Szkolenie: Jak mieć więcej czasu na wyciąganie wniosków
|
|
- Bronisława Wiśniewska
- 5 lat temu
- Przeglądów:
Transkrypt
1 Szkolenie: Jak mieć więcej czasu na wyciąganie wniosków 14 listopada 2018 r 8:45-12:45 Warszawa "Dzisiaj praca analityka składa się w 15% z analizowania. Cała reszta czynności wiąże się z dostępem do danych, ich przygotowaniem, czyszczeniem, przetwarzaniem, kod rabatowy dla uczestników Big Data Day czy wizualizacją. Dobranie właściwych narzędzi może zmienić te proporcje z 15% nawet na 50%" - Marcin Kolenda BigDataDay2018 `
2 strategia biznesowa i cyfrowa transformacja w oparciu o dane zaawansowana analityka i machine learning projektowanie, tworzenie i wdrażanie rozwiązań do analityki danych
3 O mnie i o tym dlaczego zajmują mnie duże dane Początki sql server visual basic ado technology warehouse data (nie DWH) Doświadczenie 2006 Era (T-mobile), Oracle + SAS największa w tym czasie hurtownia danych w Polsce analizy behawioralne klientów telekomu optymalizacja pricing-u konsulting data rozwiązania do w obszarze engineering przetwarzania danych & science i analizy danych Big Data startupy BigData 2012 Vertica Google Big Query współzałozyciel Alterdata.io Kontakt: Marcin.Kolenda@alterdata.io M: szkolenia
4 Jak radzić sobie z dużymi set-ami danych? punkt widzenia analityka
5 Co robi analityk? pozyskuje dane, opanowuje i łączy źródła najróżniejszych typów i formatów przygotowuje, czyści, przegląda i transformuje dane, aby były gotowe do analizy tworzy i przechowuje zbiory danych do analizy eksploruje dane, analizuje, poszukuje wniosków avg 15%-20% czasu * Forbes Gil Press wizualizuje wnioski, prezentuje wyniki, tworzy i publikuje raporty, dashboardy
6 Dylematy i trudne wybory? narzędzia komercyjne Open Source? chmura OPS własna infrastruktura no OPS
7 Dylematy i trudne wybory? narzędzia komercyjne Open Source? chmura OPS własna infrastruktura no OPS
8 Odczarujmy python & R ops open source cloud & not cloud Percepcja Podstawowe narzędzie a. analizy danych b. budowy modeli machine learning mnogość dostępnych a. szkoleń & kursów b. dostępnych bibliotek (analityka, machine learning) intelektualnie niska bariera wejścia (python) Rzeczywistość wygoda pracy na małych subsetach danych (interaktywność, czytelność, prostota) współpraca (integracja) z bardzo szerokim zakresem narzędzi: m.in. chmurowych, open source (hadoop, spark, hive, beam), etc. nośnik procesu i/lub algorytmu ideał do oskryptowania i automatyzacja innych narzędzi Konsekwencje nie przeniesiemy tak po prostu na duże środowisko produkcyjne 500GB czy 500 TB Musimy zintegrować się z innymi narzędziami (wiedza & czas) `
9 Dylematy i trudne wybory? narzędzia komercyjne Open Source? chmura OPS własna infrastruktura no OPS
10 no ops pay as you go cloud only Google Cloud API Skalowalność Rozdzielenie przechowania od obliczania web UI Cloud Console command line (bash) Cloud SDK python Cloud SDK inne języki Cloud SDK & API no ops bariera wejścia brak hardware ops mniej data engineering wiedza (sql only) opex zamiast capex `
11 no ops pay as you go cloud only Co robi analityk? pozyskuje dane, opanowuje i łączy źródła najróżniejszych typów i formatów Google Big Query storage (import) przygotowuje, czyści, przegląda i transformuje dane, aby były gotowe do analizy Google Big Query analysis (SQL) tworzy i przechowuje zbiory danych do analizy Cloud Dataprep (preparation) eksploruje dane, analizuje, poszukuje wniosków Cloud Storage Google Big Query (buckets) storage (tables) wizualizuje wnioski, prezentuje wyniki, tworzy i publikuje raporty, dashboardy Google Big Query Google DataStudio analysis (SQL) Looker other BI tools
12 Dylematy i trudne wybory? narzędzia komercyjne Open Source? chmura OPS własna infrastruktura no OPS
13 Vertica - analityczna baza danych do big data half ops commercial & community cloud & not cloud MPP Baza kolumnowa kompresja i kodowanie Szybkość x szybsza odpowiedź na zapytania do bazy Skalowalność ExaBajt* zwerfikowana skalowalność * 1PB = GB `
14 Vertica - analityczna baza danych do big data User-Defined Functions R Java Geospatial Messaging Time series SQL Python Real-Time Event Series User Defined Loads ETL C++ BI & Visualization Text Analytics Pattern Matching Machine Learning Regression ODBC, JDBC, OLEDB Data Transformation half ops commercial & community cloud & not cloud User Defined Storage Security External tables to analyze in place `
