Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Cada sesión dura 2 horas
Día-1: Sesión -1: Visión general del negocio sobre por qué la Inteligencia de Negocios de Big Data en el Gobierno
- Estudios de casos del NIH, DoE
- Tasa de adopción de Big Data en agencias gubernamentales y cómo están alineando sus operaciones futuras con base en Analítica Predictiva de Big Data
- Áreas de aplicación a gran escala en DoD, NSA, IRS, USDA, etc.
- Interfaz de Big Data con datos heredados
- Comprensión básica de las tecnologías habilitadoras en analítica predictiva
- Integración de datos y visualización en paneles de control
- Gestión de fraude
- Generación de reglas comerciales/detección de fraude
- Detección de amenazas y perfilamiento
- Análisis costo-beneficio para la implementación de Big Data
Día-1: Sesión-2 : Introducción a Big Data-1
- Características principales del Big Data: volumen, variedad, velocidad y veracidad. Arquitectura MPP para volumen.
- Muecos de datos – esquema estático, conjunto de datos que evoluciona lentamente
- Bases de datos MPP como Greenplum, Exadata, Teradata, Netezza, Vertica, etc.
- Soluciones basadas en Hadoop – sin condiciones sobre la estructura del conjunto de datos.
- Patrón típico : HDFS, MapReduce (crunch), recuperación desde HDFS
- Lote: adecuado para analítica/no interactivo
- Volumen : CEP (Procesamiento de Eventos Complejos) como datos en streaming
- Opciones típicas – productos CEP (ej. Infostreams, Apama, MarkLogic, etc)
- Menos listos para producción – Storm/S4
- Bases de datos NoSQL – (columnar y clave-valor): mejor adecuado como complemento analítico al almacén de datos/base de datos
Día-1 : Sesión -3 : Introducción a Big Data-2
Soluciones NoSQL
- Almacén KV - Keyspace, Flare, SchemaFree, RAMCloud, Oracle NoSQL Database (OnDB)
- Almacén KV - Dynamo, Voldemort, Dynomite, SubRecord, Mo8onDb, DovetailDB
- Almacén KV (Jerárquico) - GT.m, Cache
- Almacén KV (Ordenado) - TokyoTyrant, Lightcloud, NMDB, Luxio, MemcacheDB, Actord
- Caché KV - Memcached, Repcached, Coherence, Infinispan, EXtremeScale, JBossCache, Velocity, Terracoqua
- Almacén de tuplas - Gigaspaces, Coord, Apache River
- Base de datos de objetos - ZopeDB, DB40, Shoal
- Almacén de documentos - CouchDB, Cloudant, Couchbase, MongoDB, Jackrabbit, XML-Databases, ThruDB, CloudKit, Prsevere, Riak-Basho, Scalaris
- Almacén columnar ancho - BigTable, HBase, Apache Cassandra, Hypertable, KAI, OpenNeptune, Qbase, KDI
Variaciones de datos: Introducción a los problemas de limpieza de datos en Big Data
- RDBMS – estructura/esquema estático, no promueve un entorno ágil y exploratorio.
- NoSQL – semi estructurado, suficiente estructura para almacenar datos sin un esquema exacto previo al almacenamiento
- Problemas de limpieza de datos
Día-1 : Sesión-4 : Introducción a Big Data-3 : Hadoop
- ¿Cuándo seleccionar Hadoop?
- ESTRUCTURADO - Los almacenes/bases de datos empresariales pueden almacenar datos masivos (a un costo) pero imponen estructura (no es bueno para la exploración activa)
- Datos SEMI ESTRUCTURADOS – difícil de manejar con soluciones tradicionales (DW/DB)
- Almacenamiento de datos = ESEFUERZO ENORME y estático incluso después de la implementación
- Para variedad y volumen de datos, procesados en hardware comercial – HADOOP
- Hardware comercial necesario para crear un clúster Hadoop
Introducción a Map Reduce /HDFS
- MapReduce – distribuir el procesamiento entre múltiples servidores
- HDFS – hacer los datos disponibles localmente para el proceso de computación (con redundancia)
- Datos – pueden ser no estructurados/sin esquema (a diferencia de RDBMS)
- Responsabilidad del desarrollador de dar sentido a los datos
- Programar MapReduce = trabajar con Java (pros/contras), cargar manualmente los datos en HDFS
Día-2: Sesión-1: Ecosistema de Big Data-Construyendo Big Data ETL: universo de herramientas de Big Data-cuál usar y cuándo?
