Big Data: Databegreber, model, analyse, behandling

Uddannelsesmålet er opdelt i 2 delmål. 1. Deltageren kan beskrive hvilke statistiske grundbegreber, metoder og modeller, der typisk anvendes i Big Data løsninger. 2. Deltageren kan beskrive de grundlæggende principper i databehandling rettet mod Big Data, med fokus på Instant indsamling af data fra forskellige datakilder, herunder validering, sortering, samkøring og forbehandling af data.

Uddannelsen henvender sig til faglærte personer, inden for det datatekniske område, og andre inden for AMU målgruppen med tilsvarende kvalifikationer, der skal eller ønsker at arbejde med IoT og IIoT løsninger, der kræver anvendelsesorienteret viden om sensorteknik rettet mod IoT/IIoT, samt anvendelsesorienteret viden om kommunikationsteknologier, trådløse teknologier og sikkerhed rettet mod IoT/IIoT. Det anbefales, at deltageren inden kursusstart har en grundlæggende viden om analog- og digitalteknik, og at deltageren har grundlæggende kompetencer i forhold til netværksteknik.

Deltageren kan beskrive hvilke statistiske grundbegreber, metoder og modeller, der typisk anvendes i Big Data løsninger, og kan herunder:- Designe en konceptuel datamodel- Foretage ukompliceret datamodellering og hertil anvende et relevant værktøj- Opbygge semantiske datamodeller- Beskrive hvilke principper og muligheder, der indgår i streaming af data- og snowflakemodeller- Beskrive hvilke arkitekturer og muligheder, der indgår i ETL-løsninger (Extract, Transform, Load) som Kafka (real-time streaming af data)- Beskrive hvilke principper og muligheder, der indgår i forbindelse med flytning af data, og herunder Data Ingest processer- Beskrive hvilke principper og muligheder, der indgår i datahåndtering og herunder Data Governance- Beskrive hvilke arkitekturer og muligheder, der indgår i SQL-løsninger som Hive (Infrastruktur løsning)Desuden kan deltageren kan beskrive og anvende de grundlæggende principper i databehandling rettet mod Big Data, med fokus på Instant indsamling af data fra forskellige datakilder, herunder validering, sortering, samkøring og forbehandling af data, og kan herunder:- Gennemføre dataanalyser under anvendelse af en tidsrelevant softwareløsning- Forstå hvordan man bringer data sammen i en Advanced Analytics model, der gør, at man bliver klogere- Ud fra en konkret opgave, opbygge en mindre løsning, der bygger på Advanced Analytics- Beherske dokument- og grafdatabaser som datakilder, og har viden om datastrukturen- Anvende et tidsaktuelt business analytics værktøj som fx Power BI, Tableau eller Qlik

Deltageren kan beskrive hvilke statistiske grundbegreber, metoder og modeller, der typisk anvendes i Big Data løsninger, og kan herunder:

  • Designe en konceptuel datamodel
  • Foretage ukompliceret datamodellering og hertil anvende et relevant værktøj
  • Opbygge semantiske datamodeller
  • Beskrive hvilke principper og muligheder, der indgår i streaming af data- og snowflakemodeller
  • Beskrive hvilke arkitekturer og muligheder, der indgår i ETL-løsninger (Extract, Transform, Load) som Kafka (real-time streaming af data)
  • Beskrive hvilke principper og muligheder, der indgår i forbindelse med flytning af data, og herunder Data Ingest processer
  • Beskrive hvilke principper og muligheder, der indgår i datahåndtering og herunder Data Governance
  • Beskrive hvilke arkitekturer og muligheder, der indgår i SQL-løsninger som Hive (Infrastruktur løsning)

Desuden kan deltageren kan beskrive og anvende de grundlæggende principper i databehandling rettet mod Big Data, med fokus på Instant indsamling af data fra forskellige datakilder, herunder validering, sortering, samkøring og forbehandling af data, og kan herunder:

  • Gennemføre dataanalyser under anvendelse af en tidsrelevant softwareløsning
  • Forstå hvordan man bringer data sammen i en Advanced Analytics model, der gør, at man bliver klogere
  • Ud fra en konkret opgave, opbygge en mindre løsning, der bygger på Advanced Analytics
  • Beherske dokument- og grafdatabaser som datakilder, og har viden om datastrukturen
  • Anvende et tidsaktuelt business analytics værktøj som fx Power BI, Tableau eller Qlik
Teksten er opstillet med hjælp fra AI

Dette kursus er opdelt i delmål. Kurserne kan derfor tages enkeltvis og uafhængigt af andre kurser. Delmålskurser kan også kombineres med andre kurser. På den måde er der mulighed for at sammensætte et fleksibelt og individuelt kursusforløb, som er tilpasset virksomhedens og medarbejderens behov.

