Программа доступна слушателям в Мариуполе в дистанционном формате. Для обучения не требуется ежедневно посещать офис института.
Способ получения оригинала документа согласуйте с методистом при оформлении обучения. Получение документов.
Профессиональная переподготовка «Создание и применение технологий больших данных» — 512 академических часов. Темы обучения: «Введение в технологии больших данных Определение понятий «большие данные», «данные», «информация». История и эволюция технологий больших данных. Основные компоненты экосистемы больших данных: Hadoop, Spark, NoSQL. Проблемы работы с большими данными: объем, разнообразие, скорость.», «Архитектура и инфраструктура больших данных Хранилища данных: реляционные и нереляционные базы данных. Hadoop и его компоненты (HDFS, MapReduce, YARN). Apache Spark и его архитектура. Введение в архитектуру данных в облаке (AWS, Google Cloud, Microsoft Azure). Инструменты для обработки и хранения больших данных.», «Сбор и подготовка данных Источники данных и методы сбора. Очистка данных и предварительная обработка. Преобразование и нормализация данных. Использование ETL-процессов (Extract, Transform, Load). Инструменты для работы с данными: Apache NiFi, Talend.».
Категория слушателей: специалисты с высшим образованием.
Режим занятий: определяется совместно с Заказчиком (не более 6 часов в день)
| № | Название дисциплины | Акад. часы |
|---|---|---|
| 1 | Введение в технологии больших данных Определение понятий «большие данные», «данные», «информация». История и эволюция технологий больших данных. Основные компоненты экосистемы больших данных: Hadoop, Spark, NoSQL. Проблемы работы с большими данными: объем, разнообразие, скорость. | 46 |
| 2 | Архитектура и инфраструктура больших данных Хранилища данных: реляционные и нереляционные базы данных. Hadoop и его компоненты (HDFS, MapReduce, YARN). Apache Spark и его архитектура. Введение в архитектуру данных в облаке (AWS, Google Cloud, Microsoft Azure). Инструменты для обработки и хранения больших данных. | 46 |
| 3 | Сбор и подготовка данных Источники данных и методы сбора. Очистка данных и предварительная обработка. Преобразование и нормализация данных. Использование ETL-процессов (Extract, Transform, Load). Инструменты для работы с данными: Apache NiFi, Talend. | 46 |
| 4 | Анализ и обработка больших данных Основы статистического анализа больших данных. Алгоритмы машинного обучения для больших данных. Обработка данных в реальном времени (Stream processing). Использование Apache Kafka для потоковых данных. Алгоритмы обработки больших данных с использованием Apache Spark и Hadoop. | 46 |
| 5 | Использование NoSQL баз данных Введение в NoSQL: ключевые-значение, документо-ориентированные, графовые, колоночные базы данных. Cassandra, MongoDB, Redis. Сравнение NoSQL с реляционными базами данных. Применение NoSQL в анализе больших данных. Интеграция NoSQL с другими инструментами обработки больших данных. | 46 |
| 6 | Модели и алгоритмы машинного обучения Введение в машинное обучение. Основы классификации, регрессии, кластеризации и ассоциации. Методы обработки неструктурированных данных: текст, изображения, видео. Глубокое обучение для больших данных. Практическое применение алгоритмов машинного обучения на платформе Apache Spark | 46 |
| 7 | Визуализация данных и представление результатов Основы визуализации данных. Инструменты для визуализации: Tableau, Power BI, D3.js. Принципы создания эффективных визуализаций больших данных. Представление результатов анализа для бизнеса и руководства. Визуализация результатов с использованием платформы Hadoop и Spark. | 46 |
| 8 | Облачные технологии и их использование в больших данных Обзор облачных платформ для работы с большими данными. Amazon Web Services (AWS) и Hadoop на облаке. Google Cloud Platform (GCP) для анализа данных. Microsoft Azure и их инструменты для обработки больших данных. Преимущества облачных технологий для масштабируемости и гибкости. | 46 |
| 9 | Безопасность и защита данных в экосистеме больших данных Проблемы безопасности больших данных. Защита данных на уровне HDFS, Spark. Шифрование данных, аутентификация и авторизация. Стандарты безопасности и соответствие нормативным требованиям. Управление доступом в экосистемах больших данных. | 46 |
| 10 | Сетевые технологии и распределенные вычисления Основы распределенных вычислений. Сетевые технологии для обработки больших данных. Принципы работы с кластером данных. Использование MapReduce и распределенного хранения данных. Сетевые аспекты обработки потоковых данных. | 45 |
| 11 | Проектирование и оптимизация архитектуры больших данных Проектирование высокоэффективных систем для работы с большими данными. Оптимизация производительности Hadoop, Spark. Сетевые и вычислительные оптимизации. Подходы к масштабированию и отказоустойчивости. Практическая работа с настройками кластеров. | 45 |
| 12 | Дипломная работа | 6 |
| 13 | Итоговая аттестация | 2 |
| Итого | 512 |
Образец бланка · нажмите, чтобы увеличить
Выдаётся по программам профессиональной переподготовки.
