive Bayes, Logistic Regression und Classification Trees.
- Formulieren und interpretieren Sie Machine-Learning-Modelle für das Clustering, einschließlich der hierarchischen Clustering- und K-Means-Clustering-Techniken. Formulieren und interpretieren Sie Ausreißererkennungsmodelle, einschließlich Grubbs-Ausreißererkennung und K-NN-Ausreißererkennung. Verstehen und Anwenden der Kerndatenpräsentation, Techniken einschließlich Codebücher und Visualisierungen, um die Ergebnisse ihrer Analyse zu präsentieren.
Nutzen
- Dieser Kurs bietet einen Überblick über die gängigsten Algorithmen für die explorative Datenanalyse, statistische Inferenz, prädiktive Modellierung und Techniken des maschinellen Lernens (Klassifizierung und Clustering). Der Kurs „Enterprise Big Data Analyst“ behandelt fortgeschrittene Datenanalysetechniken im Kontext von Big Data.
- Die Kursteilnehmer lernen die zugrunde liegende Theorie der verschiedenen Algorithmen und wie jeder Algorithmus in der Programmiersprache R in der Praxis angewendet werden kann.
- Der Kursansatz vermittelt ein herstellerneutrales und objektives Verständnis von Big-Data-Architekturen, -Technologien und -Prozessen. Der Kurs „Enterprise Big Data Analyst“ ist die zweite Stufe des Lehrplans und Zertifizierungsprogramms des Big Data Framework, das weltweit von APMG-International akkreditiert ist.
- Die Qualifizierung zum Enterprise Big Data Analyst ist ein Praktikerkurs für alle Datenexperten, die ein tiefgreifendes Verständnis von Big Data-Analysetechniken und -modellen, Kerndatenanalyseprozessschritten und Best Practices zur Gewinnung von Wert aus Daten anstreben.
- Der Kurs gibt einen Überblick über statistische und maschinelle Lernmodelle, die in der Programmiersprache R abgebildet werden. Diese Zertifizierung testet keine Programmierkenntnisse. Der Schwerpunkt liegt auf der korrekten Anwendung der theoretischen Modelle, jedoch müssen die Teilnehmer die Ausgabe von Programmiersprachen verstehen, um Schlussfolgerungen aus den Analyseergebnissen ziehen zu können.
Kurssprachen: D / Englische Unterlagen - Englische Prüfung
Kursdauer: 24 Stunden
Prüfungsmodus:
- Computerbased - Onsite-Proctoring am letzten Kurstag - Open Book 2,5 Stunden
- Fallstudienbasiert
- 65 % Passrate
- Prüfungsvoucher - ein Jahr gültig
Zertifikat wird ausgestellt durch:
APMG
Betreuungsformate:
Format |
Währung |
Preis (2 Tge) |
Preis Prfg / Person |
Inhouse 4 bis 8 Personen |
EUR / CHF |
5120 |
320 |
VIP Coaching - Videoconf |
EUR / CHF |
5120 |
320 |
4 Stundenblocks - Indiv. Lernplan - Videoconf |
EUR / CHF |
5120 |
320 |
Disclaimers / IPR Hinweise:
Kosten: CHF 5120.00
Bitte überprüfen Sie ihre Eingabe auf Richtigkeit vor dem versenden!
Bitte überprüfen Sie Ihre Eingabe!