Целевая аудитория

Программа предназначена для управленцев среднего звена и выше. Будет полезна для тех, кто планирует внедрение технологии в организации.

Программа

  • Введение в большие данные (Big Data)

    4 ч.

    • Цели и задачи курса.

    • Основные понятия и определения.

    • История науки о данных (Data Science). Особенности развития Data Science в настоящее время.

    • Большие данные и цифровая трансформация.

    • Эффективное использование данных в организации.

    • Различные подходы к управлению (Data-Driven и DataInformed).

    • Data-Driven культура (данные как стратегический ресурс).

    • Использование Data-Driven подхода. Выгоды от работы с большими данными.

    • Основные области применения больших данных.

  • Специфика работы с большими данными

    4 ч.

    • Основные принципы работы с Big Data.

    • Интеграция больших данных. Источники данных (реляционные, не реляционные, предметно ориентированные информационные базы данных). Data Lake.

    • Импорт и экспорт данных: SQL и NoSQL базы данных, потоковые данные, файловые системы (HDFS, NFS), webcontent, социальные сети.

    • Пакетная и динамическая (batch / real-time) загрузка данных.

    • Типовые задачи аналитики больших данных.

    • Методы аналитики Big Data. Подход MapReduce.

    • Жизненный цикл аналитики данных: получение и накопление данных, подготовка данных, планирование модели, построение модели, проверка результатов, внедрение.

    • Использование анализа больших данных для повышения эффективности бизнес процессов.

  • Технологии больших данных.

    24 ч.

    • Особенности применения аналитики для Big Data

      • Статистические методы и методы интеллектуального анализа данных (Data Mining).
      • Отличия методов Data Mining от статистических методов.
      • Задачи и этапы Data Mining.
      • Организационные и человеческие факторы в Data Mining. Методология CRISP-DM (Cross-Industry Standard Process for Data Mining) с точки зрения разработки модели с учетом требований информационной безопасности.

    • Инструментарий для работы с Big Data и проблемы информационной безопасности в ходе использования

      • Инструменты для анализа данных и машинного обучения (Библиотеки, Фреймворки, Базы данных, Аналитические платформы) и их уязвимости.
      • Распределенные вычисления и экосистема Apache Hadoop. Назначение и характеристика компонент Hadoop для хранения и обработки Big Data.
      • Основные уязвимости компонентов Hadoop и угрозы безопасности платформы.
      • Подход к моделированию угроз при анализе угроз платформы
      • Настройка механизмов безопасности для компонентов Hadoop.
      • Применение облачных технологий (платформы AWS, Azure) для реализации решений Big Data и вопросы, связанные с безопасностью при переходе в облако.

  • Тенденции развития техник и технологий обеспечения безопасности решений Big Data.

    8 ч.

    • Сравнительные характеристики программных и аппаратных решений для реализации решений Big Data с учетом вопросов ИБ.

    • Big Data Infrastructure Landscape 2019.

    • Big Data Infrastructure Service Providers 2019.

    • Big Data Analytics Landscape 2019.

    • Big Data Enterprise Level Applications Landscape 2019.

    • Итоговая аттестация