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 Inteligencia de Negocios de Big Data en el Gobierno
- Estudios de caso del NIH, DoE
- Tasa de adaptación al Big Data en agencias gubernamentales y cómo están alineando sus operaciones futuras alrededor del Análisis Predictivo de Big Data
- Área de aplicación a gran escala en DoD, NSA, IRS, USDA, etc.
- Interfaz del Big Data con datos heredados
- Comprensión básica de las tecnologías habilitadoras en el análisis predictivo
- Integración de datos y visualización en paneles (dashboards)
- Gestión de fraude
- Generación de reglas de negocio/detección de fraude
- Detección de amenazas y perfilamiento
- Análisis costo-beneficio para la implementación de Big Data
Día-1: Sesión-2 : Introducción al Big Data-1
- Características principales del Big Data: volumen, variedad, velocidad y veracidad. Arquitectura MPP para el volumen.
- Almacenes de datos (Data Warehouses) – esquema estático, conjunto de datos de evolución lenta
- 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 (Batch) – adecuado para análisis no interactivo
- Volumen : Streaming CEP de datos
- Opciones típicas – productos CEP (ej. Infostreams, Apama, MarkLogic, etc.)
- Menos listos para producción – Storm/S4
- Bases de datos NoSQL – (columnares y clave-valor): Los más adecuados como adjunto analítico al almacén de datos/base de datos
Día-1 : Sesión -3 : Introducción al Big Data-2
Soluciones NoSQL
- Almacén KV - Keyspace, Flare, SchemaFree, RAMCloud, Oracle NoSQL Database (OnDB)
- Almacén KV - Dynamo, Voldemort, Dynomite, SubRecord, MongoDB, 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, Terracotta
- Almacén de Tuplas - Gigaspaces, Coord, Apache River
- Base de datos de objetos - ZopeDB, DB40, Shoal
- Almacén de documentos - CouchDB, Cloudant, Couchbase, MongoDB, Jackrabbit, Bases de datos XML, ThruDB, CloudKit, Preserve, Riak-Basho, Scalaris
- Almacén columnar ancho - BigTable, HBase, Apache Cassandra, Hypertable, KAI, OpenNeptune, Qbase, KDI
Variedades de datos: Introducción al problema de limpieza de datos en el 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 al Big Data-3 : Hadoop
- ¿Cuándo seleccionar Hadoop?
- ESTRUCTURADO - Los almacenes/bases de datos de datos empresariales pueden almacenar datos masivos (a un costo) pero imponen estructura (no bueno para exploración activa)
- Datos SEMI-ESTRUCTURADOS – difíciles de manejar con soluciones tradicionales (DW/DB)
- Almacenamiento en almacén de datos = ESFUERZO 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 de Hadoop
Introducción a MapReduce /HDFS
- MapReduce – distribuir la computación en múltiples servidores
- HDFS – hacer los datos disponibles localmente para el proceso de computación (con redundancia)
- Datos – pueden ser no estructurados/sin esquema (a diferencia del 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-Construcción de Big Data ETL: universo de herramientas de Big Data-cuáles usar y cuándo?
- Hadoop vs. Otras soluciones NoSQL
- Para acceso interactivo y aleatorio a los datos
- Hbase (base de datos orientada a columnas) encima de Hadoop
- Acceso aleatorio a los datos pero con restricciones impuestas (max 1 PB)
- No bueno para análisis ad-hoc, bueno para registro de eventos, conteo, series temporales
- Sqoop - Importar desde bases de datos a Hive o HDFS (acceso JDBC/ODBC)
- Flume – Transmitir datos (ej. datos de registros) 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/nombres
- Pipeline/flujo de trabajo complejo: Oozie – gestionar flujo de trabajo, dependencias, cadena de flores (daisy chain)
- Desplegar, configurar, gestión de clústeres, actualizar, etc. (sys admin) : Ambari
- En la Nube : Whirr
Día-2: Sesión-3: Análisis predictivo 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 (Support Vector Machine)
- Álgebra p-Tree KNN y minería vertical
- Red Neuronal
- Problema de gran variable en Big Data-Bosque Aleatorio (RF)
- Problema de automatización en Big Data – Bosque Aleatorio de conjunto multi-modelo
- 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 análisis predictivo : R, Rapidminer, Mahout
Día-2: Sesión-4 Ecosistema de análisis predictivo-2: Problemas comunes de análisis predictivo en el gobierno
- Análisis de percepciones (Insight)
- Análisis de visualización
- Análisis predictivo estructurado
- Análisis predictivo no estructurado
- Perfilamiento de amenazas/fraudstar/proveedores
- Motor de recomendaciones
- Detección de patrones
- Descubrimiento de reglas/escenarios – falla, fraude, optimización
- Descubrimiento de la causa raíz
- Análisis de sentimiento
- Análisis CRM
- Análisis de redes
- Análisis de texto
- Revisión asistida por tecnología
- Análisis de fraude
- Análisis en tiempo real
Día-3 : Sesión-1 : Análisis en Tiempo Real y Escalable Sobre Hadoop
- Por qué fallan los algoritmos de análisis comunes en Hadoop/HDFS
