Master i Big Data

Master i Big Data, der er udviklet i samarbejde med det teknologiske multinationale Indra, giver et overblik over Big Data-teknologier og deres anvendelse, samt anvendt og praktisk træning i analytiske teknikker til erhvervslivet (Business Analytics), det vil sige i ansøgningen fra kl. Data Science-teknikker til forretningsproblemer.

Programmet imødekommer således behovet for på en praktisk og anvendt måde at kende brugen af teknologier og dataanalysemetoder. Forståelsen af teknisk brug supplerer forretningsvisionen, således at kandidater fra uddannelsen vil være i stand til at ræsonnere i dybden om teknologiers anvendelighed samt anvende analytiske teknikker og værktøjer i konkrete situationer.

Hvorfor læse på School of Artificial Intelligence & Big Data?

aktive eksperter

Aktive fagfolk fra Indra og Minsait vil lære dig de færdigheder og den viden, de søger for deres teams

Design din skræddersyede træning

Vores programmer er opbygget omkring 2 hovedakser, din profil og erhvervserfaring, så du kan få adgang til det professionelle marked fra en teknisk (Hard tech) eller business (Soft Tech) profil.

Læring ved at gøre

Det arbejder med skyerne fra de vigtigste aktører i sektoren, økosystemer og open source platforme, der betjener +500 millioner mennesker

Adgang til praksis

Præference for adgang til professionel praktik med et minimum antal praktikpladser for hver uddannelse

titreringer

Ved at gennemføre dette program vil du opnå en tredobbelt grad af Master i Big Data fra IMF Smart Education , professionel certificering fra Indra og Master of Big Data fra UCAV.

Tredobbelt grad: IMF Smart Education + Indra professionel certificering + UCAV

Mulighed for ansættelse af praktikpladser og fortrinsadgang til udvælgelsesprocesser

Programmet henvender sig til fagfolk og nyuddannede med forskellige profiler, der ønsker at orientere eller omorientere deres professionelle karriere til et af de nye erhverv relateret til dataanalyse. Profiler kan være af tre typer:

1. IKT-profiler: dataloger eller relaterede ingeniører eller fagfolk, der har udviklet deres karriere inden for softwareudvikling eller administration af it-systemer.
2. Kvantitative profiler: kandidater fra kurser med en stærk kvantitativ komponent, såsom statistik og matematik, som ønsker at udvide deres færdigheder med dataindsamling, lagring og styringsteknikker, samt tilegne sig nye analytiske evner.
3. Erhvervsprofiler: kandidater og fagfolk inden for forskellige områder af erhvervslivet og økonomi, der ønsker at specialisere sig i forretningsanalyse, erhverve en solid baggrund i brugen af statistiske sprog og i forståelse af teknologi ikke kun på forretningsniveau, men også med hensyn til din tekniske Ansøgning

• Forstå værdien af data og dens analyse i organisationer og være i stand til at udtænke og udtænke dataanalyseløsninger.
• Kende og vide, hvordan man angiver forretningsværdien af de vigtigste parallelle behandlings- og skalerbare datalagringsteknologier, samt ved, hvordan man forklarer deres brug til specifikke formål i organisationen.
• Kunne anvende dataanalyseteknikker og -metoder på forretningsproblemer ved hjælp af statistiske programmeringsteknikker.
• Anvend maskinlæring og tekstmineteknikker til at udtrække værdi fra data og opbygge forudsigelige modeller.
• Ved og ved, hvordan man anvender business intelligence og visualiseringsværktøjer til at understøtte analyser og beslutningstagning.
• Dataanalytiker (Big Data Analyst).
• Data Scientist.
• Business Intelligence fagfolk.
• Chief Data Officer (CDO).
• Big Data arkitekt.
• Data Engineer
• Underviser i Business Intelligence kurser
• Underviser i Dataanalyse kursus
• Den pågældende lærer Qlik

Uddannelsen giver grundlæggende træning til at orientere dig i forskellige professioner inden for området dataanalyse og ledelse; specifikt: Digital Transformationskonsulent

• Dataanalytikere.
• Business Intelligence fagfolk.
• Data Scientists.

