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 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

• Introduction to Big Data
• Big Data Strategy
• Big Data Programming Using Hadoop Workshop
• Workshop for Big Data Analytics using Hadoop & Spark
• Big Data as a Service using Google Cloud Platform
• Prediction of Customer Churn
• Prediction of Loan Payment
• Estimating Taxi Fares with 600 Million Trained Data

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

2. 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.

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: kwanhathai@imcinstitute.com / sunisa@imcinstitute.com /contact@imcinstitute.com

Event Contact