課程簡介

每節課為2小時

第 1 天:第 1 節:業務概述,為什麼在 Govt.

  • 美國國立衛生研究院、美國能源部的案例研究
  • 政府機構的大數據適應率,以及他們如何圍繞大數據調整未來的運營Predictive Analytics
  • 在國防部、國家安全局、美國國稅局、美國農業部等廣泛的應用領域。
  • 將大數據與遺留數據對接
  • 對預測分析中的使能技術有基本的瞭解
  • 數據集成和儀錶板可視化
  • 欺詐管理
  • 業務規則/欺詐檢測生成
  • 威脅檢測和分析
  • 大數據實施的成本效益分析

第一天:第二節:Big Data-1介紹

  • 大數據的主要特徵——數量、種類、速度和準確性。卷的 MPP 體系結構。
  • 數據倉庫 – 靜態模式,緩慢演變的數據集
  • MPP 資料庫,如 Greenplum、Exadata、Teradata、Netezza、Vertica 等。
  • 基於Hadoop的解決方案 – 對數據集的結構沒有條件。
  • 典型模式:HDFS、MapReduce(crunch)、從 HDFS 檢索
  • 批處理 - 適用於分析/非互動式
  • 卷 : CEP 流數據
  • 典型選擇 – CEP 產品(例如 Infostreams、Apama、MarkLogic 等)
  • 生產準備不足 – Storm/S4
  • NoSQL 資料庫 – (列式和鍵值):最適合作為數據倉庫/資料庫的分析輔助工具

第 1 天:第 -3 節:Big Data-2 簡介

否SQL個解決方案

  • KV Store - Keyspace、Flare、SchemaFree、RAMCloud、Oracle NoSQL 資料庫 (OnDB)
  • KV 商店 - Dynamo、Voldemort、Dynomite、SubRecord、Mo8onDb、DovetailDB
  • KV 儲存(分層)- GT.m、快取
  • KV Store(已訂購)- TokyoTyrant、Lightcloud、NMDB、Luxio、MemcacheDB、Actord
  • KV 快取 - Memcached、Repcached、Coherence、Infinispan、EXtremeScale、JBossCache、Velocity、Terracoqua
  • 元組存儲 - Gigaspaces、Coord、Apache River
  • 對象資料庫 - ZopeDB、DB40、Shoal
  • 文檔存儲 - CouchDB、Cloudant、Couchbase、MongoDB、Jackrabbit、XML-Databases、ThruDB、CloudKit、Prsevere、Riak-Basho、Scalaris
  • 廣泛的列式存儲 - BigTable、HBase、Apache Cassandra、Hypertable、KAI、OpenNeptune、Qbase、KDI

數據的種類:大數據中的Data Cleaning問題簡介

  • RDBMS – 靜態結構/模式,不提倡敏捷、探索性環境。
  • NoSQL – 半結構化的,足夠的結構來存儲數據,在存儲數據之前沒有精確的模式
  • 數據清理問題

第一天:第四節:大數據介紹-3:Hadoop

  • 何時選擇 Hadoop?
  • 結構化 - 企業數據倉庫/資料庫可以存儲大量數據(有成本),但會強加結構(不利於主動探索)
  • SEMI 結構化數據 – 傳統解決方案 (DW/DB) 難以實現
  • 倉儲數據 = 即使在實施后也付出了巨大的努力和靜態
  • 對於各種數據和數據量,在商用硬體上處理 – HADOOP
  • 創建 Hadoop 集群所需的商品硬體

Map Reduce /HDFS 簡介

  • MapReduce – 將計算分佈在多個伺服器上
  • HDFS – 使資料在本地可用於計算過程(具有冗餘)
  • 資料 – 可以是非結構化的/無模式的(與 RDBMS 不同)
  • 開發人員有責任理解數據
  • Programming MapReduce = 使用 Java(優點/缺點),手動將數據載入到 HDFS 中

第 2 天:第 1 節:Big Data 生態系統建設 Big Data ETL:Big Data 工具的世界——使用哪一個以及何時使用?