- Hadoop vs. Otras soluciones NoSQL
- Para acceso interactivo y aleatorio a los datos
- Hbase (base de datos orientada a columnas) sobre Hadoop
- Acceso aleatorio a los datos pero con restricciones impuestas (max 1 PB)
- No bueno para analítica ad-hoc, bueno para registro, conteo, series temporales
- Sqoop - Importar desde bases de datos a Hive o HDFS (acceso JDBC/ODBC)
- Flume – transmitir datos (ej. datos de registro) a HDFS
Día-2: Sesión-2: Sistema de gestión de Big Data
- Componentes móviles, nodos de computación inician/fallan : ZooKeeper - Para servicios de configuración/coordinación/nombrado
- Pipeline/flujo de trabajo complejo: Oozie – gestionar flujo de trabajo, dependencias, cadena daisy
- Despliegue, configuración, gestión de clústeres, actualización, etc. (admin del sistema) : Ambari
- En la nube : Whirr
Día-2: Sesión-3: Analítica predictiva en Inteligencia de Negocios -1: Técnicas fundamentales y BI basado en aprendizaje automático:
- Introducción al aprendizaje automático
- Aprendizaje de técnicas de clasificación
- Predicción Bayesiana-preparación del archivo de entrenamiento
- Máquina de soporte vectorial
- KNN p-Tree Álgebra y minería vertical
- Red neuronal
- Problema de gran variable en Big Data - Bosque aleatorio (RF)
- Problema de automatización en Big Data – RF de conjunto multimodal
- Automatización a través de Soft10-M
- Herramienta de análisis de texto-Treeminer
- Aprendizaje ágil
- Aprendizaje basado en agentes
- Aprendizaje distribuido
- Introducción a herramientas de código abierto para analítica predictiva : R, Rapidminer, Mahout
Día-2: Sesión-4 Ecosistema de analítica predictiva-2: Problemas comunes de analítica predictiva en el gobierno.
- Analítica insight
- Analítica visualización
- Analítica predictiva estructurada
- Analítica predictiva no estructurada
- Perfilamiento de amenazas/fraudstar/proveedores
- Motor de recomendación
- Detección de patrones
- Detección de reglas/escenarios –falla, fraude, optimización
- Detección de causa raíz
- Análisis de sentimiento
- Analítica CRM
- Analítica de red
- Análisis de texto
- Revisión asistida por tecnología
- Analítica de fraude
- Analítica en tiempo real
Día-3 : Sesión-1 : Analítica en Tiempo Real y Escalable sobre Hadoop
- ¿Por qué fallan los algoritmos analíticos comunes en Hadoop/HDFS?
- Apache Hama- para computación distribuida sincronizada por lotes
- Apache SPARK- para computación de clústeres para analítica en tiempo real
- CMU Graphics Lab2- Enfoque asíncrono basado en grafos para computación distribuida
- Enfoque basado en KNN p-Algebra desde Treeminer para reducir el costo operativo del hardware
Día-3: Sesión-2: Herramientas para eDiscovery y Forensia
- eDiscovery sobre Big Data vs. Datos heredados – una comparación de costos y rendimiento
- Codificación predictiva y revisión asistida por tecnología (TAR)
- Demostración en vivo de un producto TAR (vMiner) para comprender cómo funciona TAR para un descubrimiento más rápido
- Indexación más rápida a través de HDFS – velocidad de los datos
- NLP o procesamiento del lenguaje natural – varias técnicas y productos de código abierto
- eDiscovery en idiomas extranjeros-tecnología para el procesamiento de idiomas extranjeros
Día-3 : Sesión 3: Big Data BI para Ciberseguridad – Entendiendo la visión completa de 360 grados desde la recopilación rápida de datos hasta la identificación de amenazas
- Comprensión de los conceptos básicos de analítica de seguridad-superficie de ataque, mala configuración de seguridad, defensas de host
- Infraestructura de red/gran tubería de datos/ETL de respuesta para analítica en tiempo real
- Prescriptivo vs. predictivo – reglas fijas basadas en reglas versus descubrimiento automático de reglas de amenaza desde metadatos
Día-3: Sesión 4: Big Data en USDA : Aplicación en Agricultura
- Introducción a IoT (Internet de las Cosas) para la agricultura-sensores basados en Big Data y control
- Introducción a la imagen satelital y su aplicación en la agricultura
- Integración de datos de sensores e imágenes para fertilidad del suelo, recomendaciones de cultivo y pronósticos
- Seguro agrícola y Big Data
- Pronóstico de pérdida de cultivos
Día-4 : Sesión-1: Prevención de fraude BI desde Big Data en el gobierno-Analítica de fraude:
- Clasificación básica de la analítica de fraude- basada en reglas vs. analítica predictiva
- Aprendizaje automático supervisado vs. no supervisado para la detección de patrones de fraude
- Fraude del proveedor/sobreprecio por proyectos
- Fraude en Medicare y Medicaid-técnicas de detección de fraude para el procesamiento de reclamaciones
- Fraudes en reembolsos de viaje
- Fraudes en devoluciones del IRS
- Se proporcionarán estudios de casos y demostraciones en vivo donde los datos estén disponibles.
