Γιατί Big Data για το μέλλον και πολλά χρήματα
Σχηματίζουν / / December 19, 2019
όχι τα ενενήντα ήδη και δεν είναι ακόμα και τώρα αρχίζει το μηδέν, όταν θα μπορούσε να επιλέξει οποιοδήποτε επάγγελμα και να επιτύχουν. Η αγορά είναι κορεσμένη με ειδικούς και να αρχίσει με μια αυτοκαταστροφική αλίευση χωρίς λόγο. Μετά τη συνεδρίαση για μια-δυο νύχτες στο διαδίκτυο, και αφού εξέτασε προσεκτικά όλες τις αναδυόμενες IT-τάσεις, αποφάσισα να επικεντρωθεί σε μεγάλα δεδομένα. Αυτό είναι ένα αρκετά νεαρή τεχνολογία, η οποία θεωρείται ότι είναι πολύ ελπιδοφόρα και σημασία στο μέλλον, και το σημαντικότερο - να αρχίσει μόνο για να συγκεντρώσει πολύ δυναμική. Με τη σκέψη, «Ναι, αυτό είναι!» Πήγα να καταλάβει τι είναι όλα σχετικά.
Τι είναι μεγάλος δεδομένων
Ο όρος «μεγάλα δεδομένα» ακούσει όλα, αλλά το σωστό νόημα σε αυτή την επένδυση μόνο μερικά. Στην πραγματικότητα, η έννοια των μεγάλων συνδυάζει δεδομένα όχι μόνο ο όγκος των πληροφοριών, αλλά και την τεχνολογία επεξεργασίας του, καθώς και τις μεθόδους της νοημοσύνης, για την οποία όλοι και afoot.
Το σημαντικό σημείο εδώ είναι ότι οι πληροφορίες δεν είναι απλώς ένα πολύ: ο όγκος του συνεχώς και ταχέως αναπτυσσόμενη, με τα δεδομένα που είναι συχνά μη δομημένη και ετερογενή. Αυτές περιλαμβάνουν κείμενα, εικόνες, τις διαφορετικές στατιστικές: η μαρτυρία του wearable συσκευές και κάμερες παρακολούθησης για την καταγραφή των δραστηριοτήτων των χρηστών στα κοινωνικά δίκτυα. Σε γενικές γραμμές τα στοιχεία του λογαριασμού μπορεί να είναι γενικά οτιδήποτε.
Από μια εντελώς παράλογη με την πρώτη ματιά, η ροή των πληροφοριών μπορεί να πάρει όχι μόνο χρήσιμες πληροφορίες, αλλά και να προβλέψει το μέλλον με βάση αυτά τα γεγονότα ή αλλαγές στη συμπεριφορά. Αυτό είναι ό, τι θεωρείται το ατού του μεγάλου όγκου δεδομένων, με την οποία μπορούν να εφαρμοστούν σε όλους τους τομείς της ζωής μας.
Ως παραδείγματα μπορούμε να θυμηθούμε τη μελέτη της Google, η οποία προσπάθησε το 2009 σχετικά με την ιστορία των αναζητήσεων των χρηστών μας να προβλέψουμε η εξάπλωση της πανδημίας γρίπης, καθώς επίσης και η Microsoft, η οποία το 2013 ήταν σε θέση να προσδιορίσει τις παρενέργειες των φαρμάκων πριν από τη σχετική ιατρική περιπτώσεις.
Ποιος και γιατί χρειαζόμαστε μεγάλα στοιχείων
Ιατρική και επιστήμη έρχεται στο μυαλό, όταν πρόκειται για τη χρήση των μεγάλων δεδομένων, αλλά για να πάρει σε κάποια ο άνθρωπος Ερευνητικό Έργο στο δρόμο είναι απλά μη ρεαλιστικό, ως εκ τούτου, να αναζητήσει μια πιο μαζική και εμπορικά βιώσιμες σφαίρας. Ευτυχώς, στην επιχείρηση και το μάρκετινγκ, η ανάγκη για μεγάλες δεδομένα δεν είναι καθόλου λιγότερο. Είναι άμεσα συνδεδεμένο με το κέρδος, και η ανάλυσή τους πληρώνονται πολύ καλά χρήματα.
Η δυνατότητα χρήσης μεγάλων δεδομένων για την πρόβλεψη γεγονότων ή συμπεριφοράς - είναι το Άγιο Δισκοπότηρο του μάρκετινγκ.
