Big Data Certification Course

คำอธิบายรายวิชา

Big Data เป็นเทคโนโลยีที่กำลังกล่าวถึงกันอย่างมาก การที่ข้อมูลมีจำนวนมากขึ้นมหาศาล มีหลายรูปแบบ และการมีข้อมูลที่เพิ่มขึ้นอย่างรวดเร็ว ทำให้องค์กรต่างๆต้องปรับโครงสร้างพื้นฐานด้านข้อมูล (Information Infrastructure) มีการนำเทคโนโลยีใหม่เช่น Hadoop, NoSQL หรือ NewSQL เข้ามาใช้งาน ต้องมีการพัฒนาบุคลากรเพื่อให้เข้าใจการใช้เทคโนโลยีเหล่านี้ รวมถึงมีความรู้ในการวิเคราะห์ข้อมูลต่างๆ หลักสูตร Big Data Certification เป็นหลักสูตร 120 ชั่วโมงที่ต้องการพัฒนาให้ผู้เรียนได้เข้าใจถึงเรื่องของ Big Data มีความสามารถในการใช้เครื่องมือต่างๆ เข้าใจในเรื่องของ Business Intelligence และ Data Science ตลอดจนเรื่องรู้การทำ Big Data ตั้งแต่วางกลยุทธ์ จนถึงการทำ Predictive Analytics การสอนในหลักสูตรนี้ประกอบไปด้วยการบรรยาย การทำ Workshop โดยจะมีการติดตั้งใช้เครื่องมือ Big Data จริงๆที่สามารถทำงานได้ รวมถึงการใช้งานบนระบบ Cloud
จากหลักสูตรที่จัดไปช่วงกลางปี มีผู้สนใจ Big Data Certification Course และต้องการให้เปิดเพิ่ม ทางสถาบัน ไอเอ็มซี จึงได้รวบรวมวิทยากร และปรับเนื้อหาให้สอดคล้องกับ เทคโนโลยีที่มีเข้ามาเพิ่มเรื่อยๆ ในหลากหลายมุมของการนำ Big Data ไปใช้ เป็นหลักสูตร 4 เดือน

การเตรียมตัวสอบ : CCA Spark and Hadoop Developer Exam (CCA175)
มีชั่วโมงติวเพื่อเตรียมตัวสอบและทดสอบ Cloudera Certified Associate Exam
ผู้ที่ได้คะแนนสูงสุดสองท่านแรกได้ Voucher เพื่อไปสอบมูลค่า $295

ระยะเวลาอบรม : 120 ชั่วโมง
เรียนทุกวันพฤหัสบดีตอนเย็น 18.00 -21.00 น. และวันเสาร์ 9.00 - 17.00 น.
เริ่มเรียน 16 มีนาคม 2017 รุ่นที่ 5

กำหนดการอบรม
Module 1: Big Data Essentials วันที่ 16, 18, 23, 25, 30 มีนาคม 1 เมษายน
Module 2: Big Data Using Hadoop: วันที่ 20, 22, 27, 29 เมษายน 11, 13 พฤษภาคม
Module 3: Business Intelligence Design&Process :วันที่ 18, 20, 25, 27 พฤษภาคม 1, 3 มิถุนายน
Module 4: Data Scientist Essentials: วันที่ 8, 10, 15, 17, 22, 24 มิถุนายน

ค่าอบรม : 59,000 บาท ไม่รวม VAT
(ค่าอบรมรวม ค่าเอกสารอบรม ค่าใช้งาน AWS Cloud ค่าอาหารกลางวัน อาหารว่าง และ อาหารเย็นวันพฤหัสบดี)

วัตถุประสงค์ของการอบรม
หลักสูตรการอบรม120 ชั่วโมงนี้ มีวัตถุประสงค์เพื่อให้ผู้เข้าอบรมได้รับความรู้ด้านต่างๆดังนี้
เข้าใจหลักการของ Big Data และแนวโน้มของเทคโนโลยีด้านข้อมูล
สามารถวางแผนการออกแบบ Big Data Infrastructure ในองค์กร
เรียนรู้การใช้งานเทคโนโลยี NoSQL อาทิเช่น Cassandra หรือ MongoDB
เรียนรู้การใช้งานเทคโนโลยี Hadoop และเทคโนโลยีที่เกี่ยวข้องอาทิเช่น Hive, Pig, Sqoop, Flume หรือ HBase
สามารถเขียนโปรแกรมวิเคราะห์ข้อมูล unstructure โดยใช้โปรแกรม MapReduce, Hive หรือ Pig ได้
เรียนรู้การใช้ Spark, SparkSQL
เข้าใจหลักการการออกแบบและวิเคราะห์ข้อมูลที่เป็น Business Intelliegence
เข้าใจการใช้งาน Dataware House และการทำ Data Mining
เรียนรู้หลักการของ Data Scientist และอัลกอริทึมในการพยากรณ์ข้อมูลจต่างๆทั้งแบบที่เป็น Recommendation, Clustering และ Classification

