Pourquoi Big Data pour l'avenir et beaucoup d'argent

pas les années nonante déjà et même pas commencer maintenant à zéro quand il pouvait choisir une profession et réussir. Le marché est saturé avec des spécialistes et de commencer un pas autodestructrice Attraper raison. Après être resté assis pendant deux nuits sur Internet, et après avoir soigneusement examiné toutes les IT-tendances émergentes, j'ai décidé de se concentrer sur les grandes données. C'est une technologie assez jeune, qui est considéré comme très prometteur et pertinent à l'avenir, et le plus important - il ne commence à recueillir vraiment l'élan. Avec la pensée, « Oui, c'est-il! » Je suis allé à comprendre ce qu'il est tout au sujet.

Qu'est-ce que les données importantes

Le terme « données volumineuses » tout entendu, mais le sens correct en elle investissant seulement quelques-uns. En fait, le concept de gros volumes de données combine non seulement le volume d'information, mais aussi sa technologie de traitement, ainsi que des méthodes d'intelligence, pour lesquels tous et en cours de réalisation.

Le point important est que l'information est non seulement beaucoup: son volume sans cesse et en croissance rapide, avec des données est souvent non structuré et hétérogène. Ceux-ci comprennent des textes, des images, les différentes statistiques: le témoignage de gadgets portables et des caméras de surveillance aux activités des utilisateurs record sur les réseaux sociaux. En gros les données de compte peuvent être généralement rien.

D'un complètement absurde au premier abord, le flux d'informations ne peut pas seulement obtenir des informations utiles, mais aussi de prédire l'avenir en fonction de ces événements ou des changements de comportement. C'est ce qui est considéré comme la carte maîtresse de grandes quantités de données, par laquelle ils peuvent être appliqués dans tous les domaines de notre vie.

A titre d'exemples, nous pouvons rappeler l'étude Google, qui a tenté en 2009 sur l'histoire des recherches des utilisateurs pour prédire la propagation d'une pandémie de grippe, ainsi que Microsoft, qui en 2013 a été en mesure d'identifier les effets secondaires des médicaments avant l'examen médical concerné cas.

Qui et pourquoi avons-nous besoin de grandes données

La médecine et la science viennent à l'esprit en ce qui concerne l'utilisation de grands volumes de données, mais pour obtenir une certaine homme Projet de recherche sur la rue est tout simplement irréaliste, donc, de chercher une plus massive et commercialement viable sphère. Heureusement, dans l'entreprise et le marketing, le besoin de grandes quantités de données ne sont pas du tout moins. Ils sont directement liés à but lucratif, et leur analyse sont payés très bon argent.

La possibilité d'utiliser les données importantes à des événements prévus ou le comportement - est le Saint-Graal du marketing.

Sans le savoir, les consommateurs vont générer beaucoup d'informations qui est alphabétisée, le traitement et l'analyse devient un puissant outil d'influence. Les propriétaires d'entreprise peuvent ainsi économiser sur la publicité, adressant seulement son public cible, les médias pourront offre aux utilisateurs sont intéressés par leur contenu, et les magasins d'augmenter les ventes, ce qui incite les acheteurs de préposé produits.

Bien que ce soit seulement quelques-uns sont venus. Le paradoxe réside dans le fait que la quantité de données déjà accumulées, et en croissance constante, mais les experts qui serait en mesure de les analyser et d'extraire des informations précieuses de la masse chaotique, très, très peu. Celui-ci joue dans nos mains, de grande analyse des données peuvent être apprises.

Comment devenir un spécialiste en grandes quantités de données

Si vous faites six ans pas libre d'étudier à l'université (et nous ne les avons pas), alors qu'un seul moyen: cours intensifs. Google SERP sur demande «big data formation Moscou « m'a conduit sur le site du projet éducatif New Professions Lab, où il y a maintenant un cinquième set pour le cours »sur grand spécialiste des données».