Χωρίς να το γνωρίζουν, οι καταναλωτές θα δημιουργήσει πολλές πληροφορίες που είναι εγγράμματος, την επεξεργασία και την ανάλυση γίνεται ένα ισχυρό εργαλείο επιρροής. Οι ιδιοκτήτες επιχείρησης μπορεί έτσι να σώσει τη διαφήμιση, αντιμετωπίζοντας μόνο το κοινό-στόχο τους, τα μέσα μαζικής ενημέρωσης θα είναι σε θέση να Οι χρήστες προσφορά που ενδιαφέρονται για το περιεχόμενό τους, καθώς και τα καταστήματα αύξηση των πωλήσεων, με αποτέλεσμα οι αγοραστές συνοδός προϊόντα.
Ενώ αυτό είναι μόνο λίγες ήρθε. Το παράδοξο έγκειται στο γεγονός ότι η ποσότητα των δεδομένων που έχουν ήδη συσσωρευτεί, και συνεχώς αυξάνεται, αλλά οι ειδικοί ο οποίος θα είναι σε θέση να τα αναλύσει και να εξάγει πολύτιμες πληροφορίες από τη χαοτική μάζα, πολύ, πολύ λίγο. Αυτό παίζει στα χέρια μας, λόγω της μεγάλης ανάλυσης δεδομένων μπορεί να μάθει.
Πώς να γίνετε ειδικός σε μεγάλα δεδομένα
Αν δεν το κάνετε δωρεάν έξι χρόνια για να σπουδάσουν στο πανεπιστήμιο (και δεν τις έχουν), τότε μόνο ένας τρόπος: εντατικά μαθήματα. Google SERP κατόπιν αιτήματος «μεγάλων δεδομένων εκπαίδευση Μόσχα“με οδήγησε στην ιστοσελίδα του εκπαιδευτικού έργου νέα επαγγέλματα Lab, όπου σήμερα υπάρχει ένα πέμπτο σετ για το μάθημα”σε μεγάλα εξειδικευμένα δεδομένα».
Δεν μου αρέσει η θεωρία και πάντα ανυπομονώ να τα πρακτικά μαθήματα, έτσι ήμουν προσελκύονται από ένα μη τυπικό σύστημα εκπαίδευσης, η εστίαση μετατοπίζεται προς την πλευρά της πρακτικής. Συμφωνώ, πολύ καλύτερο για να λύσει τα πραγματικά προβλήματα της ζωής, δεν είναι βαρετό παραδείγματα από τα σχολικά βιβλία.
Τι πρέπει να μάθετε
Για τους τρεις μήνες εκπαιδευτικούς με εμπειρία σε μεγάλες εταιρείες, με παραδείγματα από την πραγματική ζωή θα μας διδάξει να λύσει το πιο κοινό πρόβλημα των μεγάλων κόσμου δεδομένων. Η εκπαίδευση χωρίζεται σε δύο στάδια: την εργασία με δεδομένα και την εργασία με τα συστάσεων συστήματα.
Στην πρώτη ενότητα, γεγονός αλγόριθμοι εντοπισμού αναλύεται λεπτομερώς, και τη συμπεριφορά των ανθρώπων στο διαδίκτυο. Αποδεικνύεται ότι μπορούν να χρησιμοποιηθούν για την παρακολούθηση των χαρακτηριστικών των περίπου 2000, μεταξύ των οποίων, εκτός από το κοινότυπο φύλο και την ηλικία, υπάρχουν προσωπικά συμφέροντα, την οικογενειακή κατάσταση, και πολλά άλλα.
Η δεύτερη ενότητα είναι αφιερωμένη στα συστήματα σύστασης είναι ένα σημαντικό μέρος των μεγάλων δεδομένων. Εμείς δεν κάνουμε προειδοποίηση, αλλά είναι παντού γύρω μας. Τα κοινωνικά δίκτυα προσφέρουν φίλους, online αγορές προτείνουμε σχετίζονται με τα προϊόντα και τις υπηρεσίες μουσικής - νέους καλλιτέχνες. Ένα πραγματικό όφελος για τους ανθρώπους, που από τα βλέμματα σαν μαγικό, στην πραγματικότητα, το αποτέλεσμα της σκληρής δουλειάς και της μηχανικής μάθησης.