- Apache Hama- para computación distribuida síncrona masiva
- Apache SPARK- para computación en clústeres para análisis en tiempo real
- Laboratorio de Gráficos CMU2- Enfoque asíncrono basado en grafos para computación distribuida
- Enfoque basado en Álgebra p-KNN de Treeminer para reducir el costo de operación de hardware
Día-3: Sesión-2: Herramientas para eDiscovery y Forensics (Informática forense)
- eDiscovery sobre Big Data vs. Datos heredados – una comparación de costo y rendimiento
- Codificación predictiva y revisión asistida por tecnología (TAR)
- Demostración en vivo de un producto TAR (vMiner) para entender cómo funciona TAR para un descubrimiento más rápido
- Indexación más rápida a través de HDFS – velocidad de los datos
- PNL o Procesamiento del Lenguaje Natural – varias técnicas y productos de código abierto
- eDiscovery en idiomas extranjeros- tecnología para procesamiento de idiomas extranjeros
Día-3 : Sesión 3: Big Data BI para Seguridad Cibernética – Entendiendo vistas completas de 360 grados desde la recopilación rápida de datos hasta la identificación de amenazas
- Comprensión de los fundamentos del análisis de seguridad-superficie de ataque, configuración incorrecta de seguridad, defensas de host
- Infraestructura de red / gran tubería de datos / ETL de respuesta para análisis en tiempo real
- Predictivo vs Prescriptivo – Reglas fijas vs descubrimiento automático de reglas de amenaza a partir de metadatos
Día-3: Sesión 4: Big Data en USDA : Aplicación en Agricultura
- Introducción al IoT (Internet de las Cosas) para la agricultura-sensor basado 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
- Seguros agrícolas y Big Data
- Pronóstico de pérdida de cosechas
Día-4 : Sesión-1: Prevención de Fraude BI a partir de Big Data en el Gobierno-Análisis de Fraude:
- Clasificación básica del análisis de fraude-análisis basado en reglas vs predictivo
- Aprendizaje automático supervisado vs no supervisado para la detección de patrones de fraude
- Fraude de proveedores/cobro excesivo por proyectos
- Fraude en Medicare y Medicaid-técnicas de detección de fraude para el procesamiento de reclamaciones
- Fraudes en reembolso de viajes
- Fraudes de reembolso del IRS
- Se proporcionarán estudios de caso y demostraciones en vivo donde los datos estén disponibles.
Día-4 : Sesión-2: Análisis de Redes Sociales-Recolección y análisis de inteligencia
- API de ETL de Big Data para extraer datos de redes sociales
- Texto, imagen, metadatos y video
- Análisis de sentimiento desde el feed de redes sociales
- Filtrado contextual y no contextual del feed de redes sociales
- Panel (Dashboard) de Redes Sociales para integrar diversas redes sociales
- Perfilamiento automatizado de perfiles de redes sociales
- Se proporcionará una demostración en vivo de cada análisis a través de la herramienta Treeminer.
Día-4 : Sesión-3: Análisis 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 los 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
- Seguimiento de movimiento
- Reconstrucción de imágenes 3-D
Día-4: Sesión-4: Aplicaciones de Big Data en NIH:
- Áreas emergentes de la bioinformática
- Metagenómica y problemas de minería de Big Data
- Análisis predictivo de Big Data para Farmacogenómica, Metabolómica y Proteómica
- Big Data en el proceso genómico downstream
- Aplicación del análisis predictivo de Big Data en salud pública
Panel (Dashboard) de Big Data para acceso rápido a diversos datos y visualización :
- Integración de la plataforma de aplicaciones existente con el Panel de Big Data
- Gestión de Big Data
- Estudio de caso del Panel de Big Data: Tableau y Pentaho
- Use la aplicación Big Data para impulsar servicios basados en ubicación en el gobierno.
- Sistema de seguimiento y gestión
Día-5 : Sesión-1: Cómo justificar la implementación de BI de Big Data dentro de una organización:
- Definición del ROI para la implementación de Big Data
- Estudios de caso para ahorrar tiempo del analista en la recolección y preparación de datos – aumento en la ganancia de productividad
- Estudios de caso de ganancia de ingresos ahorrando el costo de la base de datos licenciada
- Ganancia de ingresos desde servicios basados en ubicación
- Ahorro por prevención de fraude
- Un enfoque integrado de hoja de cálculo para calcular el gasto aprox. vs. Ganancia/ahorro de ingresos de 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 diseñar una implementación de Big Data?
- ¿Cuáles son las diferentes formas de calcular el volumen, velocidad, variedad y veracidad de los datos?
- Cómo estimar el crecimiento de datos
- Estudios de caso
Día-5: Sesión 4: Revisión de Vendedores 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 del funcionamiento empresarial y de los sistemas de datos en el gobierno dentro de 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
