Az adatok nyelvét beszélő specialisták a következő évek legkeresettebb szakemberei közé tartoznak. Hogy miért vagyunk biztosak ebben? Mert az adatgyűjtésre alkalmas eszközök elárasztották a mindennapjainkat és ezzel egy időben az adatokba zárt intelligencia lett a sikeres vállalkozások legnagyobb tőkéje. A gazdasági szereplők számára az adat a jövő záloga. A jelenlegi helyzetben az jelenti a szűk keresztmetszetet, hogy nincs elég felkészült szakember, aki a hihetetlen léptékben duzzadó adattömeget képes kezelni és értelmezni, illetve akik képesek összefüggéseiben látni az üzleti igények és technológiai megoldások átváltásait.

KINEK AJÁNLJUK A DATA SCIENCE KÉPZÉSÜNKET? 

  • Képzésünket mindazoknak az adatokkal foglalkozó szakembereknek ajánljuk, akik átfogó képet és gyakorlati ismereteket szeretnének kapni a legújabb adattudomány technológiákról és az adatok felhasználásának lehetőségeiről. 
  • Mindazoknak, akik gyakorlati példákon, esettanulmányokon és programozási feladatokon keresztül szeretnének mélyebb ismereteket szerezni a témában.
  • Akik keresik a lehetőséget, hogy gyakorló data science szakemberekkel vitassanak meg üzleti és technológiai kérdéseket és részévé váljanak egy olyan szakmai perspektívát adó közösségnek, amelyre a képzés után is támaszkodhatnak.
  • Azoknak, akik első kézből szeretnék megtudni, milyen kihívásokkal néznek szembe a legtöbb adattal dolgozó vállalatok, mi mindenre derülhet fény az adatvagyon felhasználásával.

MIRE LESZ SZÜKSÉGED?

  • Magabiztos angol nyelvtudásra, mert a  feldolgozott irodalom nyelve az angol. A képzési alkalmakat magyarul tartjuk.
  • 27 héten át heti 8-10 órára, amit dedikáltan a tanulásra tudsz fordítani. Ebből 4 óra lesz a helyszíni oktatás, 4-6 óra pedig otthoni készülés, olvasás, projektmunka.

MIÉRT A KÜRT AKADÉMIÁT VÁLASZD?

  • Egyedülálló tanulási lehetőséget kínálunk Magyarországon. Képzésünk megtartásához felkértük a legjobb hazai szakértőket, felhasználtuk az aktuális legjobb gyakorlatokat. Az előadóink gyakorló data science szakemberek, akik technológiai módszereket ismertetnek meg, vagy megosztják üzleti sikerük tapasztalatait a hallgatókkal.
  • Teljes körképet adunk a data science technológiákról, áttekintjük az adatelemzés módszertanának eszköztárát, megismerkedünk a Big Data eszközök legújabb generációival. Az üzleti értékteremtés szempontjai, az adatgazdálkodás teljes infrastruktúrája és az elemzés folyamatai egyaránt a tematika részét képezik.
  • Képzésünkben ötvöztük a technológiai alapokat és újdonságokat, a projektszemlélettel és a társadalmi kontextus legizgalmasabb kérdéseivel. A technológiák aktuális kérdéseit a legfrissebb szakmai publikációkon keresztül mutatjuk be. 
  • 2009 óta dolgozunk azon, hogy szakemberekből, érdeklődőkből, gondolkodókból álló kreatív, tenni akaró közösséget formáljunk, több mint ezer fős alumni és oktatói közösségünk is ezt bizonyítja.
  • Minden előadást hangfelvételen rögzítünk és elérhetővé teszünk a hallgatók számára, ezzel segítve a hatékonyabb tanulást.

 

A JÖVŐ SZAKMÁIT TANÍTJUK, A JÖVŐ SZAKEMBEREIT KÉPEZZÜK.

A képzés adatai

  • Képzés hossza

    2 félév, 27 alkalom, 135 óra
  • A képzés indulása

    2017. szeptember 22.
  • Képzési alkalmak

    péntekenként 13-18 óráig
  • Jelentkezési határidő

    2017. szeptember 14.
  • Részvételi díj

    640.000 Ft + ÁFA / szemeszter
    A képzés két szemeszteres, így a képzés díja összesen:
    1.280.000 Ft+ÁFA
  • A jelentkezéshez szükséges előképzettség

    Érettségi bizonyítvány
  • A képzés helyszíne

KEDVEZMÉNY

Kedvezményt biztosítunk a részvételi díjból az alábbi esetekben:

  • Early bird: 15% kedvezmény május 31-ig
  • Helyszíni jelentkezés esetén rendezvényeinken: 5% kedvezmény
  • Csoportos jelentkezés (4 vagy több fő): 10% kedvezmény. Kérünk, amennyiben ezt szeretnéd igénybe venni, az elektronikus jelentkezés előtt írj nekünk az info@kurtakademia.hu címre!
  • Alumni tagként: 10% kedvezmény

Az egyes kedvezmények nem összevonhatók!