15 Co robi analityk? pozyskuje dane, opanowuje i łączy źródła najróżniejszych typów i formatów przygotowuje, czyści, przegląda i transformuje dane, aby były gotowe do analizy Kafka flex tables CSV parsers SQL ANSI 99, 92 SQL extension tworzy i przechowuje zbiory danych do analizy export CSV pełna integracja Hadoop (Parquet, ORC) wydajna kompresja half ops commercial & community cloud & not cloud eksploruje dane, analizuje, poszukuje wniosków wizualizuje wnioski, prezentuje wyniki, tworzy i publikuje raporty, dashboardy SQL ANSI 99, 92 SQL extension embedded Machine Learning ODBC, JDBC integracja Tableau, PowerBI, Looker i wiele innych
16 Dylematy i trudne wybory? narzędzia komercyjne 300$ na start 1 TB / mc za darmo Open Source OPS chmura własna infrastruktura no OPS 1 TB za darmo Community License
17 Skontaktuj się z nami i znajdź wartość w swoich danych
Analityka danych w środowisku Hadoop. Piotr Czarnas, 27 czerwca 2017
Analityka danych w środowisku Hadoop Piotr Czarnas, 27 czerwca 2017 Hadoop i Business Intelligence - wyzwania 1 Ładowane danych do Hadoop-a jest trudne 2 Niewielu specjalistów dostępnych na rynku Dostęp
Bardziej szczegółowoOrganizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)
Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) DANE W CZASIE RZECZYWISTYM 3 Tryb analizowania danych 4 Okno analizowania 5 Real-time: Checkpointing
Bardziej szczegółowoSzkolenia SAS Cennik i kalendarz 2017
Szkolenia SAS Spis treści NARZĘDZIA SAS FOUNDATION 2 ZAAWANSOWANA ANALITYKA 2 PROGNOZOWANIE I EKONOMETRIA 3 ANALIZA TREŚCI 3 OPTYMALIZACJA I SYMULACJA 3 3 ROZWIĄZANIA DLA HADOOP 3 HIGH-PERFORMANCE ANALYTICS
Bardziej szczegółowoVI Kongres BOUG Praktyczne aspekty wykorzystania Business Intelligence w przemyśle wydobywczym węgla kamiennego
VI Kongres BOUG Praktyczne aspekty wykorzystania Business Intelligence w przemyśle wydobywczym węgla kamiennego mgr Artur Wroński mgr inż. Przemysław Kapica 25.04.2012 Agenda: Środowisko platformy BI Użytkownicy
Bardziej szczegółowoAnalityka danych w środowisku Hadoop. Piotr Czarnas, 5 czerwca 2017
Analityka danych w środowisku Hadoop Piotr Czarnas, 5 czerwca 2017 Pytania stawiane przez biznes 1 Jaka jest aktualnie sytuacja w firmie? 2 Na czym jeszcze możemy zarobić? Które procesy możemy usprawnić?
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mrafalo@sgh.waw.pl WARSTWA PREZENTACJI HURTOWNI DANYCH Wykorzystanie hurtowni danych - aspekty Analityczne zbiory danych (ADS) Zbiór danych tematycznych (Data
Bardziej szczegółowoSamodzielny Business Intelligence in memory duże i małe. Paweł Gajda Business Solution Architect
Samodzielny Business Intelligence in memory duże i małe Paweł Gajda Business Solution Architect Agenda 1. Zapytania biznesowe 2. SAP Visual Intelligence 3. Szybkość 4. Zaangażowanie 5. Samoobsługa 6. Kreatywność
Bardziej szczegółowoArchitecture Best Practices for Big Data Deployments
GLOBAL SPONSORS Architecture Best Practices for Big Data Deployments Kajetan Mroczek Systems Engineer GLOBAL SPONSORS Rozwój analityki biznesowej EKSPLORACJA DANYCH UCZENIE MASZYNOWE SZTUCZNA INTELIGENCJA
Bardziej szczegółowoSAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop. Piotr Borowik
SAS Access to Hadoop, SAS Data Loader for Hadoop Integracja środowisk SAS i Hadoop Piotr Borowik Wyzwania związane z Big Data Top Hurdles with Big data Source: Gartner (Sep 2014), Big Data Investment Grows
Bardziej szczegółowoTrendy BI z perspektywy. marketingu internetowego
Trendy BI z perspektywy marketingu internetowego BI CECHUJE ORGANIZACJE DOJRZAŁE ANALITYCZNIE 2 ALE JAKA JEST TA DOJRZAŁOŚĆ ANALITYCZNA ORGANIZACJI? 3 Jaka jest dojrzałość analityczna organizacji? Zarządzanie
Bardziej szczegółowoProjektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family
Kod szkolenia: Tytuł szkolenia: HADOOP Projektowanie rozwiązań Big Data z wykorzystaniem Apache Hadoop & Family Dni: 5 Opis: Adresaci szkolenia: Szkolenie jest adresowane do programistów, architektów oraz
Bardziej szczegółowoO mnie
O mnie Cele sesji Cele sesji Dlaczego? http://www.zdnet.com/article/microsofts-r-strategy/ Źródło: https://azure.microsoft.com/enus/blog/forrester-names-microsoft-azurea-leader-in-big-data-hadoop-cloudsolutions/
Bardziej szczegółowoHadoop i Spark. Mariusz Rafało
