Big Data Certification Course 120 Hrs. เปิดรับรุ่นที่ 7 

วันที่ 15 มีนาคม - 9 มิถุนายน 2561 (9.00น. – 17.00น.)

สถานที่ สถาบัน IMC

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 ด้วย Large-Scale Machine Learning 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

ระยะเวลาอบรม :  120  ชั่วโมง

  • เรียนทุกวันพฤหัสบดีตอนเย็น 18.00 -21.00 น. และวันเสาร์  9.00 - 17.00 น.
  • รุ่นที่ 7 เริ่มเรียน 15 มีนาคม 2018
  • รุ่นที่ 8 เริ่มเรียน 13 กันยายน 2018

กำหนดการอบรม

  • Module 1: Big Data Essentials วันที่  15, 17, 22, 24, 29, 31 มีนาคม
  • Module 2: Big Data Using Hadoop:  วันที่ 5, 7, 19, 21, 26, 28 เมษายน
  • Module 3: Data Scientist Essentials :วันที่  3, 5, 10, 12, 17, 19, พฤษภาคม
  • Module 4: Modernized Data Warehouse & Data Visualization วันที่ 24, 26, 31 พฤษภาคม, 2, 7, 9 มิถุนายน

ค่าอบรม :  59,000 บาท ไม่รวม VAT

(ค่าอบรมรวม ค่าเอกสารอบรม ค่าใช้งาน Cloud Services 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 Spark, Hive, Impala, Sqoop, Flume และอื่นๆ ในด้าน Computation, Storage และ Ingestion
  • สามารถเขียนโปรแกรมวิเคราะห์ข้อมูล Unstructure โดยใช้โปรแกรม Spark, MapReduce, Hive ได้
  • เรียนรู้การใช้ Spark, SparkSQL เพื่อทำ In-memory Processing
  • เข้าใจหลักการการออกแบบและวิเคราะห์ข้อมูลที่เป็น Business Intelliegence
  • เข้าใจการใช้งาน Data Warehouse และการทำ Data Mining
  • เรียนรู้หลักการของ Data Science และอัลกอริทึมในการพยากรณ์ข้อมูลต่างๆ ทั้งแบบที่เป็น Classification/Regression และ Clustering ด้วย Large-Scale Machine Learning

 

วิทยากร:  

  • Assoc. Prof. Dr. Thanachart Numnonda (See Profile >> Here)
  • Asst.Prof. Dr.Putchong Uthayopas, Assistant, Kasetsart University
  • Mr. Danairat Thanabodithammachari (See Profile >> Here)
  • Mr. Komes Chandavimol (See Profile >> Here)
  • Mr. Teerachai Laothong  (See Profile >> Here)
  • Mr. Aekanun Thongtae (See Profile >> Here)
  • Mr. Santisook Limpeeticharoenchot (See Profile >> Here)
  • Mr. Anapat Pipatkitibodee (See Profile >> Here)

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

รูปแบบการอบรม:

  • การบรรยาย 30% ปฎิบัติการ 70%
  • การจัดกลุ่มอภิปรายกรณีศึกษาขอการทำ  Big Data Strategy
  • การทำ Hand-on Lab ติดตั้งระบบจริง และการใช้ Big Data as a Service
  • การพัฒนาโปรแกรมต่างๆ
  • การทำ Workshops
  • การทำ Mini-Project ทางด้าน Data Science

บุคลากรที่ควรเข้าร่วมการอบรม

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

คุณสมบัติเบื้องต้นของผู้เข้าร่วมการอบรม

  • ต้องมีประสบการณ์การทำงานด้านไอทีมาอย่างน้อยสองปี
  • ควรมีความรู้พื้นฐานเรื่องระบบฐานข้อมูล
  • มีพื้นฐานด้านการพัฒนาโปรแกรมภาษาใดภาษาหนึ่ง

สิ่งที่จะได้จากการอบรม:

  • เข้าใจหลักการของ 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 Tools
  • สามารถติดตั้ง Hadoop Cluster เพื่อนำมาใช้ในองค์กร
  • สามารถติดตั้ง Hadoop Cluster  เช่น Cloudera, Azure HDInsight
  • เรียนรู้การใช้ Big Data as a Service บน Cloud Platform
  • สามารถที่จะพัฒนาโปรแกรมวิเคราะห์ Big Data ได้โดยใช้ Spark, MapReduce, Hive, Microsoft SQL, MLlib/ML Pipeline
  • เรียนรู้การทำ Business Intelligence โดยใช้ SQL Server
  • สามารถใช้ BI Tools อย่าง Tableau ได้
  • เรียนรู้ด้าน Data Science เบื้องต้น อัลกอรึทึมสำหรับ Machine Learning ประเภทต่างๆ และการทำ Predictive Analytics ด้วย Large-Scale Machine Learning
  • รู้การใช้ Machine Learning Tool อย่าง Azure Machine Learning

