|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/big-data-g/
课程评论：没有评论
**课程名称：** **Big Data 分析入门** (ปลดล็อคความเข้าใจการวิเคราะห์ Big Data) **课程概述：** 本课程旨在帮助您深入理解海量数据分析（Big Data Analytics, BDA）的概念，并为您在数据驱动的时代做好准备。在当今所有组织和商业生存都高度依赖海量数据的背景下，本课程将拓展您的知识，提升竞争力。 **课程单元：** * **单元一：大数据入门 (Introduction to Big Data)** * 探讨数字数据的历史以及计算机系统的出现。 * 定义什么是大数据，以及其数据的规模界定。 * 分析大数据产生的来源、重要性以及当今数字时代数据的数据种类。 * 介绍“Big Vs”的原则（如 Volume, Velocity, Variety, Veracity, Value）。 * 讨论物联网（IoTs）在大数据产生中的作用。 * **单元二：大数据分析 = 机器学习 + 云计算 (Big Data Analytics = Machine Learning + Cloud Computing)** * 介绍IT系统基础以及开发BDA所需的流程。 * 重点讲解机器学习和云计算作为BDA的核心组成部分。 * 理解数据处理和分析的基本概念。 * 探讨大数据架构（Big Data Architecture）和大数据数据库技术的核心理念。 * **单元三：大数据技术 (Big Data Technologies)** * 介绍高效处理大数据的关键技术。 * 从Google文件系统（GFS）和分布式文件系统（DFS）的创新开始。 * 深入讲解Hadoop、MapReduce及其Hadoop生态系统中的其他关键技术。 * **单元四：实时流数据处理 (Real-Time Stream Processing)** * 探讨IT领域的持续变革，特别是数据的实时性。 * 关注实时数据处理，与过去仅限于批量处理的数据库管理和计算机系统开发的对比。 * 讲解实时流数据处理（Real-Time Stream Processing）的原理和应用。 * **单元五：企业级数据湖管理 (Enterprise Data Lake)** * 强调数据对各级组织（包括中大型企业）的重要性。 * 讲解企业收集海量数据的情况。 * 介绍管理企业大数据并构建企业数据湖（Enterprise Data Lake）的基本原则。 * 探讨Lambda Architecture（LA）的概念。 * **单元六：从大数据到智能数据 (Big Data to Smart Data)** * 这是课程中最关键的单元，是BDA流程的完成。 * 理解数据科学（Data Science）和大数据案例研究（Big Data Case Studies）。 * 探讨大数据应用的实施方法。 * **特别单元：** 自动化时代下的技能与教育（Skills and Education in a World of Automation），帮助您理解在日益自动化世界中所需的工作、技能和教育。
ปลดล็อคความเข้าใจในเรื่องการนำข้อมูลจำนวนมหาศาลมาทำการวิเคราะห์ หรือ Big Data Analytics (BDA) เพิ่มเติมความรู้ของคุณเพื่อสร้างความพร้อมสำหรับการทำงานในยุคของข้อมูลจำนวนมหาศาล ที่มีบทบาทสำคัญกับทุกองค์กรและมีผลอย่างสูงต่อความอยู่รอดของธุรกิจทุกวันนี้ หลักสูตรนี้แบ่งออกเป็น 6 UnitsUnit 1 - Introduction to Big Data: ข้อมูลดิจิตอลมีมานานสักพักแล้วพร้อมๆกับการเกิดขึ้นของระบบคอมพิวเตอร์ แล้วอะไรที่แบ่งแยกว่าข้อมูล Big และต้องใหญ่ขนาดไหนจึงจะเรียกว่า Big ข้อมูลพวกนี้เกิดขึ้นได้อย่างไร สำคัญอย่างไร และมีข้อมูลกี่ชนิดในยุคดิจิตอลนี้ เราจะกล่าวถึงหลักการของ "Big Vs"และคุยกันเกี่ยวกับ IoTs มามีบทบาทอย่างไรในการเกิดขึ้นของ Big DataUnit 2 - การวิเคราะห์ข้อมูลจำนวนมหาศาล (Big Data Analytics = Machine Learning + Cloud Computing): กล่าวถึงพื้นฐานระบบไอทีและกระบวนการที่ต้องมีเพื่อการพัฒนา BDA เช่น Machine Learning และ Cloud Computing เพื่อที่เราจะได้เข้าใจหลักพื้นฐานของแนวคิดในการประมวลผลและวิเคราะห์ รวมถึง Core Concepts เบื้องหลังระบบนิเวศน์ เช่น Big Data Architecture และ เทคนิคฐานข้อมูลสำหรับ Big DataUnit 3 - เทคโนโลยีสำหรับบิ๊กดาต้า (Big Data Technologies): การที่จะทำงานกับ Big Data ได้อย่างมีประสิทธิภาพ จำเป็นต้องมีเทคโนโลยีที่มาประสานการทำงานกันในการจัดการข้อมูล Big Data โดยจะเริ่มจาก Google file system (GFS) เจ้าของนวัตกรรมทคโนโลยีอย่าง Distributed File System (DFS) จากนั้นจะพูดถึง Hadoop, MapReduce และ Ecosystem ตัวหลักอื่นๆของ HadoopUnit 4 - การประมวลผลข้อมูลแบบเร็วเท่าเวลาจริง (Real-Time Stream Processing): เรื่องของไอที (Information Technology - IT) เป็นเรื่องที่เปลี่ยนแปลงตลอดเวลาไม่หยุดนิ่ง หลายปีก่อนเราไม่เคยพูดถึงการจัดการฐานข้อมูล หรือการพัฒนาระบบคอมพิวเตอร์ที่ผลิตข้อมูลเร็วแบบเท่าเวลาจริง หรือ real-time แต่วันนี้เราพูดถึงระบบคอมพิวเตอร์และการวิเคราะห์ข้อมูลแบบ real-time กันแล้ว หน่วยนี้จึงว่าด้วยเรื่อง การประมวลผลข้อมูลแบบเร็วเท่าเวลาจริง (Real-Time Stream Processing)Unit 5 - การจัดการบิ๊กดาต้าในองค์กรขนาดใหญ่ (Enterprise Data Lake): ข้อมูลคือสิ่งที่สำคัญมากสำหรับทุกหน่วยงาน รวมทั้งบริษัทขนาดกลางถึงใหญ่ (enterprise) บริษัท enterprise รวบรวมข้อมูลเอาไว้ได้มากมายจริงๆ เราจะกล่าวถึงหลักการพื้นฐานในการจัดการข้อมูล Big Data ขององค์กรโดยการสร้าง Enterprise Data Lake และใช้แนวคิดสถาปัตยกรรมแลมบ์ดา (Lambda Architecture - LA)Unit 6 - จากบิ๊กดาต้าสู่ข้อมูลอันชาญฉลาด (Big Data to Smart Data): คอร์สสุดท้ายเป็นหัวข้อที่สำคัญที่สุดเลยก็ว่าได้ ถ้าไม่มีขั้นตอนนี้ก็จะไม่ครบกระบวนการของเรื่อง Big Data Analytics (BDA) ทำความเข้าใจงานด้านวิทยาศาสตร์ข้อมูล (Data Science) และกรณีศึกษา Big Data และแนวทางการประยุกต์ใช้งาน นอกจากนี้ยังมียูนิตพิเศษปิดท้าย เพิ่มความเข้าใจให้คุณเกี่ยวกับ งาน ทักษะ และการศึกษา ในโลกที่กำลังเปลี่ยนไปเป็นยุคอัตโนมัติ (Skills and Education in a World of Automation)