Hadoop i Spark Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl WPROWADZENIE DO EKOSYSTEMU APACHE HADOOP Czym jest Hadoop Platforma służąca przetwarzaniu rozproszonemu dużych zbiorów danych. Jest
Bardziej szczegółowoTematy prac dyplomowych inżynierskich
inżynierskich Oferujemy możliwość realizowania poniższych tematów w ramach projektu realizowanego ze środków Narodowego Centrum Badań i Rozwoju. Najlepszym umożliwimy realizację pracy dyplomowej w połączeniu
Bardziej szczegółowoWprowadzenie do Hurtowni Danych
Wprowadzenie do Hurtowni Danych BIG DATA Definicja Big Data Big Data definiowane jest jako składowanie zbiorów danych o tak dużej złożoności i ilości danych, że jest to niemożliwe przy zastosowaniu podejścia
Bardziej szczegółowoOrganizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)
Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Data Camp Architektura Data Lake Repozytorium służące składowaniu i przetwarzaniu danych o
Bardziej szczegółowoDoradzamy, projektujemy, tworzymy, wdrażamy i utrzymujemy dedykowane rozwiązania i systemy informatyczne w oparciu o potrzeby zamawiającego.
Doradzamy, projektujemy, tworzymy, wdrażamy i utrzymujemy dedykowane rozwiązania i systemy informatyczne w oparciu o potrzeby zamawiającego. Na podstawie wieloletniego doświadczenia w realizacji złożonych
Bardziej szczegółowoAnalityka danych & big data
TomaszJangas.com Analityka danych & big data 15 października 2017 W tym artykule opiszę architekturę, jaka często wykorzystywana jest dzisiaj w środowiskach do analityki danych w wielu różnych organizacjach
Bardziej szczegółowoPraktyczne aspekty pozyskiwania wiedzy z danych z perspektywy matematyka w bankowości. 2014-01-23 (VI zajęcia) Jakub Jurdziak
Praktyczne aspekty pozyskiwania wiedzy z danych z perspektywy matematyka w bankowości 2014-01-23 (VI zajęcia) Jakub Jurdziak CEL ZAJĘĆ: Prezentacja nowoczesnego banku uniwersalnego jako organizacji opartej
Bardziej szczegółowoHurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykładów Wprowadzenie - integracja
Bardziej szczegółowoHurtownie danych - przegląd technologii
Hurtownie danych - przegląd technologii Robert Wrembel Politechnika Poznańska Instytut Informatyki Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Plan wykład adów Wprowadzenie - integracja
Bardziej szczegółowoRola analityki danych w transformacji cyfrowej firmy
Rola analityki danych w transformacji cyfrowej firmy Piotr Czarnas Querona CEO Analityka biznesowa (ang. Business Intelligence) Proces przekształcania danych w informacje, a informacji w wiedzę, która
Bardziej szczegółowoHurtownia danych szansa na nowe życie (starej idei) Jakub Skuratowicz Technical Sales
Hurtownia danych szansa na nowe życie (starej idei) Jakub Skuratowicz Technical Sales Rys Historyczny Idealna(kiedyś) architektura Data Quality MDM Enterprise Data Warehouse okazał się mitem Ma zawierać
Bardziej szczegółowoUsługi analityczne budowa kostki analitycznej Część pierwsza.
Usługi analityczne budowa kostki analitycznej Część pierwsza. Wprowadzenie W wielu dziedzinach działalności człowieka analiza zebranych danych jest jednym z najważniejszych mechanizmów podejmowania decyzji.
Bardziej szczegółowoModelowanie Data Mining na wielką skalę z SAS Factory Miner. Paweł Plewka, SAS
Modelowanie Data Mining na wielką skalę z SAS Factory Miner Paweł Plewka, SAS Wstęp SAS Factory Miner Nowe narzędzie do data mining - dostępne od połowy 2015 r. Aktualna wersja - 14.1 Interfejs webowy
Bardziej szczegółowoSzybkość instynktu i rozsądek rozumu$
Szybkość instynktu i rozsądek rozumu$ zastosowania rozwiązań BigData$ Bartosz Dudziński" Architekt IT! Już nie tylko dokumenty Ilość Szybkość Różnorodność 12 terabajtów milionów Tweet-ów tworzonych codziennie
Bardziej szczegółowoNowe podejście do składowania danych
Nowe podejście do składowania danych Platforma dla danych transakcyjnych i analitycznych wykorzystująca składowanie kolumnowe w pamięci Hasso Plattner Oddzielne systemy transakcyjne + analityka + akceleracja
Bardziej szczegółowoSZKOLENIA SAS. ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie
SZKOLENIA SAS ONKO.SYS Kompleksowa infrastruktura inforamtyczna dla badań nad nowotworami CENTRUM ONKOLOGII INSTYTUT im. Marii Skłodowskiej Curie DANIEL KUBIK ŁUKASZ LESZEWSKI ROLE ROLE UŻYTKOWNIKÓW MODUŁU
Bardziej szczegółowoWitamy na konferencji SUSE Expert Days Warszawa, 17 kwietnia 2018 r.
