Questo sito utilizza cookie
CORSI WORKSHOP SPORT BAMBINI
headercorsiaperthdemy

Big Data Analysis - Livello 1

I Big Data hanno cambiato e continueranno a cambiare il modo di gestire molteplici processi e aspetti del vivere associato, dalla sanità ai trasporti, dalla comunicazione al commercio.
Il corso sui Big Data permetterà di acquisire un metodo per capire, interpretare ed utilizzare i Big Data, ossia tutte le informazioni strutturate e destrutturate, mettendole in relazione e scoprendone il valore per incrementare il proprio vantaggio competitivo o semplicemente rispondere ad alcune domande: “cosa sta avvenendo?”, “come potrei utilizzare questi dati?”
Il corso di livello I è una Introduzione alla Big Data Analysis, gli argomenti saranno affrontati in modo da essere seguiti anche da utenti non esperti, verranno privilegiati gli aspetti teorici ed esempi concreti senza che sia necessario svolgere esercizi complessi o installare software complicati.
Il corso di livello II è una versione più pratica del corso precedente, verranno affrontati tutti gli argomenti del primo corso ma con un taglio più operativo. Sarà necessario disporre di un proprio computer ed installare diversi software, che verranno forniti per svolgere esercizi e comprende al meglio gli argomenti affrontati, sempre mantenendo un taglio introduttivo per poter affrontare molti degli aspetti che afferiscono all’universo dei Big Data.

  • Inizio
    13 Nov
  • 8
    lezioni
  • 16
    ore
  • 2 ORE A SETT
  • Mar
    20.30-22.30
  • Info livello 2

I moduli sono complementari ma autonomi, è possibile acquistarli separatamente.
L'acquisto contestuale di entrambi i moduli garantisce un risparmio di 60€.

  • Posti Rimasti 2
    Persone che hanno già frequentato il corso: 61
  • Iscritti + preiscritti in tempo reale 14
Letto 12463 volte
  • Docente
  • Programma LIV 1
  • Programma LIV 2
bigdatamauro Mauro Sodani system administrator e project manager. Si occupa di gestione di sistemi informatici sia su piattaforma Linux che Microsoft, attualmente lavora in particolare su ambienti web based di program and project management con architettura Linux RedHat. Ha acquisito diverse certificazioni professionali, tra cui la PMP come Project Manager Professional e la MCSA come Microsoft Certified System Administrator. Collabora in progetti di formazione utilizzando e prediligendo strumenti e soluzioni open source, anche partercipando in diverse missioni di cooperazione internazionale.
icon LI  

Lezione 1 - Introduzione.

- Dati e metadati.
- Data warehouse e data lake.
- Caratteristiche principali dei Big Data.
- Differenze con business intelligence.
- Opportunità nel mondo del lavoro.
- Nuove figure emergenti.

Lezione 2 - Le origini.

- Dati strutturati e destrutturati.
- Utilizzo dei big data.
- Implementazione.
- Errori da evitare.
- Decision Support Systems.
- Data Mart.
- Analisi di Big Data.

Lezione 3. 

- Datafication.
- Casualità, correlazioni e valore.
- Data exhaust.
- Open data.
- Not Only SQL.

Lezione 4. 

- Apache Hadoop.

Lezione 5.

- Database NoSQL.

Lezione 6.

- Apache Pig.
- Pig latin.

Lezione 7. 

- Monitoring, logging e Big Data.
- Time Series DBMS.

Lezione 8.

- Advanced Analytics nella statistica ufficiale.
- Machine learning.
- Algoritmi di machine learning.

Lezione 1 - Introduzione.

- Dati e metadati.
- Data warehouse e data lake.
- Caratteristiche principali dei Big Data.
- Differenze con business intelligence.
- Opportunità nel mondo del lavoro.
- Nuove figure emergenti.

Lezione 2  - Le origini.

- Dati strutturati e destrutturati.
- Utilizzo e analisi di Big Data.
- Installazione R.
- Esercitazione pratica.

Lezione 3.

- Apache Hadoop: installazione.
- Esercitazione pratica HDFS e map reduce.

Lezione 4. 

- Datafication: casualità, correlazioni e valore.
- Data exhaust.
- Open data.
- Not Only SQL.
- Installazione MongoDB.

Lezione 5.

- Database NoSQL.
- Confronto fra tipologie di database.
- Esercitazione pratica.

Lezione 6.
- Apache Pig.
- Pig latin.
- Installazione Pig.
- Esercitazione pratica con Pig latin.

Lezione 7.

- Monitoring, logging e Big Data.
- Time Series DBMS.
- Installazione Grafana.
- Esercitazione pratica.

Lezione 8. 

- Advanced Analytics nella statistica ufficiale.
- Machine learning.
- Utilizzo algoritmi di machine learning per riconoscimento immagini.