-
Тип степени: Сертификат "Аналитик больших данных"
-
Дополнительная квалификация: Сертификат "Data Engineer
Сертификат "Аналитика данных
Сертификат "Специалист по большим данным" -
Итоговый экзамен: Praxisbezogene Projektarbeiten mit Abschlusspräsentationen
-
Время уроков: Полный рабочий деньС понедельника по пятницу с 8:30 до 15:35 (в праздничные дни с 8:30 до 17:10).
-
Язык обучения: Немецкий
-
Продолжительность: 12 Недели
Инженер по обработке данных
Основы инженерии данных и архитектуры данных (около 2 дней)
Задачи и области применения в области инженерии данных
Основы современных архитектур данных и платформ данных
Основы и сравнение облачных архитектур данных
OLTP и OLAP
Обработка структурированных, полуструктурированных и неструктурированных данных
Управление требованиями и моделирование данных (около 1 дня)
Требования к данным и источникам данных
Концептуальное моделирование данных
Моделирование структур данных и потоков данных
Контракты на данные, управление данными и прослеживаемость данных
Базы данных и обработка данных (около 1 дня)
Архитектура систем баз данных
Сравнение SQL, NoSQL и NewSQL
Реляционное моделирование данных
SQL для запроса и обработки данных
Хранение данных и современные архитектуры данных (около 2 дней)
Основы и архитектура систем хранилищ данных
Многомерное моделирование данных и проектирование схем
Факты, измерения и хранение исторических данных
Сравнение хранилищ данных, озер данных и lakehouse
Введение в dbt
Практическая реализация моделей данных
Интеграция данных и конвейеры данных (около 5 дней)
Интеграция данных и предоставление данных
Процессы ETL и ELT
Построение и оркестрация конвейеров данных
Очистка, валидация и качество данных
Пакетная и потоковая обработка
Практическое применение Airflow и Spark
Программирование и автоматизированная обработка данных (около 4 дней)
Среды Python и управление пакетами
Обработка и преобразование данных с помощью Python
Автоматизация процессов обработки данных
Подключение различных источников данных и интерфейсов
Разработка рабочих процессов в области инженерии данных
Контейнеризация с помощью Docker
ИИ-поддержка в процессах разработки и обработки данных
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Аналитика данных
Введение в аналитику данных (около 1 дня)
Задачи, области применения и типичные сценарии использования аналитики данных
Процессы анализа данных и CRISP-DM
Роль аналитика данных и отличие от таких областей, как наука о данных, инженерия данных и бизнес-аналитика
Место искусственного интеллекта и машинного обучения в этой области
Python для анализа данных (около 1 дня)
Работа с Jupyter Notebooks
NumPy и Pandas для анализа данных
Импорт и экспорт данных из различных источников, например Excel и CSV
Выбор и преобразование данных
Подготовка данных и эксплоративный анализ данных (около 3 дней)
Очистка и преобразование данных с помощью Pandas
Работа с отсутствующими, ошибочными и аномальными данными
Объединение, группировка и агрегирование данных
Эксплоративный анализ данных и вывод первых выводов
Основы статистической обработки данных
SQL и управление данными (около 2 дней)
Реляционные базы данных и модели данных
Запросы и обработка данных с помощью SQL
Связки, агрегации и аналитические запросы
Взаимодействие SQL и Python в анализе данных
Качество данных и защита данных
Подключение и использование различных источников данных и систем баз данных
Визуализация данных и рассказывание историй на основе данных (около 2 дней)
Визуализация с помощью Matplotlib, Seaborn и Plotly
Выбор подходящих диаграмм и форм визуализации
Обработка и интерпретация результатов анализа
Рассказ на основе данных и коммуникация с учетом аудитории
Power BI и интерактивные информационные панели (около 2 дней)
Импорт и подготовка данных с помощью Power Query
Моделирование данных и связи
Основы DAX и показателей
Создание интерактивных отчетов и панелей мониторинга
Визуализация и представление ключевых показателей эффективности бизнеса
Обзор альтернативных решений в области бизнес-аналитики и визуализации
Анализ данных с использованием ИИ (около 2 дней)
Использование генеративного ИИ в рабочем процессе анализа данных
Подготовка, анализ и визуализация данных с помощью ИИ
Помощь в составлении запросов на Python и SQL
Составление подсказок для анализа данных и интерпретации результатов
Критическая оценка источников данных, а также выявление синтетических и неправдоподобных данных
Обеспечение качества, защита данных и ответственное использование ИИ
Бизнес-аналитика и основы статистики (около 2 дней)
Показатели и KPI в контексте предприятия
Описательная статистика и статистические взаимосвязи
Корреляция, причинно-следственная связь и простые регрессионные анализы
Основы доверительных интервалов и проверки гипотез
Интерпретация результатов анализа и выработка рекомендаций к действию на основе данных
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Специалист по большим данным
Что такое большие данные? (примерно 1 день)