Witamy na konferencji SUSE Expert Days 2018 Warszawa, 17 kwietnia 2018 r. Marcin Madey Country Manager mmadey@suse.com Rafał Kruschewski Marketing Manager rkruschewski@suse.com Informacje organizacyjne
Bardziej szczegółowoMariusz Dzieciątko. E-mail: splmdz@spl.sas.com. Krótko o sobie / Personal Overview/
Mariusz Dzieciątko Krótko o sobie / Personal Overview/ Mariusz pracuje jako Business Solution Manager, Technology & Big Data Competency Center w SAS Institute Polska. Pracę w tej firmie rozpoczął w maju
Bardziej szczegółowoHurtownie danych i przetwarzanie analityczne - projekt
Hurtownie danych i przetwarzanie analityczne - projekt Warunki zaliczenia projektu: 1. Za projekt można zdobyć maksymalnie 40 punktów. 2. Projekt należy regularnie konsultować z jego koordynatorem. 3.
Bardziej szczegółowoHbase, Hive i BigSQL
Hbase, Hive i BigSQL str. 1 Agenda 1. NOSQL a HBase 2. Architektura HBase 3. Demo HBase 4. Po co Hive? 5. Apache Hive 6. Demo hive 7. BigSQL 1 HBase Jest to rozproszona trwała posortowana wielowymiarowa
Bardziej szczegółowoCloud Transcoding Nowe Paradygmaty, Wysoka Dostępność i Wskaźniki ROI. Maj 2017
Transforming Video Delivery Cloud Transcoding Nowe Paradygmaty, Wysoka Dostępność i Wskaźniki ROI Maj 2017 Cel Prezentacji Podstawy wirtualizacji i technologii sieci definiowanej przez oprogramowanie (SDN,
Bardziej szczegółowoMinimum programowe dla studentów MIĘDZYWYDZIAŁOWYCH INDYWIDUALNYCH STUDIÓW SPOŁECZNO-HUMANISTYCZNYCH - studia magisterskie II stopnia
ROK AKADEMICKI 019-00 Minimum programowe dla studentów MIĘDZYWYDZIAŁOWYCH INDYWIDUALNYCH STUDIÓW SPOŁECZNO-HUMANISTYCZNYCH - studia magisterskie II stopnia Kierunek: FINANSE I RACHUNKOWOŚĆ Zaawansowana
Bardziej szczegółowoOd Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych
Od Expert Data Scientist do Citizen Data Scientist, czyli jak w praktyce korzystać z zaawansowanej analizy danych Tomasz Demski StatSoft Polska www.statsoft.pl Analiza danych Zaawansowana analityka, data
Bardziej szczegółowoIntegracja danych ubezpieczeniowych w czasie rzeczywistym. Łukasz Szewczyk Solution Architect
Integracja danych ubezpieczeniowych w czasie rzeczywistym Łukasz Szewczyk Solution Architect Dlaczego integrować dane w czasie rzeczywistym? W dość krótkim czasie większość danych jakie posiadamy staje
Bardziej szczegółowoTECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com
TECHNOLOGIE BIG DATA A BEZPIECZEŃSTWO INFORMATYCZNE WE KNOW YOU KNOW. silmine.com 13 + 13 LAT DOŚWIADCZENIA PONAD 480 ZREALIZOWANYCH PROJEKTÓW PARTNERSTWO Naszą ambicją jest dostarczać klientom szeroki
Bardziej szczegółowoEXPERIENCE IS THE KING
EXPERIENCE IS THE KING ANALITYKA CUSTOMER JOURNEY W AKCJI MARKETING PROGRESS, 13.10.2016 DOŚWIADCZENIE TECHNOLOGIA 38 lat na świecie, 22 lata w Polsce Wydajny silnik przetwarzania danych i analityki Pełna
Bardziej szczegółowoOracle Log Analytics Cloud Service
ORACLE DANE TECHNICZNE Zastrzeżenie: Niniejszy dokument służy wyłącznie celom informacyjnym. Nie stanowi on zobowiązania do dostarczenia żadnych materiałów, kodu ani funkcjonalności i nie należy go brać
Bardziej szczegółowoTematy projektów HDiPA 2015
Tematy projektów HDiPA 2015 Robert Wrembel Poznan University of Technology Institute of Computing Science Robert.Wrembel@cs.put.poznan.pl www.cs.put.poznan.pl/rwrembel Reguły Projekty zespołowe 2-4 osoby
Bardziej szczegółowoInteligentny system generowania leadów
Inteligentny system generowania leadów Zwiększ sprzedaż przy pomocy inteligentnego systemu oddzwaniania! Callback24 to doskonałe narzędzie marketingowe, które sprawdzi się w każdej branży produkcyjnej,
Bardziej szczegółowoBIG DATA DLA KAŻDEGO. Radosław Łebkowski, Sławomir Strzykowski - Microsoft Piotr Zacharek - Hewlett Packard
BIG DATA DLA KAŻDEGO Radosław Łebkowski, Sławomir Strzykowski - Microsoft Piotr Zacharek - Hewlett Packard DANE, WSZĘDZIE DANE Masowy przyrost różnego typu danych Rodzaje danych Przyspieszenie Użytkownicy
Bardziej szczegółowoLIDERZY DATA SCIENCE CENTRUM TECHNOLOGII ICM CENTRUM TECHNOLOGII ICM ICM UW TO NAJNOWOCZEŚNIEJSZY OŚRODEK DATA SCIENCE W EUROPIE ŚRODKOWEJ.