 

ระบบ Computer Cluster ที่จะใช้ในการอบรม:

ในการอบรมนี้จะมีการติดตั้งระบบ Big Data Cluster ที่สามารถรองรับข้อมูลขนาดใหญ่ ที่สามารถใช้งานได้จริง โดยจะใช้ Server ของ Google Cloud Platform ให้ผู้เรียนได้ติดตั้ง Hadoop Cluster  โดยใช้ Server  จำนวนหลายเครื่อง และจะมี Hadoop Cluster  ที่เป็น Google DataProc ที่สามารถรองรับข้อมูลขนาดใหญ่จำนวนเป็น GByte เพิ่อให้ผู้เข้าอบรมได้เรียนรู้การทำงานจริงๆ

เทคโนโลยีที่จะใช้ในการอบรม

  • เทคโนโลยีด้าน Big Data
    • Hadoop Cluster using Apache and Cloudera Distribution
    • Hadoop Cluster on Microsoft Azure, Amazon EMR
    • Cassandra NoSQL
    • Microsoft SQL Server
    • Tableau
  • ภาษาที่จะใช้ในการประมวลผลข้อมูล
    • Map/Reduce using Spark (Python API)
    • Map/Reduce using Java
    • Hive QL
  • เทคโนโลยีด้าน Cloud Computing
    • Microsoft Azure
    • Amazon Web Services using EC2, S3 and EMR
    • Google Cloud Platform
    • Google Big Data as a Service

ตัวอย่างเอกสารที่จะใช้ในการอบรม

 

เนื้อหาในการอบรม:

Module 1: Big Data Essentials and NoSQL

  • Introduction to Big Data (Dr.Thanachart, Dr.Putchong)
    • Big Data Definition
    • Why Big Data?
    • Big Data Eco-System
    • Big Data Benefits
    • Big Data vs. Business Intelligence 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
    • NoSQL 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
    • Workshop for Analytics Platform using Hadoop
  • Big Data Ingestion (Aj.Aekanun)
    • 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
  • Big Data as a Service using Google Cloud Platform  ( Dr.Thanachart)
    • Google Cloud Storage
    • Google DataProc
    • Google Big Query

Module 3: Data Scientist Essentials

  • Introduction to Data Science (Dr.Thanachart)
    • Methodologies used for analysis
    • Application of Machine Learning Techniques
  • Large-Scale Machine Learning (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 - Classification/Regression
    • Machine Learning - Clustering
    • 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
  • Machine Learning as a Service using Google Cloud Platform  ( Dr.Thanachart)
    • Google Machine Learning
    • Google Deep Learning
  • Realtime Analytics ( Mr. Aekanun)
    • Spark Streaming
    • Workshop for Real-Time Analytics using Hadoop

Module 4: Modernized Data Warehouse & Data Visualization

  • Introduction to BI
    • BI Development process
    • Requirement analysis
    • Data warehouse dimensional design
    • Dimensions and measures
    • Slowly changing dimensions
    • Enterprise data warehouse
    • Master data management
    • Data integration process
    • Working with ETL
    • Data flow and control flow
    • Checkpoint, logging, error handling
  • Introduction Data Visualisation
    • Visualization of Numerical Data
    • Visualization of Non-Numerical Data
    • Data Visualization tools in market
    • Data Exploration
    • Data Visual Analytic
    • Data Visualization Dashboard
    • Best Practise for Data Visualization
    • Hand-on LAB
  • Understand the Dashboard Concepts and Designs  (A.Komes)
    • Dashboard and Stories
    • Dashboard best Practice
    • Dashboard Layout, Formatting, Actions
  • Introduction to Tableau Desktop and Tableau Public
    • 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

o   Table Calculations and Parameters

o   Row-level Calculations

o   Blending and Aggregation-level Calculations

Hands-On: Build interactive graphs and charts

  • Introduction to Tableau Desktop and Tableau Public
  • Data Visualization and Visual Analytic Workshop
  • Workshop,Hand-on and Hackaton Industry’s Data.

Online Registration >> HERE

Payment Condition :

Payment may be paid in full or 50% deposit at least 7 days prior to the start of the course. The payment could be paid by the following methods

  1. Account transfer to "IMC Institute" Saving account no. 616-2-07327-1 , Kasikorn Bank, Sathorn Square Branch.

or

  1. Cheque should be made payable to "IMC Institute"

Notes:

In case you choose to pay 50% deposit, we would request the remaining 50% to be paid at the registration desk before the beginning of the course.

 

จัดโดย IMC

ลงทะเบียนเข้าร่วมงาน คลิกที่นี่