क्यों बिग डाटा भविष्य और बहुत सारा पैसा के लिए
गठन / / December 19, 2019
नहीं नब्बे के दशक के पहले से ही है और अब भी शून्य शुरुआत जब आईटी किसी भी पेशे चुनते हैं और सफल हो सकते हैं। बाजार विशेषज्ञों के साथ और आत्म-पराजय पकड़ने का कोई कारण नहीं के साथ शुरू संतृप्त है। इंटरनेट पर रातों की एक जोड़ी के लिए बैठे, और ध्यान से सभी उभरते आईटी प्रवृत्तियों पर विचार करने के बाद, मैं बड़ा डेटा पर ध्यान केंद्रित करने का फैसला किया। यह एक काफी युवा प्रौद्योगिकी, जो बहुत वादा किया और प्रासंगिक होने के लिए भविष्य में माना जाता है, और सबसे महत्वपूर्ण बात है - यह केवल वास्तव में गति इकट्ठा करने के लिए शुरू होता है। सोचा, "हाँ, कि यह है!" के साथ मैं समझने के लिए क्या यह सब के बारे में है चला गया।
बड़ा डेटा क्या है
शब्द "बिग डाटा" यह सब सुना है, लेकिन उस में सही अर्थ केवल कुछ ही निवेश। वास्तव में, बड़ा डेटा से जुड़ न केवल जानकारी की मात्रा, बल्कि इसके प्रसंस्करण प्रौद्योगिकी की अवधारणा है, साथ ही खुफिया के तरीकों, जो सभी और चल के लिए।
, अपने मात्रा लगातार और तेजी से बढ़ रही डेटा के साथ अक्सर असंरचित और विषम है: यहां महत्वपूर्ण बात यह है कि जानकारी एक बहुत बस नहीं है। पहनने योग्य उपकरणों की गवाही और निगरानी कैमरों सामाजिक नेटवर्क पर रिकॉर्ड उपयोगकर्ता गतिविधियों के लिए: इन ग्रंथों, छवियों, अलग-अलग आंकड़े शामिल हैं। काफी हद तक खाता डेटा आम तौर पर कुछ भी हो सकता है।
पहली नजर में एक पूरी तरह से बेहोश से, सूचना के प्रवाह न केवल उपयोगी जानकारी प्राप्त कर सकते हैं, लेकिन यह भी इन घटनाओं या व्यवहार में परिवर्तन के आधार पर भविष्य की भविष्यवाणी करने के लिए। यह वही है बड़े डेटा, जिसके द्वारा वे हमारे जीवन के सभी क्षेत्रों में लागू किया जा सकता का तुरुप का पत्ता माना जाता है।
उदाहरण के रूप में हम गूगल अध्ययन है, जो हमारे उपयोगकर्ताओं की खोजों के इतिहास पर 2009 में करने की कोशिश की भविष्यवाणी करने के लिए याद है एक इंफ्लुएंजा महामारी के प्रसार, साथ ही माइक्रोसॉफ्ट, जो 2013 में प्रासंगिक चिकित्सा से पहले दवाओं के दुष्प्रभावों की पहचान करने में सक्षम था उदाहरणों।
कौन और क्यों हम बड़े डेटा की आवश्यकता क्यों है
चिकित्सा और विज्ञान मन में जब यह बड़ा डेटा का उपयोग करने के लिए आता आते हैं, लेकिन कुछ पाने के लिए सड़क पर अनुसंधान परियोजना आदमी, बस अवास्तविक है, इसलिए एक अधिक भारी और वाणिज्यिक रूप से व्यवहार्य के लिए देखो करने के लिए क्षेत्र। सौभाग्य से, व्यापार और विपणन में, बड़े डेटा के लिए की जरूरत नहीं सब कम पर है। वे सीधे लाभ के साथ जुड़े हुए हैं, और उनके विश्लेषण बहुत अच्छा पैसा भुगतान किया जाता है।