ROZUMIEĆ DANE 1 Pozyskiwanie wartościowych informacji ze zbiorów danych to jedna z kluczowych kompetencji warunkujących przewagę konkurencyjną we współczesnej gospodarce. Jednak do efektywnej i wydajnej
Bardziej szczegółowoSisense. Opis produktu.
Sisense Opis produktu Wprowadzenie: Sisense to rozwiązanie Business Intelligence, który upraszcza analitykę dla złożonych danych, oferując całościową platformę pozwalającą użytkownikom łatwo przygotować
Bardziej szczegółowoZastosowania narzędzi analitycznych w komunikacji społecznej
Zastosowania narzędzi analitycznych w komunikacji społecznej Jarosław Romaniuk/ 11 maja 2015 Media Społeczne dziś Użytkownicy sieci społecznościowych w 2014r (mln) Na Świecie W Polsce Liczba użytkowników
Bardziej szczegółowoWitamy na konferencji SUSE Expert Days Kraków, 16 października 2018 r.
Witamy na konferencji SUSE Expert Days 2018 Kraków, 16 października 2018 r. Marcin Madey Country Manager mmadey@suse.com Rafał Kruschewski Marketing Manager rkruschewski@suse.com Informacje organizacyjne
Bardziej szczegółowoOrganizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)
Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Automatyzacja Automatyzacja przetwarzania: Apache NiFi Źródło: nifi.apache.org 4 Automatyzacja
Bardziej szczegółowoOdkryj w danych to, co najważniejsze
Odkryj w danych to, co najważniejsze W erze data lake ów posiadanie bazy danych jest absolutnym minimum dla efektywnego prowadzenia biznesu, szczególnie w Sieci. Każda dobrze zarządzana, nowo utworzona
Bardziej szczegółowoWprowadzenie do Apache Spark. Jakub Toczek
Wprowadzenie do Apache Spark Jakub Toczek Epoka informacyjna MapReduce MapReduce Apache Hadoop narodziny w 2006 roku z Apache Nutch open source składa się z systemu plików HDFS i silnika MapReduce napisany
Bardziej szczegółowoOpis Rozwiązania SAP SAP HANA. Zmieniaj swoją przyszłość lepiej rozumiejąc biznes dzięki analityce predykcyjnej
Opis Rozwiązania SAP SAP HANA Cele Zmieniaj swoją przyszłość lepiej rozumiejąc biznes dzięki analityce predykcyjnej Staw czoła nowej rzeczywistości Organizacje takie jak Twoja są w stanie wykrywać w czasie
Bardziej szczegółowo2011-11-04. Instalacja SQL Server Konfiguracja SQL Server Logowanie - opcje SQL Server Management Studio. Microsoft Access Oracle Sybase DB2 MySQL
Instalacja, konfiguracja Dr inŝ. Dziwiński Piotr Katedra InŜynierii Komputerowej Kontakt: piotr.dziwinski@kik.pcz.pl 2 Instalacja SQL Server Konfiguracja SQL Server Logowanie - opcje SQL Server Management
Bardziej szczegółowoBigData. Czy zawsze oznacza BigProblem? Artur Górnik, SAP Polska Piotr Zacharek, HP Polska 14 kwietnia, 2015
BigData Czy zawsze oznacza BigProblem? Artur Górnik, SAP Polska Piotr Zacharek, HP Polska 14 kwietnia, 2015 Platforma SAP HANA ETL ETL Cache SAP HANA (DRAM) Transact Analyze Accelerate Wybrane aspekty
Bardziej szczegółowoBigData & Cloud Wprowadzenie
BigData & Cloud Wprowadzenie Poznań 29-30 wrzesień 2015 IBM Corporation Agenda Dane, dużo danych Przykłady Wyzwania i ogranicznia technologiczne Wbudowana ekspertyza Podsumowanie 2 Dane jako na nowo odkrywany
Bardziej szczegółowoMarek Sokołowski / Oracle Polska. Konsolidacja i centralizacja: ważne pytania i szczere odpowiedzi
Marek Sokołowski / Oracle Polska Konsolidacja i centralizacja: ważne pytania i szczere odpowiedzi Konsolidacja Optymalizacja wykorzystania zasobów sprzętowych przedsiębiorstwa z zachowaniem dotychczasowej
Bardziej szczegółowoNALITYKA IZNESOWA WYDZIAŁ ORGANIZACJI I ZARZĄDZANIA POLITECHNIKA ŚLĄSKA NOWY KIERUNEK STUDIÓW.