  • Hadoop 與其他 NoSQL 解決方案
  • 用於互動式、隨機存取資料
  • Hadoop之上的Hbase(面向列的資料庫)
  • 隨機存取資料,但施加了限制(最大 1 PB)
  • 不適合臨時分析,適合日誌記錄、計數、時間序列
  • Sqoop - 從資料庫導入到 Hive 或 HDFS(JDBC/ODBC 訪問)
  • Flume – 將數據(例如.log數據)流式傳輸到HDFS

第2天:第二節:大數據Management系統

  • 移動部件、計算節點啟動/失敗:ZooKeeper - 用於配置/協調/命名服務
  • 複雜的流水線/工作流:Oozie – 管理工作流、依賴項、菊花鏈
  • 部署、配置、群集管理、升級等(系統管理員):Ambari
  • 在雲中:呼嘯

第 2 天:第 3 節:Business Intelligence 中的預測分析 -1:基礎技術和基於機器學習的 BI:

  • 機器學習簡介
  • 學習分類技術
  • 貝葉斯預測準備訓練檔
  • 支援向量機
  • KNN p-Tree代數和垂直挖掘
  • 神經網路
  • Big Data 大變數問題 -隨機森林 (RF)
  • Big Data 自動化問題 – 多模型集成射頻
  • 通過Soft10-M實現自動化
  • 文本分析工具-Treeminer
  • 敏捷學習
  • 基於智慧體的學習
  • 分散式學習
  • 用於預測分析的開源工具簡介:R、Rapidminer、Mahut

第2天:第4節預測分析生態系統2:Govt 中常見的預測分析問題。

  • 洞察分析
  • 可視化分析
  • 結構化預測分析
  • 非結構化預測分析
  • 威脅/欺詐之星/供應商分析
  • 推薦引擎
  • 模式檢測
  • 規則/場景發現 - 失敗、欺詐、優化
  • 發現根本原因
  • 情緒分析
  • CRM分析
  • 網路分析
  • 文本分析
  • 技術輔助審查
  • 欺詐分析
  • 即時分析

第3天:Sesion-1:即時和Scala在Hadoop上變得分析

  • 為什麼常見的分析演算法在 Hadoop/HDFS 中失敗
  • Apache Hama- 用於批量同步分散式計算
  • Apache SPARK-用於即時分析的集群計算
  • CMU Graphics Lab2 - 基於圖的分散式計算異步方法
  • Treeminer 基於 KNN p-Algebra 的方法可降低硬體運營成本

第3天:第2節:電子發現和取證工具

  • 基於 Big Data 的電子數據展示與舊數據 – 成本和性能的比較
  • 預測編碼和技術輔助審查 (TAR)
  • Tar 產品 (vMiner) 的現場演示,瞭解 TAR 如何工作以加快發現速度
  • 通過 HDFS 更快地建立索引 – 資料速度
  • NLP 或自然語言處理 – 各種技術和開源產品
  • 外語電子取證 - 外語處理技術

第 3 天:第 3 節:大數據 BI for Cyber Security – 瞭解從快速數據收集到威脅識別的整個 360 度視圖

  • 瞭解安全分析的基礎知識 - 攻擊面、安全配置錯誤、主機防禦
  • 網路基礎設施/大型數據管道/用於即時分析的回應 ETL
  • 規範性與預測性 – 從元數據中修復基於規則與自動發現威脅規則

第3天:第4節:Big Data在美國農業部:在農業中的應用

  • 基於農業感測器的IoT(物聯網)簡介Big Data和控制
  • 衛星成像簡介及其在農業中的應用
  • 集成感測器和圖像數據,用於土壤肥力、栽培建議和預測
  • 農業保險和 Big Data
  • 作物損失預測

第 4 天:第 1 節:Govt-Fraud 分析中來自大數據的欺詐預防 BI:

  • 欺詐分析的基本分類 - 基於規則的分析與預測分析
  • 用於欺詐模式檢測的監督式與無監督式機器學習
  • 供應商欺詐/項目多收費用
  • Medicare 和 Medicaid 欺詐 - 用於索賠處理的欺詐檢測技術
  • 差旅報銷欺詐
  • 國稅局退稅欺詐
  • 只要有數據,就會提供案例研究和現場演示。