I tilfælde af de profiler med tidligere erfaring i ledelse og teamledelse, vil programmet træne dem til stillinger som Chief Data Officer (CDO). Endelig vil det for fagfolk, der har computerprofiler, danne grundlag for professionelle muligheder som Big Data-arkitekt eller Data Engineer.

Master designet af et udvalg af eksperter bestående af læger og aktive fagfolk fra førende virksomheder inden for kunstig intelligens og big data såsom Indra og Minsait. Deres erfaring garanterer egnetheden af studierne og de erhvervede færdigheder, hvad enten det er for at komme ind i arbejdslivet eller til faglig forbedring i sektoren. Dette team af eksperter, ud over at deltage i uddannelsesprogrammets designkomité, samarbejder om vejledning og levering af mastersessioner.

Grundlæggende databehandling for datavidenskab

1. Brug af virtuelle maskiner og kommandoskal
2. Grundlæggende om Python-programmering
3. Relationelle databasefundamentals
4. Grundlæggende om internetteknologier
5. Del data, kode og ressourcer i repositories
6. Grundlæggende om databehandling med Python videnskabelige stak

business Intelligence

1. Introduktion til business intelligence
2. Datavarehuse og analytiske databaser
3. Værktøj til fjernelse og pålæsning
4. Business intelligence applikationer
5. Big data-analyse anvendt til forretning
6. Customer intelligence (CRM)

Anvendt maskinlæring

1. Introduktion til maskinlæring
2. Overvågede modeller
3. Uovervågede modeller
4. Funktionsteknik og modelvalg
5. Connectionist modeller
6. Foreningsregler og markedskurveanalyse

Text Mining og Natural Language Processing (NLP)

1. Historisk og teknologisk introduktion
2. NLP-værktøjer I: NLTK
3. NLP II værktøjer: Brat and Gate
4. tekst mining
5. Andre NLP applikationer og teknikker

Business intelligence og visualisering

1. Introduktion til business intelligence
2. BI vs. traditionel rapportering
3. Teknologisk grundlag for databehandling og analyse
4. Grundlæggende datavisualisering
5. Avanceret datavisualisering
6. Visualiseringsværktøjer

Big data infrastruktur

1. Databehandling med Hadoop
2. Hadoop økosystemværktøjer
3. Databehandling med Spark
4. Streamingarkitekturer
5. Komponenter af streamingarkitekturer
6. Cloud platforme og API'er

Datalagring og integration

1. Ukonventionelle databaser
2. Dokumentbaserede databasemodeller
3. Kolonneorienterede databasemodeller
4. Graforienterede databasemodeller
5. Nøgleværdi databasemodeller
6. Dataindsamling

Værdi og kontekst af Big Data Analytics

1. Big data business casen
2. Big data projekter
3. Analytiske applikationer fordelt på sektorer
4. Nye teknologier inden for analyse
5. Teamledelse og agile metoder
6. Regulerende aspekter af databehandling

Analytiske applikationer. Praktiske cases

1. Skalerbar analyse: Analyse med parallelle og skalerbare computerteknologier
2. Analyse af sociale medier
3. Internet of things (IoT)
4. Finansielle analyser (virksomhedsvurdering)
5. Kundeanalyse: placeringsanalyse
6. Informationsgendannelsesteknikker

Kandidatafhandling (TFM)

Agile metodologi kursus

1. Hvad er Scrum og hvordan man anvender det
2. Scrum Framework
3. Selvorganiserede teams
4. Kundernes og interessenternes rolle
5. Agil produkt- og projektledelse
6. Udvikling og løbende integration
7. Hvordan man udvikler sig mod en agil organisation

Begynderkursus i Python

• Introduktion til Python
• Betingelser i Python
• Gentagne strukturer i Python
• Samlinger. Lister
• String funktioner
• Samlinger. Ordbøger
• funktioner
• Filhåndtering
• objektorientering

Introduktion til R kursus

• Introduktion til R
• Vektorer
• matrixer
• Lister
• Datarammer
• Kontrolstrukturer
• funktioner

engelsk kursus

• Grundlæggende, Preintermediate, Intermediate eller Advanced
• Eleven kan vælge et af de fire niveauer.