NALITYKA IZNESOWA NOWY KIERUNEK STUDIÓW WYDZIAŁ ORGANIZACJI I ZARZĄDZANIA POLITECHNIKA ŚLĄSKA Czy wiesz jakie kompetencje: o gwarantują zatrudnienie? I Z Czy wiesz jakie kompetencje: o gwarantują zatrudnienie?
Bardziej szczegółowoWprowadzenie do technologii Business Intelligence i hurtowni danych
Wprowadzenie do technologii Business Intelligence i hurtowni danych 1 Plan rozdziału 2 Wprowadzenie do Business Intelligence Hurtownie danych Produkty Oracle dla Business Intelligence Business Intelligence
Bardziej szczegółowoBaza danych in-memory. DB2 BLU od środka 2015-11-10. Artur Wrooski
TECHNOLOGIE ANALIZY DANYCH I CHMUROWE W ZASTOSOWANIACH BIZNESOWYCH Poznao, 30 września 2015 DB2 BLU od środka Artur Wrooski Baza danych in-memory Baza danych IN-MEMORY system zarządzania bazami danych,
Bardziej szczegółowoCzęść I Istota analizy biznesowej a Analysis Services
Spis treści Część I Istota analizy biznesowej a Analysis Services 1 Analiza biznesowa: podstawy analizy danych... 3 Wprowadzenie do analizy biznesowej... 3 Wielowymiarowa analiza danych... 5 Atrybuty w
Bardziej szczegółowothink big 1 icon DNA made by Freepik from
think big 1 icon DNA made by Freepik from www.flaticon.com Jak technologie jutra wspierają dzisiejszy biznes. Przemysław Galiński IBM Watson & Cloud Platform Sales Leader Poland and Baltics Warszawa, 18-09-2018
Bardziej szczegółowoYOUR SOFTWARE CHALLENGE IS OUR MISSION. Case Study
YOUR SOFTWARE CHALLENGE IS OUR MISSION Case Study PROBLEM KLIENTA W skrócie, nasz klient tensoralpha jest startupem, który pracuje nad stworzeniem funduszu inwestycyjnego opartego o kryptowaluty. Jako,
Bardziej szczegółowoNad rozwojem platformy pracują: Allegro.pl to największa w Polsce platforma e-commerce.
Tech Allegro.pl to największa w Polsce platforma e-commerce. Nad rozwojem platformy pracują: mobile developerzy frontend developerzy backend developerzy big data developerzy testerzy analitycy badacze
Bardziej szczegółowoWybór rozwiązania. Konkurencyjne ceny
Robotic Process Automation Wybór rozwiązania Capgemini jest partnerem wielu dostawców rozwiązań klasy RPA, między innymi: UIPath, BluePrism, Automation Anywhere, Celaton, Amazon Workspaces, ElasticSearch,
Bardziej szczegółowoPrzetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24
Przetwarzanie danych z wykorzystaniem technologii NoSQL na przykładzie serwisu Serp24 Agenda Serp24 NoSQL Integracja z CMS Drupal Przetwarzanie danych Podsumowanie Serp24 Darmowe narzędzie Ułatwia planowanie
Bardziej szczegółowodziennik Instrukcja obsługi
Ham Radio Deluxe dziennik Instrukcja obsługi Wg. Simon Brown, HB9DRV Tłumaczenie SP4JEU grudzień 22, 2008 Zawartość 3 Wprowadzenie 5 Po co... 5 Główne cechy... 5 baza danych 7 ODBC... 7 Który produkt
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mrafalo@sgh.waw.pl CYKL OODA Płk John 40 sekund Boyd Instruktor kultowej szkoły myśliwskiej Fighter Weapons School w bazie lotniczej Nellis Twórca koncepcji
Bardziej szczegółowoNarzędzia do analizy działań marketingowych w internecie: Google Analytics & Webmaster Tools, analityka social media
2012 Narzędzia do analizy działań marketingowych w internecie: Google Analytics & Webmaster Tools, analityka social media Maciej Jankowski Fundacja Rozwoju Branży Internetowej Netcamp Mierzenie skuteczności
Bardziej szczegółowoStawiamy na specjalizację. by CSB-System AG, Geilenkirchen Version 1.1
1 Business Intelligence Jak najlepiej wykorzystać dostępne źródła informacji, czyli Business Intelligence w zarządzaniu III Konferencja i warsztaty dla branży mięsnej Potencjał rynku potencjał firmy 2
Bardziej szczegółowoNarzędzia i trendy Big Data
Narzędzia i trendy Big Data 1 Zamiast wstępu Model relacyjny 1970: podwaliny teoretyczne modelu 1980: SQL hype 1990: upowszechnienie standardu i narzędzi Model map-reduce 1995: koncepcja przetwarzania
Bardziej szczegółowoFirebird Alternatywa dla popularnych darmowych systemów bazodanowych MySQL i Postgres
Firebird Alternatywa dla popularnych darmowych systemów bazodanowych MySQL i Postgres Artur Kozubski Software Development GigaCon Warszawa 2008 Plan Historia projektu Firebird Architektura serwera Administracja
Bardziej szczegółowoJak znaleźć prawdziwe zagrożenia w infrastrukturze IT
Piotr Orlański Jak znaleźć prawdziwe zagrożenia w infrastrukturze IT Warszawa, 05/04/2016 www.compfort.pl Ryzyko Monitorowanie Wykrywanie Dynamika i zwinność Automatyzacja Czas Strona 1 Czy ważne zawsze
Bardziej szczegółowoRozumie istotę i znacznie procesów ekstrakcji, transformacji i ładowania danych (ETL), zna wybrany język ETL oraz odpowiednie narzędzia.
