moduł #1 Wprowadzenie do Big Data Definicja dużych zbiorów danych, ich cech charakterystycznych i znaczenia w podejmowaniu decyzji biznesowych
moduł #2 Przegląd analityki dużych zbiorów danych Zrozumienie różnych typów analityki oraz roli analityki dużych zbiorów danych w biznes
moduł #3 Technologie Big Data Przegląd baz danych Hadoop, Spark, NoSQL i innych technologii dużych zbiorów danych
moduł #4 Ekosystem Hadoop Dogłębne spojrzenie na Hadoop, w tym HDFS, MapReduce i YARN
moduł #5 Podstawy Sparka Wprowadzenie do Apache Spark, jego architektury i przypadków użycia
moduł #6 Bazy danych NoSQL Zrozumienie różnych typów baz danych NoSQL, w tym baz danych klucz-wartość, dokumentów i grafów
moduł #7 Pozyskiwanie i przetwarzanie danych Zbieranie, przetwarzanie i przechowywanie dużych zbiorów danych przy użyciu narzędzi takich jak Flume, Kafka i NiFi
moduł #8 Przechowywanie i zarządzanie danymi Projektowanie i wdrażanie rozwiązań do przechowywania danych przy użyciu HDFS, HBase i Cassandra
moduł #9 hurtownia danych i ETL Budowanie hurtowni danych i wykonywanie operacji ETL (wyodrębnianie, przekształcanie, ładowanie)
moduł #10 Narzędzia analityki dużych zbiorów danych Przegląd narzędzi do analityki dużych zbiorów danych, w tym Hive , Pig i Spark SQL
moduł #11 Podstawy uczenia maszynowego Wprowadzenie do koncepcji uczenia maszynowego, w tym uczenia się nadzorowanego i bez nadzoru
moduł #12 Uczenie maszynowe ze Spark Budowanie modeli uczenia maszynowego przy użyciu Spark MLlib i Spark ML
moduł #13 Głębokie uczenie się z Big Data Wprowadzenie do koncepcji i technik głębokiego uczenia się, w tym sieci neuronowych i splotowych sieci neuronowych
moduł #14 Analiza tekstu i NLP Analiza i przetwarzanie nieustrukturyzowanych danych z wykorzystaniem przetwarzania języka naturalnego ( NLP)
moduł #15 Wizualizacja danych dla Big Data Wizualizacja wniosków z Big Data za pomocą narzędzi takich jak Tableau, Power BI i D3.js
moduł #16 Przypadki użycia i aplikacje Big Data Odkrywanie świata rzeczywistego przypadki użycia i zastosowania analityki dużych zbiorów danych w różnych branżach
moduł #17 Bezpieczeństwo i zarządzanie dużymi zbiorami danych Zapewnianie bezpieczeństwa danych, prywatności i zgodności w środowiskach dużych zbiorów danych
moduł #18 Analiza dużych zbiorów danych w języku Python Korzystanie Python do analizy dużych zbiorów danych, w tym manipulacji danymi, wizualizacji i uczenia maszynowego
moduł #19 Analityka dużych zbiorów danych w języku R Wykorzystywanie języka R do analizy dużych zbiorów danych, w tym manipulacji danymi, wizualizacji i uczenia maszynowego
moduł #20 Big Analityka danych w chmurze Wdrażanie analityki dużych zbiorów danych na platformach chmurowych, w tym AWS, Azure i GCP
moduł #21 Analityka dużych zbiorów danych w czasie rzeczywistym Projektowanie i wdrażanie rozwiązań do analityki dużych zbiorów danych w czasie rzeczywistym przy użyciu narzędzi takich jak Apache Storm i Apache Flink
moduł #22 Jakość i zarządzanie dużymi zbiorami danych Zapewnianie jakości, integralności i zarządzania danymi w środowiskach dużych zbiorów danych
moduł #23 Studia przypadków analizy dużych zbiorów danych Odkrywanie rzeczywistych studiów przypadków i historie sukcesu analityki dużych zbiorów danych w różnych branżach
moduł #24 Najlepsze praktyki w zakresie analityki dużych zbiorów danych Najlepsze praktyki i wytyczne dotyczące wdrażania projektów analityki dużych zbiorów danych
moduł #25 Podsumowanie i zakończenie kursu Planowanie kolejnych kroków w karierze analityka Big Data
