Détails
- 6 Sections
- 32 Lessons
- 35 Hours
Expand all sectionsCollapse all sections
- Inleiding: concepten en uitdagingen van Big Data4
- 1.1Geschiedenis en terminologie van Big Data
- 1.2Big Data vandaag de dag: belangrijke cijfers wereldwijd en in Nederland
- 1.3Overzicht van de uitdagingen van Big Data
- 1.4Praktijkopdracht: analyse van een Big Data-architectuur
- Big Data-technologieën8
- 2.1Studie van de architectuur en componenten van Hadoop
- 2.2Introductie van opslagmethoden
- 2.3Werking van MapReduce, Spark, Storm…
- 2.4Overzicht van de verschillende marktdistributies
- 2.5Installatie van een Hadoop-platform
- 2.6Data Scientist: missies en uitdagingen
- 2.7Introductie van specifieke technologieën voor data visualisatie
- 2.8Praktijkopdracht: Implementatie van een Hadoop Big Data-platform
- Verwerking van gestructureerde en ongestructureerde gegevens7
- 3.1Werking van Hadoop Distributed File System
- 3.2Importeren van externe gegevens naar HDFS
- 3.3SQL-query’s uitvoeren met HIVE
- 3.4Gebruik van PIG voor gegevensverwerking
- 3.5Principe van ETL
- 3.6Gebruik van data streaming
- 3.7Praktijkopdracht: Implementatie van massale gegevensstromen
- Techniek & methoden van Big Data-analyse7
- 4.1Introductie tot Machine Learning & AI
- 4.2Regressie, Classificatie & Clustering
- 4.3Voorbereiding van gegevens
- 4.4Genereren van modellen in R of Python
- 4.5Ensemble Learning
- 4.6Overzicht van beschikbare tools op de markt
- 4.7Oefening: Implementatie van analyses
- Data visualisatie & praktische toepassingen5
- 5.1Definitie van de behoefte aan data visualisatie
- 5.2Analyse & visualisatie van gegevens
- 5.3Soorten gegevens & DataViz
- 5.4Overzicht van de tools voor DataViz op de markt
- 5.5Praktijkopdracht: Implementatie & gebruik van een Data Visualisation-tool voor het ontwerpen van dynamische analyses
- Verdergaan1
- 6.1Best practices