Efekty kształcenia dla studiów drugiego stopnia profil ogólnoakademicki na kierunku Informatyka na specjalności Projektowanie systemów analityki biznesowej (Business Intelligence Systems Development),
Bardziej szczegółowo*Odniesienie - kształcenia EFEKT KSZTAŁCENIA. Absolwent studiów drugiego stopnia na kierunku Informatyka: symbol Wiedza 1 AI_W01
Efekty dla studiów drugiego stopnia profil ogólnoakademicki, na kierunku Informatyka w języku angielskim (Computer Science), na specjalnościach Sztuczna inteligencja (Artificial Intelligence) oraz Projektowanie
Bardziej szczegółowoSpecjalizacja magisterska Bazy danych
Specjalizacja magisterska Bazy danych Strona Katedry http://bd.pjwstk.edu.pl/katedra/ Prezentacja dostępna pod adresem: http://www.bd.pjwstk.edu.pl/bazydanych.pdf Wymagania wstępne Znajomość podstaw języka
Bardziej szczegółowoz kapitałem polskim Zatrudnienie 1 10 osób osób 2,27% osób 11,36% osób osób powyżej osób 20,45% 50,00% 13,64%
Profil uczestników badania Firma 6,8% 9,1% sektor publiczny służby mundurowe z kapitałem zagranicznym 5 z kapitałem polskim 5 13,6% banki 9,1% instytucje finansowe 4, telekomunikacja Zatrudnienie 2,2 2,2
Bardziej szczegółowoInformatyczne fundamenty
Informatyczne fundamenty Informatyka to szeroka dziedzina wiedzy i praktycznych umiejętności. Na naszych studiach zapewniamy solidną podstawę kształcenia dla profesjonalnego inżyniera IT. Bez względu na
Bardziej szczegółowoHurtownie danych i business intelligence - wykład II. Zagadnienia do omówienia. Miejsce i rola HD w firmie
Hurtownie danych i business intelligence - wykład II Paweł Skrobanek, C-3 pok. 321 pawel.skrobanek@pwr.wroc.pl oprac. Wrocław 2005-2012 Zagadnienia do omówienia 1. Miejsce i rola w firmie 2. Przegląd architektury
Bardziej szczegółowoPrezentacja firmy WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ. http://www.qbico.pl
Prezentacja firmy { WYDAJNOŚĆ EFEKTYWNOŚĆ SKUTECZNOŚĆ http://www.qbico.pl Firma ekspercka z dziedziny Business Intelligence Srebrny Partner Microsoft w obszarach Business Intelligence i Data Platform Tworzymy
Bardziej szczegółowoPLAN STUDIÓW STACJONARNYCH I NIESTACJONARNYCH WIECZOROWYCH II STOPNIA (od roku akademickiego 2015/2016)
PLAN STUDIÓW STACJONARNYCH I NIESTACJONARNYCH WIECZOROWYCH II STOPNIA (od roku akademickiego 2015/2016) Kierunek: Informatyka i Ekonometria Specjalność: Elektroniczny Biznes Lp. Przedmioty Grupa Wymiar
Bardziej szczegółowoMaciej Kiewra mkiewra@qbico.pl. Quality Business Intelligence Consulting http://www.qbico.pl
Maciej Kiewra mkiewra@qbico.pl Quality Business Intelligence Consulting http://www.qbico.pl Wstęp Integration Services narzędzie do integracji danych Pomyślane do implementacji procesów ETL Extract ekstrakcja
Bardziej szczegółowoOferta prowadzenia działań reklamowych w Internecie
Oferta prowadzenia działań reklamowych w Internecie 1. Dlaczego reklama w Internecie cieszy się powodzeniem? W Polsce jest ponad 17 milionów Internautów; Przeciętny Internauta spędza w sieci ponad 50 godzin
Bardziej szczegółowoKompetencje niezbędne do pracy w e-commerce
Kompetencje niezbędne do pracy w e-commerce Bernard Szatkowski bernard.szatkowski@marr.pl Poszukiwany / Poszukiwana: Specjalista ds. e-commerce Wymagania: - znajomość HTML, CSS, JAVA, PHP, Google Analytics
