Big Data: Podatkovno rudarjenje in analiza ogromnih podatkovnih množic

Vsebina:

• Kaj je  podatkovno rudarjenje
  • Statistično modeliranje, strojno učenje, programerski pristopi k modeliranju, povzemanje
• Statistične omejitve podatkovnega rudarjenja
  • Princip Bonferoni in ostale omejitve
• MapReduce
  • Primer Google, arhitektura MapReduce sistema, distribuiran datotečni sistem, preprost primer MapReduce algoritma: štetje besed
• Pomembnost besed v dokumentih
  • Frequenca besede, mera za pomembnost
• Uporaba Hadoop-a
• Implementacija primera štetja besed
• Nadgradnja algoritma za štetje besed z algoritmom za iskanje pomembnih besed na primeru Wikipedije

Ciljna skupina:

Načrtovalci storitev, varnostni analitiki, R&D specialisti, strokovnjaki za tehnično podporo in svetovalci.

Cilji:

• poznati osnove podatkovnega rudarjenja, njegove omejitve in težave
• uporaba sistema MapReduce
• reševanje realnih problemiv z uporabo Hadoop-a
• Poudarek je na praktičnem delu, kjer udeleženci uporabljajo osnovne algoritme podatkovnega rudarjenja na realnih primerih. Podrobneje so predstavljene metode shranjevanja podatkov in algoritmi podatkovnega rudarjenja.