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.
Big Data: Databegreber, model, analyse, behandling
Målgruppe: 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.
Beskrivelse:
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