第 4 天:第 2 節:Social Media 分析 - 情報收集和分析

  • 用於提取社交媒體數據的大數據 ETL API
  • 文字、圖像、元數據和視頻
  • 來自社交媒體提要的情緒分析
  • 社交媒體提要的上下文和非上下文過濾
  • Social Media 用於整合各種社交媒體的儀錶板
  • 社交媒體資料的自動分析
  • 每個分析的現場演示將通過Treeminer工具提供。

第4天:第3節:Big Data 圖像處理和視頻饋送分析

  • Big Data 中的圖像存儲技術 - 超過 PB 的數據的儲存解決方案
  • LTFS 和 LTO
  • GPFS-LTFS(大圖像資料分層儲存解決方案)
  • 圖像分析的基礎
  • 物體識別
  • 圖像分割
  • 運動跟蹤
  • 3D圖像重建

第 4 天:第 4 節:Big Data NIH 中的應用:

  • Bio-資訊學的新興領域
  • 元基因組學和大數據挖掘問題
  • 藥物基因組學、代謝組學和蛋白質組學的大數據預測分析
  • 基因組學下游流程中的大數據
  • 大數據預測分析在公共衛生中的應用

Big Data 用於快速存取各種資料和顯示的儀錶板:

  • 現有應用平臺與大數據儀錶盤的整合
  • 大數據管理
  • 大數據儀錶板案例研究:Tableau 和 Pentaho
  • 使用大數據應用程式在政府中推送基於位置的服務。
  • 跟蹤系統和管理

第 5 天:第 1 節:如何證明 Big Data BI 在組織內實施的合理性:

  • 定義 Big Data 實施的 ROI
  • 節省分析師收集和準備數據時間的案例研究 - 提高生產力
  • 通過節省許可資料庫成本獲得收入的案例研究
  • 基於位置的服務的收入收益
  • 從欺詐預防中節省成本
  • 一種集成的電子錶格方法,用於計算 Big Data 實施的近似費用與收入收益/節省。

第 5 天:第 2 節:將遺留數據系統替換為 Big Data 系統的分步過程:

  • 了解實用 Big Data 遷移路線圖
  • 在構建 Big Data 實現之前需要哪些重要資訊
  • 計算數據量、速度、多樣性和準確性的不同方法有哪些
  • 如何估算數據增長
  • 案例研究

第 5 天:第 4 節:審查 Big Data 供應商並審查他們的產品。問答環節:

  • 埃森哲
  • APTEAN(前身為 CDC Software)
  • 思科系統
  • 克勞德拉
  • 山谷
  • 電磁相容
  • GoodData公司
  • 番石榴
  • 日立數據系統
  • 霍頓工廠
  • 惠普
  • IBM公司
  • 資訊網
  • 英特爾
  • Jaspersoft的
  • Microsoft
  • MongoDB(以前稱為 10Gen)
  • MU西格瑪
  • NetApp 的
  • Opera 解決方案
  • 神諭
  • 貝爾塔霍
  • 普拉特福拉
  • Qliktech的
  • 量子
  • 機架空間
  • 革命分析
  • Salesforce的
  • 樹液
  • SAS學院
  • 西森
  • 軟體 AG/Terracotta
  • Soft10 自動化
  • Splunk的
  • 平方
  • Supermicro 超微
  • Tableau 軟體
  • Teradata的
  • 大分析思維
  • 潮汐系統
  • 樹礦工
  • VMware (EMC 的一部分)

最低要求

  • 在其領域內瞭解政府業務運營和數據系統的基本知識
  • 基本瞭解 SQL/Oracle 或關係資料庫
  • 基本瞭解 Statistics(電子表格級別) 
  35 時間:
 

人數


開始於

結束於


Dates are subject to availability and take place between 09:30 and 16:30.
Open Training Courses require 5+ participants.

客戶評論 (4)

相關課程

課程分類