Je ne aime pas la théorie et regarde toujours avec impatience les leçons pratiques, donc je suis attiré par un programme de formation non standard, l'accent est décalé sur le côté de la pratique. D'accord, beaucoup plus agréable pour résoudre les vrais problèmes de la vie, pas ennuyeux exemples de manuels.

Qu'est-ce que pour apprendre

Pour les trois mois les enseignants ayant une expérience dans les grandes entreprises, avec des exemples de la vie réelle nous apprendre à résoudre le problème le plus commun de grand monde de données. L'éducation est divisé en deux étapes: travailler avec des données et le travail avec les systèmes recommender.

Dans le premier module, les algorithmes de suivi des événements analysés en détail, et le comportement des gens sur Internet. Il se avère qu'ils peuvent être utilisés pour surveiller les caractéristiques d'environ 2000, parmi lesquels, en plus du sexe banal et de l'âge, il y a des intérêts personnels, l'état matrimonial, et plus encore.

Le second module est dédié aux systèmes de recommandation sont une partie importante de données volumineuses. Nous ne remarquent pas, mais ils sont tout autour de nous. Les réseaux sociaux offrent des amis, achats en ligne recommander des produits connexes et des services de musique - de nouveaux artistes. Un avantage réel pour le peuple, qui par les regards comme par magie, en fait, le résultat du travail acharné et d'apprentissage de la machine.

total programme de cours une description de toutes les leçons un peu intimidant son volume: doivent encore apprendre beaucoup, beaucoup. Cependant, compte tenu du fait que la théorie est accompagnée d'une variété d'exercices pratiques, ce n'est pas si effrayant.

En seulement trois mois, nous devrons faire des 12 laboratoires, dont chacune est basée sur les vrais problèmes de la vie.

De simples à complexes instructeurs tout enseigner vous pourriez avoir besoin dans le travail, et avec l'aide de devoirs pour vérifier comment le matériel bien intériorisé.

Immédiatement, vous devez accorder à un travail sérieux. Engagera trois fois par semaine pendant trois heures. De plus, vous devez trouver le temps de faire un travail de laboratoire et la répétition de matériel. Intensif est conçu comme oflayn- et cours en ligne, donc est disponible non seulement pour les Moscovites.

Pour moi, il est important qu'il ne soit pas ANY cours de deux semaines avec l'attribution d'un certificat inutile. programme intensif est conçu de manière à ce que pour donner aux diplômés les solutions d'expérience primaires diverses tâches et fournir les connaissances qui aideront à faire face aux nouveaux défis et développer des compétences.

Comment commencer et ce que vous devez être en mesure de

Le prochain cours commence le 5 Octobre, mais peut être écrit maintenant. Restant avant l'heure de début peut être utilisé pour tirer vos compétences, parce que les étudiants ont besoin d'une certaine expérience dans l'informatique.

Nécessairement besoin de connaître Python ou tout autre langage de programmation de haut niveau, être capable de travailler avec SQL et naviguer dans Linux. Les statistiques sont également les bienvenus et la compréhension de la théorie des probabilités. Pour ceux qui ne rafraîchira que la connaissance, avant le plat principal aura lieu le Python Intensifs, Linux, et les statistiques mathématiques.

Si vous, comme moi, ne sont pas très forte dans tout cela, pour asseoir un apprentissage mieux maintenant, parce que après le début du temps libre, très probablement, ne sera pas, et sans connaissance des bases d'apprendre non out. Ce fut dans l'avertissement juste nouvelles professions Lab tout de suite.

---

Peut-être que les grandes données à première vue peut sembler compliqué, mais le processus d'apprentissage - beaucoup de temps, mais vaut la peine. C'est une grande chance de devenir un expert recherché sur le marché lucratif et encore inoccupé. Il va sans dire que le péché de ne pas les utiliser?

Eh bien, alors que je vous rafraîchir la mémoire des connaissances Python, étudier les statistiques, et nous nous réjouissons à l'automne.

Appliquer à participer à l'intensif