دوره آموزشی بیگ دیتا در عصر هوش مصنوعی (2019)
2 ساعت 8 دقیقهمبتدی2019-09-19
مدرسین

Barton Poulson
Professor, Designer, Data Analytics Expert
جزئیات دوره
اعتیاد به بیگ دیتا ممکن است چندین سال پیش به اوج خود رسیده باشد، اما داده های بزرگ به دور از دسترس نیستند. در عوض، این پایه و اساس برخی از جالب ترین فن آوری های امروز را تشکیل می دهد. هوش مصنوعی (AI) ، یادگیری ماشین و دانش داده ها به داده های بزرگی متکی هستند یا داده هایی که به واسطه سرعت ، حجم و یا تنوع آن - به راحتی با روش های سنتی قابل ذخیره و تحلیل نیستند. در این دوره ، مدرس Barton Poulson به موضوع داده های بزرگ می پردازد و توضیح می دهد که چگونه این روش کار می کند و جهان داده های جدید ما را شکل می دهد. او رابطه بزرگ داده ها با هوش مصنوعی ، علوم داده ، رسانه های اجتماعی و اینترنت اشیاء (IoT) را توضیح می دهد. او بیش از برخی از مسائل اخلاقی در استفاده از داده های بزرگ فراتر می رود. به علاوه ، او تکنیک های درگیر در تجزیه و تحلیل داده های بزرگ ، از جمله داده کاوی داده ها و تجزیه و تحلیل پیش بینی را پوشش می دهد.
موضوعات شامل:
اجزای تشکیل دهنده داده های بزرگ را شناسایی کنید.
بررسی کنید که داده های کلان طی چند سال گذشته چقدر رشد کرده اند.
اهمیت استفاده از داده های بزرگ در سازمان های تجاری را توضیح دهید.
بین دانش مورد نیاز برای استفاده از داده های بزرگ و درک علم داده تفاوت قائل شوید.
نیاز به آموزش داده های بزرگ در داخل سازمان را توجیه کنید.
عواملی را که برای استفاده از داده های بزرگ در یک پروژه استفاده می شود ، تجزیه و تحلیل کنید.
نتایج حاصل از داده های بزرگ را از نتایج حاصل از مشاهده رفتارها متمایز کنید.
موضوعات شامل:
اجزای تشکیل دهنده داده های بزرگ را شناسایی کنید.
بررسی کنید که داده های کلان طی چند سال گذشته چقدر رشد کرده اند.
اهمیت استفاده از داده های بزرگ در سازمان های تجاری را توضیح دهید.
بین دانش مورد نیاز برای استفاده از داده های بزرگ و درک علم داده تفاوت قائل شوید.
نیاز به آموزش داده های بزرگ در داخل سازمان را توجیه کنید.
عواملی را که برای استفاده از داده های بزرگ در یک پروژه استفاده می شود ، تجزیه و تحلیل کنید.
نتایج حاصل از داده های بزرگ را از نتایج حاصل از مشاهده رفتارها متمایز کنید.
مهارت ها
Data EngineeringData AnalysisFoundationsData ScienceBusiness Analysis and StrategyBusiness Software and Tools
سرفصل ها
0. مقدمه
- 01 - دادههای بزرگ چگونه هوش مصنوعی را شکل میدهند
1. تعریف دادههای بزرگ
- 02 - حجم، سرعت و تنوع دادههای بزرگ
- 03 - هوش مصنوعی و یادگیری ماشین
- 04 - رسانههای اجتماعی و اینترنت اشیا
- 05 - انبارهای داده، دریاچههای داده و ابر
- 06 - محاسبات لبه و محاسبات مه
2. چگونه از دادههای بزرگ استفاده میشود
- 07 - دادههای بزرگ برای استراتژی کسب و کار
- 08 - دادههای بزرگ برای تعامل با مشتری
- 09 - دادههای بزرگ برای برنامههای کاربردی
3. کلان داده و علم داده
- 10 - ده روش دادههای بزرگ با دادههای کوچک متفاوت است
- 11 - سه وجه علم داده
- 12 - علم داده بدون کلان داده
- 13 - دادههای بزرگ بدون علم داده
4. اخلاق در دادههای بزرگ
- 14 - دادههای بزرگ و حریم خصوصی
- 15 - حاکمیت داده
5. لجستیک داده
- 16 - دادههای ساخت یافته، نیمه ساختاریافته و بدون ساختار
- 17 - پردازش دسته ای در مقابل پردازش جریانی
- 18 - ذخیرهسازی و پردازش توزیع شده
- 19 - چشم انداز داده در حال تحول
6. تجزیهوتحلیل دادههای بزرگ
- 20 - چالشهای آماده سازی داده ها
- 21 - تجسم دادههای بزرگ
- 22 - داده کاوی
- 23 - تجزیهوتحلیل متن
- 24 - تحلیل احساسات
- 25 - تجزیهوتحلیل پیشبینی کننده
- 26 - تشخیص ناهنجاری
نتیجه
- 27 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی راهنمای کامل مهندسی تحلیل دادهها
- دوره آموزشی مهندسی تحلیل پیشرفته: تمرینهای دنیای واقعی
- دوره آموزشی راهنمای کامل Google BigQuery برای مهندسان داده و یادگیری ماشین
- دوره آموزشی یادگیری اصولی PySpark: معرفی ساخت خطوط پردازش داده
- دوره آموزشی پاکسازی دادهها برای علم داده مؤثر: واردکردن دادهها، تشخیص ناهنجاری، پرکردن مقادیر گمشده و مهندسی ویژگیها
- دوره آموزشی یادگیری جامع اسکالا برای علوم داده
- دوره آموزشی SPSS: آمادهسازی، مصورسازی و مدلسازی دادهها