Mester a nagy adatokban

Az Indra technológiai multinacionális vállalattal közösen kifejlesztett Master in Big Data áttekintést ad a Big Data technológiákról és azok használatáról, valamint alkalmazott és gyakorlati képzést nyújt az üzleti analitikai technikákról (Business Analytics), azaz az alkalmazásban Adattudományi technikák az üzleti problémákhoz.

A program tehát választ ad a technológiák és adatelemzési módszerek gyakorlati és alkalmazott megismerésének igényére. A műszaki felhasználás megértése kiegészíti az üzleti jövőképet, így a szakot végzettek mélyrehatóan érvelhetnek a technológiák alkalmazhatóságáról, valamint az elemzési technikákat és eszközöket konkrét helyzetekben alkalmazhatják.

Miért érdemes a Mesterséges Intelligencia és Big Data Iskolában tanulni?

aktív szakértők

Az Indra és Minsait aktív szakemberei megtanítják Önnek azokat a készségeket és ismereteket, amelyeket csapataik számára keresnek

Tervezze meg egyéni képzését

Programjaink 2 fő tengely, az Ön profilja és szakmai tapasztalata köré épülnek fel, így Ön műszaki (Hard tech) vagy üzleti (Soft Tech) profilból tud belépni a professzionális piacra.

Tanulás cselekedettel

Együttműködik az ágazat fő szereplőinek felhőivel, ökoszisztémákkal és nyílt forráskódú platformokkal, amelyek több mint 500 millió embert szolgálnak ki.

Hozzáférés a gyakorlatokhoz

Előnyben részesítik a szakmai gyakorlatokhoz való hozzáférést, minimális számú szakmai gyakorlattal minden programhoz

titrálás

A program elvégzésével háromszoros Master in Big Data fokozatot szerez IMF Smart Education tól, szakmai minősítést az Indra-tól és Master of Big Data-t az UCAV-tól.

Háromszoros diploma: IMF Smart Education + Indra szakmai minősítés + UCAV

Gyakornoki helyek felvétele és a kiválasztási folyamatokhoz való kedvezményes hozzáférés

A program azoknak a különböző profilú szakembereknek és frissdiplomásoknak szól, akik szakmai pályafutásukat az adatelemzéssel kapcsolatos feltörekvő szakmák valamelyikére szeretnék orientálni vagy átirányítani. A profilok három típusúak lehetnek:

1. IKT-profilok: informatikusok vagy rokon mérnökök, vagy olyan szakemberek, akik pályafutásukat szoftverfejlesztésben vagy informatikai rendszerek adminisztrációjában fejlesztették.
2. Kvantitatív profilok: olyan erős kvantitatív komponensű szakokon végzettek, mint a statisztika és a matematika, akik szeretnék tudásukat adatgyűjtési, tárolási és kezelési technikákkal bővíteni, valamint új elemző képességeket szeretnének elsajátítani.
3. Vállalkozási profilok: az üzleti és a közgazdaságtan különböző területein végzett diplomások és szakemberek, akik üzleti elemzésre szeretnének szakosodni, szilárd hátteret szerezni a statisztikai nyelvek használatában és a technológia megértésében nem csak üzleti szinten, hanem műszakilag is Alkalmazás

• Értse az adatok értékét és elemzését a szervezetekben, és legyen képes adatelemzési megoldásokat ötletelni és felfogni.
• Ismerje és tudja a fő párhuzamos feldolgozási és skálázható adattárolási technológiák üzleti értékének megfogalmazását, valamint a szervezeten belüli meghatározott célokra való felhasználásuk magyarázatát.
• Legyen képes adatelemzési technikákat és módszereket alkalmazni üzleti problémákra statisztikai programozási technikák segítségével.
• Alkalmazzon gépi tanulási és szövegbányászati technikákat az adatokból való érték kinyerésére és prediktív modellek felépítésére.
• Ismerje és tudja, hogyan kell alkalmazni az üzleti intelligenciát és a vizualizációs eszközöket az elemzés és a döntéshozatal támogatására.
• Adatelemző (Big Data Analyst).
• Adattudós.
• Business Intelligence szakemberek.
• Chief Data Officer (CDO).
• Big Data építész.
• Adatmérnök
• Üzleti intelligencia tanfolyamok tanára
• Adatelemzés tanfolyam tanára
• Kérdező tanár Qlik

A program alapképzést biztosít a különböző szakmákban való tájékozódáshoz az adatelemzés és adatkezelés területén; konkrétan: Digitális Transzformációs Tanácsadó

• Adatelemzők.
• Business Intelligence szakemberek.
• Adattudósok.