पूर्वानुमान घटनाओं या व्यवहार करने के लिए बड़ा डेटा उपयोग करने की संभावना - विपणन के ही सर्वोपरि है।
यह जाने बिना, उपभोक्ताओं को जानकारी का एक बहुत है कि साक्षर, प्रसंस्करण और विश्लेषण प्रभाव का एक शक्तिशाली उपकरण बन जाता है उत्पन्न होगा। व्यवसाय के स्वामी इस प्रकार, विज्ञापन पर बचा सकता है केवल अपने लक्षित दर्शकों को संबोधित करते हुए, मीडिया में सक्षम हो जाएगा प्रस्ताव उपयोगकर्ताओं को अपनी सामग्री में रुचि रखते हैं, और दुकानों की बिक्री में वृद्धि, खरीदारों परिचर उत्साह उत्पादों।
यह वह जगह है जबकि केवल कुछ ही आया था। तथ्य यह है कि डेटा की मात्रा पहले से ही संचित, और लगातार में विरोधाभास झूठ बढ़ रही है, लेकिन विशेषज्ञों उनके विश्लेषण और अराजक जन से बहुमूल्य जानकारी निकालने के लिए, बहुत, बहुत सक्षम होगा जो थोड़ा। बड़े डेटा विश्लेषण की वजह से हमारे हाथों में यह नाटकों, सीखा जा सकता है।
बड़े डेटा में एक विशेषज्ञ बनने के लिए कैसे
आप छह साल मुक्त नहीं करते हैं (और हम उन्हें नहीं है) विश्वविद्यालय में अध्ययन करने के लिए है, तो सिर्फ एक ही रास्ता: गहन पाठ्यक्रम। अनुरोध पर Google SERP «बड़ा मास्को प्रशिक्षण डेटा" मुझे शैक्षिक परियोजना नए व्यवसायों लैब, जहां अब वहाँ पाठ्यक्रम के लिए एक पांचवें सेट है की वेबसाइट के लिए प्रेरित किया "बड़े डेटा विशेषज्ञ पर».
मैं सिद्धांत की तरह नहीं करते हैं और हमेशा की तरह, व्यावहारिक सबक के लिए तत्पर हैं तो मैं एक गैर मानक प्रशिक्षण योजना से आकर्षित किया गया था, ध्यान अभ्यास के पक्ष में स्थानांतरित कर दिया गया है। सहमत है, बहुत अच्छे जीवन की वास्तविक समस्याओं को हल करने, पाठ्य पुस्तकों से उदाहरण बोरिंग नहीं।
क्या जानने के लिए
बड़ी कंपनियों में अनुभव के साथ तीन महीने के शिक्षकों, वास्तविक जीवन से उदाहरण के साथ के लिए बड़ा डेटा दुनिया का सबसे आम समस्या को हल करने के लिए हमें सिखा देगा। शिक्षा दो चरणों में विभाजित है: recommender सिस्टम के साथ डेटा और काम के साथ काम।
पहले भाग में, ईवेंट ट्रैकिंग एल्गोरिदम विस्तार से विश्लेषण किया है, और इंटरनेट पर लोगों के व्यवहार। ऐसा लगता है कि वे के बारे में 2000 की विशेषताओं,, जो बीच में साधारण सेक्स और उम्र के अलावा, वहाँ निजी हितों, वैवाहिक स्थिति, और अधिक कर रहे हैं की निगरानी के लिए इस्तेमाल किया जा सकता।
दूसरे मॉड्यूल सिफारिश प्रणालियों के लिए बड़ा डेटा का एक महत्वपूर्ण हिस्सा समर्पित है कर रहे हैं। हम नोटिस नहीं करते हैं, लेकिन वे हमारे चारों तरफ है। सामाजिक नेटवर्क मित्र प्रस्तुत करते हैं, ऑनलाइन शॉपिंग से संबंधित उत्पादों, और संगीत सेवाओं की सिफारिश - नए कलाकारों। लोगों के लिए एक वास्तविक लाभ है, जो जादू की तरह दिखता द्वारा, वास्तव में, कड़ी मेहनत और मशीन सीखने का परिणाम है।