Данные о документах могут проверяться в федеральных информационных системах (в т.ч. ФИС ФРДО) по сведениям бланка.
Образец бланка · нажмите, чтобы увеличить
Выдаётся по программам повышения квалификации.
Инструкция по проверке удостоверения в ФИС ФРДО опубликована на сайте НИИПППК.
Категория слушателей: специалисты с высшим образованием.
Содержание обучения, поступление и получение документов.
Основные темы: «Введение в технологии больших данных Определение понятий «большие данные», «данные», «информация». История и эволюция технологий больших данных. Основные компоненты экосистемы больших данных: Hadoop, Spark, NoSQL. Проблемы работы с большими данными: объем, разнообразие, скорость.», «Архитектура и инфраструктура больших данных Хранилища данных: реляционные и нереляционные базы данных. Hadoop и его компоненты (HDFS, MapReduce, YARN). Apache Spark и его архитектура. Введение в архитектуру данных в облаке (AWS, Google Cloud, Microsoft Azure). Инструменты для обработки и хранения больших данных.», «Сбор и подготовка данных Источники данных и методы сбора. Очистка данных и предварительная обработка. Преобразование и нормализация данных. Использование ETL-процессов (Extract, Transform, Load). Инструменты для работы с данными: Apache NiFi, Talend.», «Анализ и обработка больших данных Основы статистического анализа больших данных. Алгоритмы машинного обучения для больших данных. Обработка данных в реальном времени (Stream processing). Использование Apache Kafka для потоковых данных. Алгоритмы обработки больших данных с использованием Apache Spark и Hadoop.», «Использование NoSQL баз данных Введение в NoSQL: ключевые-значение, документо-ориентированные, графовые, колоночные базы данных. Cassandra, MongoDB, Redis. Сравнение NoSQL с реляционными базами данных. Применение NoSQL в анализе больших данных. Интеграция NoSQL с другими инструментами обработки больших данных.».
Общий объём — 512 академических часов.
определяется совместно с образовательным учреждением и Заказчиком (без отрыва от работы, с частичным отрывом от работы, с применением дистанционных образовательных технологий)
Объём обучения — 512 академических часов.
Категория слушателей: специалисты с высшим образованием.
АНО ДПО «Научно-инновационный институт профессиональной переподготовки и повышения квалификации» — организация дополнительного профессионального образования. Мы предлагаем программы повышения квалификации и профессиональной переподготовки по медицине, психологии и смежным направлениям.
Адрес: г. Москва, пл. Сокольническая, д. 4А, помещ. 12/4. Телефон: +7 (800) 700-19-29, почта: obraz@niippk-med.ru. Чтобы уточнить детали по интересующему курсу, оставьте сообщение через форму на сайте или свяжитесь с нами по указанным контактам.
Повышение квалификации помогает обновить и углубить знания в уже освоенной профессиональной области. Программы этого вида отличаются по объёму в академических часах, формату и требованиям к образованию — эти сведения указаны на странице выбранного курса.
Обычно достаточно выбрать подходящую программу, ознакомиться с учебным планом и оставить заявку. Дальнейшие шаги оформления обсуждаются по выбранному курсу.
Профессиональная переподготовка рассчитана на более широкое освоение профиля и чаще имеет больший объём часов, чем повышение квалификации. На странице программы указаны трудоёмкость, формат, требования к базовому образованию и состав учебного плана.
Выберите курс под свою цель и подготовку, сверьте условия на странице программы и оставьте заявку. Уточнения по оформлению даются уже по конкретной программе.
Точный перечень документов зависит от выбранной программы и уточняется при оформлении. Обычно нужны документы, подтверждающие личность и базовое образование.
Чтобы получить список именно для вашего курса, оставьте заявку или напишите на obraz@niippk-med.ru / позвоните +7 (800) 700-19-29.
Длительность зависит от программы и задаётся объёмом в академических часах. У программ повышения квалификации и профессиональной переподготовки трудоёмкость обычно разная.
Смотрите число часов и учебный план на странице выбранного курса — так можно заранее оценить нагрузку.
После выбора программы оставьте заявку на сайте или свяжитесь с нами по телефону +7 (800) 700-19-29 или почте obraz@niippk-med.ru.
Способ оплаты и реквизиты сообщаются при оформлении договора по выбранному курсу. Не используйте реквизиты из посторонних источников.
По итогам успешного освоения программы дополнительного профессионального образования слушателю оформляется документ о ДПО. Какой именно документ относится к вашему курсу, смотрите в описании выбранной программы или уточните при заявке.
Если нужны пояснения по конкретной программе, напишите на obraz@niippk-med.ru или позвоните +7 (800) 700-19-29.
Образовательная деятельность ведётся на основании лицензии № Л035-01298-77/01373831. Актуальные материалы — в разделах «Лицензии» на главной и «Документы». Проверить сведения можно также в реестре Рособрнадзора.
Способ получения оригинала документа согласуйте с методистом при оформлении обучения.