Azon profilok esetében, akik korábbi vezetői és csapatvezetési tapasztalattal rendelkeznek, a program kiképezi őket olyan pozíciókra, mint a Chief Data Officer (CDO). Végül a számítógépes profillal rendelkező szakemberek számára ez biztosítja az alapot olyan szakmai lehetőségekhez, mint a Big Data építész vagy adatmérnök.

A Mestert egy szakértői bizottság tervezte, amely orvosokból és a mesterséges intelligencia és a Big Data területén tevékenykedő vezető vállalatok, például az Indra és a Minsait aktív szakembereiből áll. Tapasztalatuk garantálja a tanulmányok és a megszerzett készségek alkalmasságát, akár a munka világába való belépéshez, akár az ágazati szakmai fejlődéshez. Ez a szakértői csapat amellett, hogy részt vesz a képzési programtervező bizottságban, együttműködik a mesterképzések oktatásában és lebonyolításában.

Az adatfeldolgozás alapjai az adattudományhoz

1. Virtuális gépek és parancshéj használata
2. A Python programozás alapjai
3. Relációs adatbázis alapjai
4. Az internetes technológiák alapjai
5. Ossza meg az adatokat, kódot és erőforrásokat a tárolókban
6. Az adatfeldolgozás alapjai a Python tudományos verem segítségével

Business Intelligence

1. Bevezetés az üzleti intelligenciába
2. Adattárházak és elemző adatbázisok
3. Ki- és rakodószerszámok
4. Üzleti intelligencia alkalmazások
5. Az üzleti életben alkalmazott nagy adatelemzés
6. Ügyfélintelligencia (CRM)

Alkalmazott gépi tanulás

1. Bevezetés a gépi tanulásba
2. Felügyelt modellek
3. Nem felügyelt modellek
4. Funkciótervezés és modellválasztás
5. Connectionista modellek
6. Társulási szabályok és piaci kosár elemzés

Szövegbányászat és természetes nyelvi feldolgozás (NLP)

1. Történelmi és technológiai bevezetés
2. NLP Eszközök I: NLTK
3. NLP II eszközök: Brat and Gate
4. szövegbányászat
5. Egyéb NLP alkalmazások és technikák

Üzleti intelligencia és vizualizáció

1. Bevezetés az üzleti intelligenciába
2. BI vs. hagyományos jelentéskészítés
3. Az adatfeldolgozás és -elemzés technológiai alapjai
4. Az adatvizualizáció alapjai
5. Fejlett adatvizualizáció
6. Vizualizációs eszközök

Nagy adat-infrastruktúra

1. Adatfeldolgozás a Hadoop segítségével
2. Hadoop ökoszisztéma-eszközök
3. Adatfeldolgozás a Spark segítségével
4. Streaming architektúrák
5. A streaming architektúrák összetevői
6. Felhőplatformok és API-k

Adattárolás és integráció

1. Nem szokatlan adatbázisok
2. Dokumentum alapú adatbázis-modellek
3. Oszloporientált adatbázismodellek
4. Gráf-orientált adatbázis-modellek
5. Kulcsérték adatbázis modellek
6. Adatgyűjtés

A Big Data Analytics értéke és kontextusa

1. A big data üzleti ügye
2. Big data projektek
3. Analitikai alkalmazások ágazatok szerint
4. Feltörekvő technológiák az analitikában
5. Csapatmenedzsment és agilis módszerek
6. Az adatfeldolgozás szabályozási szempontjai

Analitikai alkalmazások. Gyakorlati esetek

1. Skálázható elemzés: Elemzés párhuzamos és skálázható számítástechnikai technológiákkal
2. Közösségi média elemzése
3. A dolgok internete (IoT)
4. Pénzügyi elemzés (cégminősítés)
5. Ügyfélelemzés: helyelemzés
6. Információ-helyreállítási technikák

Mesterdolgozat (TFM)

Agilis módszertan tanfolyam

1. Mi az a Scrum és hogyan kell alkalmazni
2. A Scrum keretrendszer
3. Önszerveződő csapatok
4. Az ügyfelek és az érintettek szerepe
5. Agilis termék- és projektmenedzsment
6. Fejlesztés és folyamatos integráció
7. Hogyan lehet agilis szervezetté fejlődni

Python bevezető tanfolyam

• Bevezetés a Pythonba
• Feltételek Pythonban
• Ismétlődő szerkezetek Pythonban
• Gyűjtemények. listákon
• karakterlánc függvények
• Gyűjtemények. Szótárak
• funkciók
• Fájlkezelés
• tárgy orientáció

Bevezetés az R tanfolyamba

• Bevezetés R
• Vektorok
• mátrixok
• List
• Adatkeretek
• Vezérlő struktúrák
• funkciók

Angol nyelvtanfolyam

• Alap, középhaladó, középhaladó vagy haladó
• A tanuló a négy szint közül választhat egyet.