संपूर्ण पाठ्यक्रम कार्यक्रम सभी पाठ एक छोटे से इसकी मात्रा को डराना का एक विवरण: अभी भी बहुत, बहुत ज्यादा जानने के लिए किया है। हालांकि, तथ्य यह है कि सिद्धांत व्यावहारिक अभ्यास की एक किस्म के साथ है को देखते हुए, यह इतना डरावना है।
सिर्फ तीन महीनों में हम 12 प्रयोगशालाओं, जिनमें से प्रत्येक के जीवन की वास्तविक समस्याओं पर आधारित है करना होगा।
जटिल प्रशिक्षकों के लिए सरल सब कुछ सिखाने से आप काम में आवश्यकता हो सकती है, और होमवर्क की मदद से कैसे अच्छी तरह से सामग्री भाँति जाँच करने के लिए।
इसके तत्काल बाद आप कुछ गंभीर काम करने के लिए में धुन की जरूरत है। तीन घंटे के लिए एक सप्ताह में तीन बार में संलग्न करेंगे। इसके अलावा आप प्रयोगशाला काम और सामग्री की पुनरावृत्ति करने के लिए समय लगाना होगा। गहन oflayn- के रूप में बनाया गया है, और ऑन लाइन कक्षाएं, इसलिए Muscovites के लिए न केवल उपलब्ध है।
मेरे लिए यह महत्वपूर्ण है कि यह किसी भी वहाँ एक बेकार प्रमाण पत्र का काम के साथ दो सप्ताह के पाठ्यक्रम नहीं है। गहन कार्यक्रम को इस तरह से बनाया गया है प्रदान करने के लिए के रूप में प्राथमिक अनुभव समाधान स्नातकों विविध कार्यों और ज्ञान उभरती चुनौतियों से निपटने में मदद मिलेगी प्रदान करते हैं और कौशल का विकास।
कैसे शुरू करने के लिए और क्या आप के लिए सक्षम होना चाहिए
अगले पाठ्यक्रम 5 अक्टूबर को शुरू होता है, लेकिन अब लिखा जा सकता है। क्योंकि छात्रों को आईटी में कुछ अनुभव की जरूरत प्रारंभ समय तक बने रहे, लेकिन अपने कौशल ऊपर खींचने के लिए इस्तेमाल किया जा सकता।
जरूरी अजगर या अन्य उच्च स्तरीय प्रोग्रामिंग भाषा को पता है, लिनक्स में एसक्यूएल के साथ काम करते हैं और नेविगेट करने में सक्षम हो की जरूरत है। सांख्यिकी भी बहुत स्वागत करते हैं और संभाव्यता सिद्धांत की समझ रहे हैं। जो लोग केवल कि ज्ञान ताज़ा होगी, मेन कोर्स से पहले पर intensives अजगर, लिनक्स, और गणितीय सांख्यिकी आयोजित किया जाएगा के लिए।
अगर आप मेरी तरह, इस सब में बहुत मजबूत नहीं हैं, तो एक सीखने के लिए नीचे बैठने के लिए बेहतर अब, क्योंकि बुनियादी बातों का ज्ञान खाली समय की शुरुआत के बाद, सबसे अधिक संभावना है, ऐसा नहीं करेगा और बिना नहीं जानने के लिए बाहर। इस नए व्यवसायों लैब निष्पक्ष चेतावनी में अभी था।
शायद पहली नजर में बड़ा डेटा जटिल हो सकता है लगते हैं, लेकिन की सीखने की प्रक्रिया - समय लगता है, लेकिन इसके लायक। यह एक बढ़िया मांग की आकर्षक में विशेषज्ञ और के रूप में अभी तक खाली बाजार बनने का मौका है। कहने की जरूरत नहीं, कि पाप उन्हें इस्तेमाल करने के लिए नहीं?
ठीक है, जबकि मैं स्मृति अजगर ज्ञान, सांख्यिकी का अध्ययन ताज़ा, और शरद ऋतु के लिए तत्पर हैं।
गहन में भाग लेने के लिए आवेदन करें