Big Data

Comment analyser les données massives

4.3(87)7h 7min50 leçons5 sections

Ce que vous apprendrez

  • Comprendre les sources de données massives
  • Comprendre les caractéristiques des données massives
  • Apprendre l'analyse des données avec Hadoop
  • Appliquer des techniques d'apprentissage automatique
  • Utiliser les outils Knime et Jupyter
  • Analyser les données pour des informations

À propos du cours

Apprenez à gérer les grandes données dans ce cours complet qui couvre les fondamentaux de la collecte, de l'analyse et du traitement des données à l'aide d'outils et de techniques modernes comme Hadoop et Knime. Le cours est conçu pour vous fournir les compétences nécessaires pour appliquer des techniques d'apprentissage automatique aux grandes données pour une analyse et une prise de décision efficaces.

Résultats attendus

  • Maîtrisez la collecte et l'analyse des grandes données à l'aide de techniques modernes.
  • Comprenez comment utiliser Hadoop pour la gestion des données distribuées.
  • Appliquez des techniques d'apprentissage automatique pour analyser les grandes données.
  • Maîtrisez les outils d'exploration des données comme Knime et Jupyter.
  • Développez des projets pratiques basés sur l'analyse des grandes données.

Avis des apprenants

Ces avis proviennent d'apprenants qui ont acheté le contenu et en ont complété au moins 50% — il n'y a aucun avis de personnes n'ayant pas suivi le contenu.
4.3
★★★★☆
87 avis
5★
28
4★
57
3★
2
2★
0
1★
0

    Contenu du cours

    1

    Sources de Données Massives

    8 leçons
    1. Introduction7:04
    2. Applications qui ajoutent de la valeur aux données13:25
    3. Sources de données massives2:42
    4. Machines comme sources de données7:01
    5. Personnes comme sources de données5:46
    6. Travailler avec des données non structurées5:38
    7. Organisations comme sources de données7:08
    8. Intégration des données4:46
    2

    Caractéristiques des Données Massives

    7 leçons
    1. Introduction aux caractéristiques des grandes données2:59
    2. Volume5:20
    3. Variété5:14
    4. Vélocité5:42
    5. Véracité7:52
    6. Équité4:34
    7. Valeur7:15
    3

    Étapes d'Analyse des Données

    4 leçons
    1. Science des données10:19
    2. Construire une stratégie de grandes données7:55
    3. Les cinq composants de la science des données5:43
    4. Étapes de traitement des données8:33
    4

    Travailler avec Hadoop

    12 leçons
    1. Système d'exploitation distribué10:26
    2. Processus de calcul distribué8:02
    3. Modèles de programmation pour les grandes données7:36
    4. Pourquoi Hadoop ?4:33
    5. Explication du système Hadoop13:39
    6. Système de fichiers distribué dans Hadoop7:42
    7. Gestion des ressources7:29
    8. Modèle de programmation MapReduce le plus simple10:56
    9. Informatique Computationnelle9:28
    10. Installation de Cloudera10:35
    11. Travailler avec le Système de Fichiers Distribué dans Cloudera11:33
    12. Application Pratique16:07
    5

    Apprentissage Automatique et Données Massives

    19 leçons
    1. Un Aperçu de l'Apprentissage Automatique11:43
    2. Apprentissage Automatique et Big Data14:02
    3. Opérations Réalisées avec l'Apprentissage Automatique8:41
    4. Extraction de Données9:26
    5. Aperçu des Programmes et Outils9:29
    6. Installation de Knime13:22
    7. Travailler avec Jupyter9:34
    8. Fonctionnalités et Données8:24
    9. Exploration de Données5:38
    10. Statistiques Descriptives11:53
    11. Validation des Données8:30
    12. Visualisations Exploratoires13:56
    13. Utiliser la Visualisation avec Knime8:59
    14. Préparation des Données5:04
    15. Qualité des Données4:40
    16. Techniques de Traitement de la Qualité des Données6:51
    17. Identification des caractéristiques10:05
    18. Transformation des caractéristiques7:03
    19. Application pratique sur les données manquantes17:01

    Formateur

    Ing. Amr Abdel Fattah

    Ing. Amr Abdel Fattah

    Ingénieur en systèmes informatiques spécialisé dans le développement d'applications mobiles et de sites Web, avec une expérience dans la création de plateformes et d'applications Web populaires.
    7,145 étudiants20 cours