A képzés oktatói

A képzés tematikája

  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

1. modul: Az első lépések. Data Science és Big Data nagykép

  • Adattudomány a térképen: adatbányászat, data science, Big Data
  • Az exponenciális adatbővülés vetületei
  • Kapcsolódó tudományok: hálózatelmélet, pszichológia, szociológia
  • Üzleti siker és kockázatok

Rengeteg elképzelés létezik arról, hogyan befolyásolja jövőnket az óriási és változatos adatmennyiség, valamint az a tény, hogy ezek elemzésére használt technológia rohamosan terjed. Data Science képzésünk elején ezért bemutatjuk az adattudomány fejlődését, legfontosabb fogalmait, az alapjául szolgáló és a belőle merítő tudományterületeket, üzleti lehetőségeket.
 

2. modul: A – Z. Az adatelemzési projekt fázisai

  • CRISP-DM módszertan
  • Iparági esettanulmányok a megrendelői és a szolgáltatói oldalról
  • Adat mint termék és üzleti intelligencia a gyakorlatban

Az adatelemzési projektek sikerességét nem csak a felhasznált technológia szabja meg, hanem az üzleti problémák megfelelő lefordítása, az üzleti és IT oldal egymást értő kommunikációja. Ebben a modulban áttekintjük az adatelemzési projektek teljes ívét, bemutatjuk a siker legfontosabb kritériumait, a szükséges kompetenciákat és az adatelemzési projektek leggyakoribb buktatóit.

3. modul: Bevezetés az adatok világába. Adatgyűjtés, - tárolás és -feldolgozás

  • Adatforrások típusai, adattárolási lehetőségek
  • Szenzorhálózat tervezése, hálózati adatok
  • Oszlop alapú adatbázisok
  • SQL, noSQL, HDFS

A szakemberek mára rengeteg eszköz közül válogathatnak az adatok összegyűjtéséhez és tárolásához, nincs azonban egyetlen üdvözítő módszer, amely minden helyzetben megfelelne. A modulban sorra vesszük a különböző adatforrásokat, tárolási technológiákat, azok minden előnyével és hátrányával, különös tekintettel arra, hogy az egyes technológiák esetén hogyan alakul az adatok biztonságos kezelése, gyors elérése, és általában az infrastruktúra hatékonysága.

4. modul: Kezelhető adatok. Adattisztítás, normalizálás és anonimizálás

  • Adatok minőségének felmérése
  • Zajos és inkonzisztens adatok tisztítása
  • Eltérő forrásból származó adatok összekapcsolása
  • Normalizálás és anonimizálás

Az adattisztítás és normalizálás minden projekt elengedhetetlen (és sokszor hosszadalmas) részét képezi, miközben nem ebből származik az üzleti hozzáadott érték. Ebben a modulban azt tanulhatják meg hallgatóink, hogyan végezzék hatékonyan ezeket a megkerülhetetlen feladatokat, milyen szoftvereket és módszereket használhatnak a projekt tökéletes megvalósítása érdekében. Ezután az automatizálhatóság és a valós idejű adatáramlás problémakörét és megoldási lehetőségeit mutatjuk be.

5. modul: A statisztikai ujjgyakorlatoktól a modellépítésig. Elemzési eszközök és módszerek

  • Kvantitatív módszerek – a leíró statisztika alapjatól a modellépítésig
  • Cutting-edge elemzőeszközök
  • A legfontosabb és legújabb elemzési nyelvek. Python és R
  • Adatbányászati elemzés – osztályozás, regresszió, szegmentáció
  • Szövegbányászat, NLP
  • Machine learning, deep learning és tanuló rendszerek

Hogyan alakíthatóak tömény információvá a nyers adatok? Hogyan lehet összefüggéseket, mintázatokat kiolvasni a nagy adathalmazokból? Mire ügyeljünk, hogy elkerüljük a szemfényvesztő eredményeket? Hogyan erősíti egymást statisztika és programozás, mely programnyelvek a legnépszerűbbek és miért? A modul alkalmai során végigvesszük az elemzéshez szükséges statisztikai és kódolási ismereteket, a legelterjedtebb programozási nyelveket, és minden élvonalbeli technológiát a gyors, pontos és felhasználóbarát elemzéshez. Minden alkalommal valós adatokon és valós döntési helyzeteket modellezve haladunk, megismerve a legfontosabb open source, ingyenes vagy üzleti eszközöket, iparági problémákat. A modul végén hallgatóink a tanuló rendszerek működését ismerhetik meg. 