วิทยากร:
Assoc. Prof. Dr. Thanachart Numnonda
Asst.Prof. Dr.Putchong Uthayopas, Assistant, Kasetsart University
Mr. Chinnavit Chalidabhongse
Mr. Danairat Thanabodithammachari
Mr. Komes Chandavimol
Mr. Teerachai Laothong
Mr. Aekanun Thongtae

Training Venue: Skulthai Surawong Tower 8th floor (Near MRT Sam Yan Door 1)

รูปแบบการอบรม:

การบรรยาย 30% ปฎิบัติการ 70%
การบรรยายภาคทฤษฎี
การจัดกลุ่มอภิปรายกรณีศึกษาขอการทำ Big Data Strategy
การทำ Hand-on Lab ติดตั้งระบบจริง และการใช้ Big Data as a Service
การพัฒนาโปรแกรมต่างๆ
การทำ Mini-Project
การทำแบบทดสอบ

บุคลากรที่ควรเข้าร่วมการอบรม
บุคคลทั่วไปที่สนใจจะพัฒนา Big Data และต้องการเป็น Big Data IT Professional หรือ Data Scientist โดยต้องมีความรู้พื้นฐานด้านไอทีมาเป็นอย่างดี มีความรู้เรื่องฐานข้อมูล และการเขียนโปรแกรมมาบ้าง

คุณสมบัติเบื้องต้นของผู้เข้าร่วมการอบรม
ต้องมีประสบการณ์การทำงานด้านไอทีมาอย่างน้อยสองปี
ควรมีความรู้พื้นฐานเรื่องระบบฐานข้อมูล
มีพื้นฐานด้านการพัฒนาโปรแกรมภาษาใดภาษาหนึ่ง

สิ่งที่จะได้จากการอบรม:
จะทำให้เข้าใจหลักการของ Big Data การวางกลยุทธ์ด้าน Big Data
เข้าใจเทคโนโลยีต่างๆของ Big Data
เรียนรู้การทำ Big Data Life Cycle และการบริหารโครงการ Big Data
การใช้เครื่องมือต่างๆที่เกี่ยวข้องกับ Big Data เช่น NoSQL, Hadoop, BI Tools และ Machine Learning Tool
สามารถที่จะติดตั้ง Hadoop Cluster เพื่อนำมาใช้ในองค์กร
สามารถติดตั้ง Hadoop Cluster อย่าง Cloudera, Hortonworks, Azure HDInsight
เรียนรู้การใช้ Big Data as a Service บน Cloud Platform
สามารถที่จะพัฒนาโปรแกรมวิเคราะห์ Big Data ได้โดยใช้ Spark, MapReduce, Hive, Pig, Microsoft SQL, R หรือ MLib
เรียนรู้การทำ Business Intelligence โดยใช้ SQL Server
สามารถใช้ BI Tools อย่าง Tableau ได้
เรียนรู้ด้าน Data Science เบื้องต้น ความหมายของ Machine Learning และการทำ Predictive Analytics
รู้การใช้ Machine Learning Tool อย่าง Azure Machine Learning

ระบบ Computer Cluster ที่จะใช้ในการอบรม:

ในการอบรมนี้จะมีการติดตั้งระบบ Big Data Cluster ที่สามารถรองรับข้อมูลขนาดใหญ่ ที่สามารถใช้งานได้จริง โดยจะใช้ Server ของ Amazon Web Services ให้ผู้เรียนได้ติดตั้ง Hadoop Cluster โดยใช้ Server EC2 จำนวนหลายเครื่อง และจะมี Hadoop Cluster ที่เป็น Amazon EMR (Elastic Map Reduce) ที่สามารถรองรับข้อมูลขนาดใหญ่จำนวนเป็น GByte เพิ่อให้ผู้เข้าอบรมได้เรียนรู้การทำงานจริงๆ


เทคโนโลยีที่จะใช้ในการอบรม
เทคโนโลยีด้าน Big Data
Hadoop Cluster using Apache, Hortonworks and Cloudera Distribution
Hadoop Cluster on Microsoft Azure, Amazon EMR
Cassandra NoSQL
Microsoft SQL Server
Tableau
ภาษาที่จะใช้ในการประมวลผลข้อมูล
Spark
Map/Reduce using Java
Hive, Pig
Spark SQL
MLib

เทคโนโลยีด้าน Cloud Computing
Microsoft Azure
Amazon Web Services using EC2, S3 and EMR
Google Cloud


ตัวอย่างเอกสารที่จะใช้ในการอบรม
Introduction to Big Data
Big Data Strategy
Set up Hadoop Cluster on Amazon EC2
Big Data Analytics Using Hadoop Cluster On Amazon EMR
Big Data Programming Using Hadoop Workshop

