Vous avez déjà un compte client ORSYS
Se connecter
Vous êtes nouveau chez ORSYS
Créer un compte
Vous ne souhaitez pas créer de compte
Poursuivre sans me connecter

Opleiding : Big data, een stand van zaken

Big data, een stand van zaken




De voortdurende toename van digitale gegevens in organisaties heeft tot de opkomst van big data geleid. Dit concept doet vragen rijzen over de opslag en bewaring van grote hoeveelheden gegevens, maar ook over de potentiële waarde van deze massa's gegevens. In het kader van dit seminarie worden de specifieke problemen van big data en de mogelijke technische oplossingen behandeld, van gegevensbeheer tot de verschillende soorten verwerking.


INTER
INTRA
OP MAAT

seminarie ter plaatse of via klasverband op afstand

Ref. BGA
  2d - 14u00
Prijs : Neem contact met ons op

Downloaden in pdf-formaat

Deze cursus delen via mail




De voortdurende toename van digitale gegevens in organisaties heeft tot de opkomst van big data geleid. Dit concept doet vragen rijzen over de opslag en bewaring van grote hoeveelheden gegevens, maar ook over de potentiële waarde van deze massa's gegevens. In het kader van dit seminarie worden de specifieke problemen van big data en de mogelijke technische oplossingen behandeld, van gegevensbeheer tot de verschillende soorten verwerking.


Pedagogische doelstellingen
Aan het einde van de training is de deelnemer in staat om:
Kennismaken met de belangrijkste concepten van big data
Economische uitdagingen identificeren
Voor- en nadelen van big data beoordelen
De belangrijkste problemen en mogelijke oplossingen begrijpen
De belangrijkste methoden en toepassingsgebieden van big data te identificeren

Doelgroep
IS-afdelingen, technisch directeurs, projectleiders, architecten, IS-managers.

Voorafgaande vereisten
Basiskennis van technische architecturen.

Opleidingsprogramma

1
Inleiding

  • De oorsprong van big data: een wereld van digitale gegevens, e-health, chronologie.
  • Een definitie aan de hand van de vier V's: de herkomst van gegevens.
  • Een breuk: veranderingen in kwantiteit, kwaliteit, gewoonten.
  • De waarde van gegevens: een verandering in belang.
  • Gegevens als grondstof.
  • Het vierde paradigma van de wetenschappelijke ontdekking.

2
Big data: verwerking van de verzameling tot het resultaat

  • Stroom van de acties. Verzameling.
  • Verzameling van gegevens: crawling, scraping.
  • Beheer van gebeurtenisstromen (Complex Event Processing (CEP).
  • Indexering van de inkomende stroom.
  • Integratie in oude gegevens.
  • Gegevenskwaliteit: een vijfde V?
  • De verschillende soorten verwerking: zoeken, leren (Machine Learning, transactieverwerking, datamining).
  • Andere stroommodellen: Amazon, e-Health.
  • Een of meer gegevensbibliotheken? Van Hadoop tot in-memory.
  • Van toonanalyse tot kennisontdekking.

3
Relaties tussen cloud en big data

  • Architectuurmodel van openbare en privéclouds.
  • XaaS-services.
  • Doelstellingen en voordelen van cloudarchitecturen.
  • Infrastructuren.
  • Gelijkheden en verschillen tussen cloud en big data.
  • Opslagclouds.
  • Classificatie, beveiliging en vertrouwelijkheid van gegevens.
  • Structuur als classificatiecriterium: ongestructureerd, gestructureerd, halfgestructureerd.
  • Classificatie volgens levenscyclus: tijdelijke of permanente gegevens, actieve archieven.
  • Moeilijkheden op het gebied van beveiliging: toenemende volumes, distributie.
  • Mogelijke oplossingen.

4
Inleiding tot open data

  • Filosofie van open gegevens en doelstellingen.
  • Vrijgave van openbare gegevens.
  • Implementatiemoeilijkheden.
  • Essentiële kenmerken van open gegevens.
  • Toepassingsgebieden. Verwachte voordelen.

5
Hardware voor opslagarchitecturen

  • Servers, schijven, netwerken en gebruik van SSD-schijven, belang van netwerkinfrastructuur.
  • Cloudarchitecturen en traditionelere architecturen.
  • Voordelen en moeilijkheden.
  • TCO. Stroomverbruik: servers (IPNM), schijven (MAID)
  • Objectopslag: principe en voordelen.
  • Objectopslag vergeleken met traditionele NAS- en SAN-opslag.
  • Softwarearchitectuur.
  • Indelingsniveaus van opslagbeheer.
  • "Software Defined Storage".
  • Gecentraliseerde architectuur (Hadoop File System).
  • Peer-to-peerarchitectuur en gemengde architectuur.
  • Interfaces en connectors: S3, CDMI, FUSE, enz.
  • Toekomst van andere opslagmethoden (NAS, SAN) vergeleken met objectopslag.

6
Gegevensbescherming

  • Bewaring in de tijd tegenover toenemende volumes.
  • Back-ups maken, online of lokaal?
  • Traditioneel archief en actief archief.
  • Verbanden met opslaghiërarchiebeheer: toekomst van magnetische banden.
  • Replicatie over meerdere locaties.
  • Slechtere prestaties van opslagmedia.

7
Verwerkingsmethoden en toepassingsgebieden

  • Classificatie van analysemethoden volgens gegevensvolume en verwerkingskracht.
  • Hadoop: het Map Reduce-verwerkingsmodel.
  • Hadoop-ecosysteem: Hive, Pig. Moeilijkheden van Hadoop.
  • OpenStack en Ceph-gegevensbeheer.
  • Complex Event Processing: een voorbeeld? Storm.
  • Van BI tot big data.
  • Vernieuwde Business Intelligence en transacties: NoSQL-databases. Typologie en voorbeelden.
  • Gegevensopname en indexering. Twee voorbeelden: Splunk en Logstash.
  • Open Source-crawlers.
  • Zoeken en analyseren: Elasticsearch.
  • Leren: Mahout. In-memory.
  • Visualisatie: al dan niet in real time, in de cloud (Bime), vergelijking QlikView, Tibco Spotfire, Tableau.
  • Een algemene dataminingarchitectuur via big data.

8
Gebruikscases aan de hand van voorbeelden en conclusie

  • Verwachting: behoeften van gebruikers in bedrijven, onderhoud van uitrustingen.
  • Beveiliging van personen, opsporing van fraude (post, belastingen), netwerk.
  • Aanbeveling. Marketing- en impactanalyses.
  • Routeanalyses. Distributie van video-inhoud.
  • Big data voor de auto-industrie? Voor de aardolie-industrie?
  • Moet u aan een big-dataproject beginnen?
  • Welke toekomst voor gegevens?
  • Governance van gegevensopslag: rol en aanbevelingen, Data Scientist, vaardigheden voor een big-dataproject.