Big Data: Databegreber, model, analyse, behandling Total varighed: 8 dage
- Big Data: Datamodeller og datamodellering Varighed: 4 dage
Tilmeld
- Big Data: Dataanalyse og databehandling Varighed: 4 dage
Tilmeld
  • Pris: 1.744 kr.
  • Fag nr. 49564-
  • Brancheområder: 1
  • Næste startdato:
  • Varighed:8 dage
Kursuskatalog Favorit

Kan du få tilskud?

Hvis du er omfattet af en af vores overenskomster, kan du søge om tilskud til kurset her

Dette kursus udbydes ikke i øjeblikket.

Du kan kontakte de skoler, der er godkendt til at udbyde kurset, hvis du vil vide mere.
Skoler som kan udbyde kurset

Nedenfor ser du en liste med skoler, som ikke har hold på holdlisten. Kontakt en af skolerne for at opfordre dem til at oprette hold.

  • TEC, Technical Education Copenhagen
    Stæhr Johansens Vej 7, 2000 Frederiksberg
  • 3817 7000
  • tec@tec.dk
  • Skriv mig op
  • ZBC - Zealand Business College
    Ahorn Alle 3-5, 4100 Ringsted
  • 5578 8888
  • zbc@zbc.dk
  • Skriv mig op
  • Syddansk Erhvervsskole Odense-Vejle
    Munkebjergvej 130, 5230 Odense M
  • 7010 9900
  • sde@sde.dk
  • Skriv mig op
  • Roskilde Tekniske Skole
    Pulsen 10 postbox 132, 4000 Roskilde
  • 4630 0400
  • rts@rts.dk
  • Skriv mig op

Kursusagent

Modtag en e-mail når der oprettes nye hold for dette kursus!

Evejledning

Få hjælp hos eVejledning

eVejledning er klar til at rådgive dig om uddannelse. eVejledning har åbent både om dagen, aftenen og i weekenden.

Ring til eVejledning på 70 22 22 07.

Eller se, hvordan du ellers kan kontakte dem her:

Link til eVejledningen
Træ- og Møbelindustriens Kompetencefond TMKF

Træ- og Møbelindustriens Kompetencefond (TMKF) yder støtte til medarbejdernes selvvalgte uddannelse inden for Træ- og Møbeloverenskomsten og Piano- og Orgeloverenskomsten.

Industriens Kompetenceudviklingsfond IKUF

Industriens Kompetenceudviklingsfond (IKUF) yder støtte til medarbejdernes selvvalgte uddannelse inden for Industriens Overenskomst, Industriens Funktionæroverenskomst, Overenskomsten for slagteområdet mellem DI og Fødevareforbundet NNF samt Den fødevareindustrielle overenskomst mellem DI og Fødevareforbundet NNF.

Emballageindustriens Kompetenceudviklingsfond EKUF

EKUF står for Emballageindustriens KompetenceUdviklingsFond.

EKUF blev stiftet af DI – Dansk Industri, Fagligt Fælles Forbund (3F) and HK (Privat)  ved overenskomstfornyelsen i 2007.

Siden da har EKUF ydet tilskud til selvvalgt efteruddannelse og senere hen også aftalt uddannelse for ansatte i industrien. Formålet er at sikre udvikling af medarbejderes kompetencer for at kunne bevare og styrke virksomhedernes konkurrencekraft.

Fonden yder tilskud til medarbejdere, der arbejder under Emballageoverenskomsten.

AL Efteruddannelses Kompetencefond ALEU

AL Efteruddannelses Kompetencefond støtter selvvalgt uddannelse, der kan bruges inden for overenskomstens arbejdsområde (Industri- og VVS-overenskomsten).