เนื้อหาในการอบรม:
Module 1: Big Data Essentials and NoSQL
Introduction to Big Data (Dr.Thanachart, Dr.Putchong, Dr.Jirapun)
Big Data Definition
Why Big Data?
Big Data Eco-System
Big Data Benefits
Big Data vs. Business Intelligent vs. Analytics
Big Data Use Cases
Big Data Technology
Big Data Planning (Dr.Thanachart, Aj. Danairat)
Big Data Strategy
How to Start and Structure Team to Support Big Data in Your Organization
Big Data Project Management
Big Data Matuarity Model
Big Data Governance
Introduction to Hadoop (Dr.Thanachart)
What is Hadoop?
Hadoop Architecture and HDFS
Comparison of Hadoop Software Distribution Products
Comparison of Hardware for Hadoop Ecosystem
Hadoop on Cloud: Hadoop as a Service
Introduction to NoSQL (Aj.Teerachai)
What is NoSQL
No SQL Architecture
Introduction to Cassandra (Aj.Aekanun)
Overviewing of Cassandra
Cassandra Architecture
Modeling by Query
Indexing
Cassandra Workshop


Module 2: Big Data Analytics Using Hadoop:
Hadoop Setup (Dr.Thanachart)
Installing Hadoop on a local machine
Set up Hadoop Cluster (This Lab will be done on Google Cloud)
Hadoop Storage (Aj.Aekanun)
HDFS
HBase
Hadoop MapReduce Framework (Aj.Danairat)
MapReduce Architecture
Anatomy of MapReduce Program
Demo on MapReduce.
Map Reduce Custom Libraries
Big Data Analystics using Hive, Impala (Aj.Aekanun)
Hive
Impala
Avro-tools
Big Data Ingestion (Dr.Thanachart)
Sqoop
Flume
Kafka
Introduction to Spark (Aj.Aekanun)
Overviewing and Concepts
Spark Architecture
Spark Core
APIs for operating on large datasets: RDD, DataFrame
RDD operations: transformations and actions
Spark SQL
Spark Streaming
Jupyter's notebook



Module 3: Business Intelligence Design&Process:
Introduction to BI (Aj.Chinnavit)
BI Development process
Requirement analysis
Data warehouse dimensional design
Dimensions and measures
Slowly changing dimensions
Enterprise data warehouse
Master data management

Data Integration (Aj.Chinnavit)
Data integration process
Working with ETL
Data flow and control flow
Checkpoint, logging, error handling

OLAP (Aj.Chinnavit)
OLAP structure and design
Populating OLAP
Hierarchical dimension
Calculated measure, MDX
KPI, scorecard measure
Pivoting with OLAP

Data Analytics (Aj.Chinnavit)
Data exploration, analytics and visualization
Ad-hoc analysis
In-memory analytics
Data visualization design and selection criteria


Introduction to Tableau Desktop and Tableau Public (A.Komes)
o Connect To the Data using Tableau
o Data Source, Metadata, Data Connection
o Join Type and Data Blending
o Working with the Marks Card, Outliers, Filtering and Groups
o Drill-Down, Hierarchy , Sorting and Grouping
Hands-On: Business Cases - Build with varieties of graphs and charts

Tableau Calculations and Parameters (A.Komes)
o Table Calculations and Parameters
o Row-level Calculations
o Blending and Aggregation-level Calculations
Hands-On: Build interactive graphs and charts
Understand the Dashboard Concepts and Designs (A.Komes)
Dashboard and Stories
Dashboard best Practice
Dashboard Layout, Formatting, Actions


Module 4: Data Scientist Essentials
Introduction to Data Science(Dr.Thanachart)
Methodologies used for analysis
Application of Machine Learning Techniques
Machine Learning Techniques (Aj.Aekanun)
Machine Learning in the Big Data era
Understanding Supervised and Unsupervised Learning Techniques
Knowledge Discovery Process
Introduction to Spark Machine Learning(Aj.Aekanun)
Introduction Spark MLlib
Machine Learning - Recommendation System
Machine Learning - Prediction
Introduction to Spark ML Pipeline
Machine Learning using Spark ML Pipeline
Introduction to Azure Machine Learning ( Dr.Thanachart)
Azure Machine Learning Setup
Recommendations using Azure
Clustering, Common Clustering Algorithms using Azure
Realtime Analytics ( Dr.Thanachart)
Spark Streaming
Realtime Machine Learning
CCA Spark and Hadoop Developer Certification Tutorial( Dr.Thanachart, Aekanun)


Contact Person :
For more information, contact our course coordinator on:
Ms.Kwanhathai Thavornpong / Ms.Sunisa Kamhangwaratit
Mobile: 087-593-7974, 088-192-7975
Tel: 02-233-4732
E-mail: [email protected] / [email protected] /[email protected]