Объем, скорость, разнообразие, ценность, достоверность
Возможности и риски больших объемов данных
Дифференциация: бизнес-аналитика, аналитика данных, наука о данных
Введение в добычу данных
Роль искусственного интеллекта и систем, управляемых данными, в среде больших данных
Введение во фреймворки для работы с большими данными (около 2 дней)
Решения для работы с большими данными в облаке (обзор AWS, Azure, GCP)
Модели доступа к данным
Хранение данных
Введение в озера данных и хранилища данных
Обзор Apache Hadoop и Spark
Распределенная обработка данных с помощью Spark (около 3 дней)
Основы распределенных систем
Apache Spark (ядро и SQL)
Сравнение различных подходов к обработке данных
Обработка больших объемов данных
Введение в простые рабочие процессы ML с помощью Spark
Конвейеры данных и интеграция данных (около 2 дней)
Процессы ETL и ELT
Пакетная и потоковая обработка
Основы конвейеров данных
Введение в оркестровку (например, обзор Airflow)
Качество и подготовка данных
Компоненты (около 2 дней)
Краткая презентация различных инструментов
Передача данных
Обзор управления ресурсами в системах больших данных
Экосистема Hadoop
Углубленное изучение Apache Spark
Введение в потоковые технологии
NoSQL и хранение данных (около 2 дней)
Теорема CAP
ACID и BASE
Типы баз данных
HBase
Введение в документо-ориентированные базы данных
Введение в форматы хранения данных
Обзор подходов к созданию озер данных
Визуализация больших данных (около 2 дней)
Теории визуализации
Выбор диаграмм
Новые типы диаграмм
Инструменты для визуализации данных
Введение в BI-инструменты (например, Power BI, Tableau)
Основы принятия решений на основе данных
Управление данными и защита данных (около 1 дня)
Основы GDPR в контексте данных
Этика данных и ответственное обращение с данными
Качество данных и концепции управления
Контроль доступа и безопасность
Основы ответственного использования искусственного интеллекта
Работа над проектом (около 5 дней)
Закрепление изученного материала
Презентация результатов проекта
Возможны изменения, содержание курса регулярно обновляется.
Вы освоили процессы, связанные с объединением, подготовкой, обогащением и пересылкой данных, и понимаете, как анализировать большие данные, используя основы программирования на Python, концепции баз данных SQL и NoSQL. Знание отраслевого программного обеспечения для обработки и структурирования больших неструктурированных данных и их визуализации дополняет ваши знания.
Курс рассчитан на людей с высшим образованием в области компьютерных наук, бизнес-информатики, делового администрирования, математики или сопоставимой квалификации.
Систематическая оценка объемов данных необходима компаниям для получения информации о собственной продукции и поведении клиентов. На этом фоне аналитики больших данных становятся все более востребованными во всех отраслях.
Ваш значимый сертификат дает подробное представление о приобретенных вами квалификациях и улучшает ваши карьерные перспективы.
Дидактическая концепция
Ваши преподаватели обладают высокой профессиональной и дидактической квалификацией и будут обучать вас с первого до последнего дня (никакой системы самообучения).
Вы будете учиться в эффективных небольших группах. Обычно курсы состоят из 6-25 человек. Общие занятия дополняются многочисленными практическими упражнениями во всех модулях курса. Практический этап - важная часть курса, поскольку именно в это время вы обрабатываете полученные знания и обретаете уверенность и практичность в их применении. Заключительный раздел курса включает в себя проект, разбор конкретных ситуаций или итоговый экзамен.
Виртуальный класс alfaview®
BildungszentrumЗанятия проводятся с использованием современной видеотехнологии alfaview® - не выходя из дома или в нашем офисе по адресу . Весь курс может видеть друг друга лицом к лицу через alfaview®, общаться друг с другом с помощью синхронизированного по губам голоса и работать над совместными проектами. Разумеется, вы также можете в любое время видеть и разговаривать со своими преподавателями в прямом эфире, и на протяжении всего курса вас будут обучать преподаватели в режиме реального времени. Уроки - это не электронное обучение, а настоящее живое очное преподавание с помощью видеотехнологий.
alfatraining Agentur für Arbeit Учебные курсы субсидируются и сертифицируются в соответствии с положением об утверждении AZAV. Bildungsgutschein Aktivierungs- und VermittlungsgutscheinПри подаче заявки или заявки на обучение все расходы на курс обычно покрываются финансирующей организацией.
Europäischen Sozialfonds Deutsche Rentenversicherung Финансирование также возможно через программы (ESF), (DRV) или региональные программы финансирования. Berufsförderungsdienst Как постоянный солдат, вы можете посещать курсы повышения квалификации по программе (BFD). Agentur für Arbeit (Qualifizierungschancengesetz) Компании также могут повысить квалификацию своих сотрудников по программе финансирования от .