σύνολο πρόγραμμα μαθημάτων περιγραφή όλων των μαθημάτων λίγο εκφοβιστικό όγκο του: πρέπει να συνεχίσουν να μαθαίνουν πολύ, πάρα πολύ. Ωστόσο, με δεδομένο το γεγονός ότι η θεωρία συνοδεύεται από μια ποικιλία πρακτικών ασκήσεων, δεν είναι τόσο τρομακτικό.
Σε μόλις τρεις μήνες θα πρέπει να κάνει 12 εργαστήρια, καθένα από τα οποία βασίζεται στα πραγματικά προβλήματα της ζωής.
Από το απλό στο σύνθετο εκπαιδευτές διδάσκουν ό, τι μπορεί να χρειαστεί στο έργο, και με τη βοήθεια του σπίτι για να ελέγξει πόσο καλά εσωτερικεύεται υλικό.
Αμέσως θα πρέπει να συντονιστείτε σε κάποια σοβαρή δουλειά. Θα συμμετάσχει σε τρεις φορές την εβδομάδα για τρεις ώρες. Πλέον θα πρέπει να βρεις το χρόνο να κάνουν εργασία στο εργαστήριο και την επανάληψη της ύλης. Εντατική έχει σχεδιαστεί ως oflayn-, και on-line μαθήματα, έτσι είναι διαθέσιμα όχι μόνο για Μοσχοβιτών.
Για μένα είναι σημαντικό ότι δεν είναι κάθε δύο εβδομάδων με την ανάθεση ενός άχρηστο πιστοποιητικού. Εντατικό πρόγραμμα έχει σχεδιαστεί με τέτοιο τρόπο ώστε να προσφέρει στους αποφοίτους των πρωτογενών λύσεις εμπειρία ποικίλες εργασίες και να παρέχει τις γνώσεις που θα τους βοηθήσουν να αντιμετωπίσουν τις νέες προκλήσεις και να αναπτύξουν δεξιότητες.
Πώς να ξεκινήσετε και τι θα πρέπει να είναι σε θέση να
Το επόμενο μάθημα ξεκινά στις 5 Οκτωβρίου, αλλά μπορεί να γραφτεί τώρα. Απομένει μέχρι την ώρα έναρξης μπορεί να χρησιμοποιηθεί για να σηκώσει τις ικανότητές σας, επειδή οι μαθητές χρειάζονται κάποια εμπειρία στον τομέα της πληροφορικής.
Αναγκαστικά πρέπει να γνωρίζουν Python ή άλλη γλώσσα προγραμματισμού υψηλού επιπέδου, να είναι σε θέση να συνεργαστεί με SQL και πλοήγηση στο Linux. Οι στατιστικές είναι επίσης πολύ ευπρόσδεκτη και η κατανόηση της θεωρίας πιθανοτήτων. Για όσους θα ανανεωθεί μόνο ότι η γνώση, πριν το κυρίως πιάτο θα πραγματοποιηθεί στις εντατικά Python, Linux, και της μαθηματικής στατιστικής.
Αν, όπως εγώ, δεν είναι πολύ ισχυρή σε όλα αυτά, να καθίσει για μια μάθηση καλύτερα τώρα, γιατί μετά την έναρξη του ελεύθερου χρόνου, κατά πάσα πιθανότητα, δεν θα, και χωρίς γνώση των βασικών να μην μάθουν έξω. Αυτό ήταν το προειδοποιητικό δίκαιη Νέα Επαγγέλματα Lab αμέσως.
Ίσως τα μεγάλα στοιχεία με την πρώτη ματιά μπορεί να φαίνεται περίπλοκο, αλλά η διαδικασία της μάθησης - χρονοβόρα, αλλά αξίζει τον κόπο. Αυτό είναι μια μεγάλη ευκαιρία να γίνει ένα περιζήτητο ειδικός στην προσοδοφόρα και ακόμη ακατοίκητα αγορά. Περιττό να πω, δεν είναι ότι η αμαρτία να τα χρησιμοποιούν;
Λοιπόν, ενώ εγώ ανανεώσετε τη μνήμη Python γνώση, μελετώντας τα στατιστικά στοιχεία, και ανυπομονώ να το φθινόπωρο.
Εφαρμογή για να συμμετάσχουν στο Εντατικό