6. modul: Big Data Eszközök

  • A Big Data elemzés elvei és technológiák
  • A Hadoop Distributed File System és MapReduce
  • Cloudera Impala és Hive

Ebben a modulban sorra vesszük azokat az eszközöket, amelyek képesek összekötni földi halandókat az igazán problémás méretű adathalmazokkal. A forradalmi Hadoop módszerek, és a rá épülő, különböző szoftveres megoldások mellett tovább folytatjuk a legfontosabb programnyelvekben való elmélyülést. Cél, hogy a hallgatók a modul végére olyan tudást szerezzenek, amellyel magabiztosan mozoghatnak mind az adatelemzés eredményeinek, mind a felhasznált technológia értékelésekor, és amely tudásra építve már saját kézbe vehetik technológiai ismereteik fejlesztését.

7. modul: Implementáció és üzemeltetés. A kiépített infrastruktúra hatékony bővítése

  • Tippek, trükkök a hatékonyság növeléséért
  • Grafikai adatfeldolgozó eszközök

Ebben a modulban hallgatóink minden eszközt megkapnak ahhoz, hogy egy létező vagy az általuk megszerkesztett rendszert folyamatosan javíthassanak. Szó lesz az arról, hogyan lehet automatizálással erőforrást felszabadítani, meglévő technológiákat újrafelhasználni, továbbá hogyan alkalmazhatók a nagy teljesítményű grafikus adatfeldolgozási eszközök.

8. modul: Hogyan mondjam el? Kommunikáció és önérvényesítés

  • Kommunikációs gyakorlatok az asszertivitásért
  • Prezentáció, meggyőzés és önérvényesítés
  • A szervezeti fejlődés megalapozása

Az önérvényesítés ugyanolyan lényeges elem egy meglévő projekt bemutatásakor vagy egy újabb megbízás eléréséhez, mint a jól szerkesztett grafikonok és riportok. Ebben a modulban hallgatóink tömény kommunikációs gyakorlatot kapnak, mivel általános tapasztalat, hogy a hatékony kommunikáció ebben az iparágban is fontos elsajátítandó képesség. A modul végére hallgatóink azt is megtanulhatják, hogyan használják az asszertív kommunikáció eszközrendszerét arra, hogy megalapozzák az üzleti igényt és a bizalmat.

9. modul: Human touch. A bizalom szerződései

  • Társadalomba ágyazott szabályozás
  • Jogi szemlélet az adatfeldolgozásban
  • Az európai és a magyar információbiztonsági törvények
  • A bizalom íratlan szabályai digitális környezetben

Az információ monetizálásának gyakorlata gyorsabban terjed, mint az egyének felkészültsége arra, hogy átlássák és irányítsák az általuk hagyott digitális lenyomatokat, ezért a nemzetállamok és nemzetközi szervezetek feladata, hogy megfelelő jogi környezettel korlátozzák és szabályozzák a vállalatokat, védjék a felhasználókat. A modul segít hallgatóinknak eligazodni a szövevényes, és még korántsem lezárt jogi diskurzusokban, megérteni a jogalkotók szempontjait és az információbiztonság hagyományát.

10. modul: Az emberek és adatok összekapcsolása. A profi adatvizualizáció

  • Vizualizációs és riportolási technikák
  • Open-source és üzleti eszközök
  • IBM eszközök, Big Data Graph, Cognos, Tableau, MicroStrategy

Az adatelemzési projekteket nem pusztán technológiai igényességük validálja, hanem elsősorban üzleti megtérülésük, ezért sosem elég eljutni az eredményekig – ezeket át is kell adni és a gyakorlatban alkalmazhatóvá tenni. Hallgatóink megtanulhatják az eredmények hatékony átadásának módjait, a figyelem fenntartását és irányításáta látás és értelmezés korlátait. Emellett megismerhetik a legfontosabb open-source, ingyenes és üzleti vizualizációs szoftverek használatát.