Día-4 : Sesión-2: Analítica de Redes Sociales-Recolección e inteligencia y análisis
- API ETL de Big Data para extraer datos de redes sociales
- Texto, imagen, metadatos y video
- Análisis de sentimiento desde la fuente de noticias de redes sociales
- Filtrado contextual y no contextual de la fuente de noticias de redes sociales
- Panel de control de Redes Sociales para integrar diversas redes sociales
- Perfilamiento automatizado de perfiles de redes sociales
- Demostración en vivo de cada analítica se realizará a través de la herramienta Treeminer.
Día-4 : Sesión-3: Analítica de Big Data en procesamiento de imágenes y flujos de video
- Técnicas de almacenamiento de imágenes en Big Data-Solución de almacenamiento para datos que exceden petabytes
- LTFS y LTO
- GPFS-LTFS (Solución de almacenamiento en capas para datos de imagen grandes)
- Fundamentos del análisis de imágenes
- Reconocimiento de objetos
- Segmentación de imágenes
- Rastreo de movimiento
- Reconstrucción de imágenes 3D
Día-4: Sesión-4: Aplicaciones de Big Data en NIH:
- Áreas emergentes de la bioinformática
- Metagenómica y problemas de minería de Big Data
- Analítica predictiva de Big Data para Farmacogenómica, Metabolómica y Proteómica
- Big Data en el proceso genómico posterior
- Aplicación de la analítica predictiva de Big data en salud pública
Panel de control de Big Data para acceso rápido a datos diversos y visualización :
- Integración de la plataforma de aplicaciones existente con el Panel de control de Big Data
- Gestión de Big Data
- Caso de Estudio del Panel de control de Big Data: Tableau y Pentaho
- Uso de aplicaciones de Big Data para impulsar servicios basados en ubicación en el gobierno.
- Sistema de rastreo y gestión
Día-5 : Sesión-1: Cómo justificar la implementación de Inteligencia de Negocios de Big Data dentro de una organización:
- Definición del ROI para la implementación de Big Data
- Estudios de casos para ahorrar tiempo de analistas en la recopilación y preparación de datos –aumento en la ganancia de productividad
- Estudios de casos de ganancia de ingresos al ahorrar el costo de licencias de bases de datos
- Ganancia de ingresos desde servicios basados en ubicación
- Ahorros por prevención de fraude
- Un enfoque integrado de hojas de cálculo para calcular el gasto aprox. vs. Ganancia/ahorro de ingresos desde la implementación de Big Data.
Día-5 : Sesión-2: Procedimiento paso a paso para reemplazar sistemas de datos heredados por sistemas de Big Data:
- Comprensión del mapa de ruta práctico de migración de Big Data
- ¿Qué información importante se necesita antes de arquitecturar una implementación de Big Data?
- ¿Cuáles son las diferentes formas de calcular volumen, velocidad, variedad y veracidad de los datos?
- ¿Cómo estimar el crecimiento de datos?
- Estudios de casos
Día-5: Sesión 4: Revisión de proveedores de Big Data y revisión de sus productos. Sesión de preguntas y respuestas:
- Accenture
- APTEAN (anteriormente CDC Software)
- Cisco Systems
- Cloudera
- Dell
- EMC
- GoodData Corporation
- Guavus
- Hitachi Data Systems
- Hortonworks
- HP
- IBM
- Informatica
- Intel
- Jaspersoft
- Microsoft
- MongoDB (anteriormente 10Gen)
- MU Sigma
- Netapp
- Opera Solutions
- Oracle
- Pentaho
- Platfora
- Qliktech
- Quantum
- Rackspace
- Revolution Analytics
- Salesforce
- SAP
- SAS Institute
- Sisense
- Software AG/Terracotta
- Soft10 Automation
- Splunk
- Sqrrl
- Supermicro
- Tableau Software
- Teradata
- Think Big Analytics
- Tidemark Systems
- Treeminer
- VMware (Parte de EMC)
Requerimientos
- Conocimiento básico de las operaciones comerciales y sistemas de datos en el gobierno en su dominio
- Comprensión básica de SQL/Oracle o bases de datos relacionales
- Comprensión básica de Estadísticas (a nivel de hojas de cálculo)
35 Horas
Reseñas (1)
La capacidad del formador de alinear el curso con los requisitos de la organización, y no solo proporcionarlo por el mero hecho de impartirlo.
Masilonyane - Revenue Services Lesotho
Curso - Big Data Business Intelligence for Govt. Agencies
Traducción Automática