Bardziej szczegółowoCiągłe dostarczanie oprogramowania : kompletny przewodnik / Eberhard Wolff. Gliwice, cop Spis treści
Ciągłe dostarczanie oprogramowania : kompletny przewodnik / Eberhard Wolff. Gliwice, cop. 2018 Spis treści Podziękowania 13 O autorze 14 Wprowadzenie 15 Część I. Podstawy 21 Rozdział 1. Ciągłe dostarczanie
Bardziej szczegółowoWIZUALNA EKSPLORACJA DANYCH I RAPORTOWANIE W SAS VISUAL ANALYTICS ORAZ WSTĘP DO SAS VISUAL STATISTICS
WIZUALNA EKSPLORACJA DANYCH I RAPORTOWANIE W SAS VISUAL ANALYTICS ORAZ WSTĘP DO SAS VISUAL STATISTICS WEBINARIUM, 2016.03.08 Dr Sławomir Strzykowski, Senior Business Solution Manager SAS VISUAL ANALYTICS
Bardziej szczegółowoZarządzanie procesami biznesowymi przedsiębiorstwa z wykorzystaniem systemu Teamcenter
Zarządzanie procesami biznesowymi przedsiębiorstwa z wykorzystaniem systemu Teamcenter Ryszard Ostrowski 2010. Siemens Product Lifecycle Management Software Inc. All rights reserved Dostarcza rozwiązania
Bardziej szczegółowoPlan studiów niestacjonarnych pierwszego stopnia Kierunek: ANALITYKA I BADANIA EKONOMICZNE A. Moduły międzykierunkowe obligatoryjne
Plan studiów niestacjonarnych pierwszego stopnia A Moduły międzykierunkowe obligatoryjne Moduł ogólny I Zz 1 5 20 20 1 BHP Zz 1 5 5 2 Ochrona własności intelektualnej Zz 1 5 5 3 Wstęp do studiowania Zz
Bardziej szczegółowoRynek IT w Polsce 2015. Prognozy rozwoju na lata 2015-2020
2 Język: polski, angielski Data publikacji: sierpień 2015 Format: pdf Cena od: 2000 Sprawdź w raporcie Jaka jest wartość rynku IT w Polsce? Jakie są prognozy dla rynku IT w Polsce do roku 2020? Jaka jest
Bardziej szczegółowoSubskrypcyjne platformy IT
Subskrypcyjne platformy IT Damian Janiszewski Architekt rozwiązań, HPE Pointnext 27 września, 2018 Konsumowanie usług i treści sprzedaż produktów rozrywka transport usługi Platformy IT w modelu subskrypcyjnym
Bardziej szczegółowoMetody automatyzacji sprawozdawczości w systemie asist. Agnieszka Hołownia-Niedzielska
Metody automatyzacji sprawozdawczości w systemie asist Agnieszka Hołownia-Niedzielska Agenda 1 Dlaczego większość projektów obejmuje automatyzację zasilenia? 2 Perspektywa użytkownika końcowego 3 Źródła
Bardziej szczegółowoHarmonogram szkoleń: Marzec 2011r./Kwiecień 2011r.
Harmonogram szkoleń: Marzec 2011r./Kwiecień 2011r. Projekt Data rozpoczęcia Data zakończenia eakademiakig 2011-03-28 2011-03-28 eakademiakig 2011-03-29 2011-03-29 eakademiakig 2011-03-30 2011-03-30 eakademiakig
Bardziej szczegółowoPlan studiów stacjonarnych pierwszego stopnia Kierunek: ANALITYKA I BADANIA EKONOMICZNE A. Moduły międzykierunkowe obligatoryjne
A. Moduły międzykierunkowe obligatoryjne Moduł ogólny I Zz 1 5 20 20 1 BHP Zz 1 5 5 2 Ochrona własności intelektualnej Zz 1 5 5 3 Wstęp do studiowania Zz 1 5 5 4 Szkolenie biblioteczne Zz 1 5 5 Moduł Wychowanie
Bardziej szczegółowoWeb GIS. Adam Kuran ESRI Polska
Web GIS Adam Kuran ESRI Polska 1 Światowe powiązania specjalistów GIS Specjaliści GIS: 14,000 Specjalistó Specjalistów GIS 121 Pań Państw Wiele dyscyplin & zainteresowań ainteresowań...tworząc GIS 2 GIS
Bardziej szczegółowoNarzędzia IT we współczesnych strategiach utrzymaniowych
Narzędzia IT we współczesnych strategiach utrzymaniowych - NAJNOWSZE TRENDY - Piotr Rzepakowski, CEO Decitum Sp. z o.o. Od predykcji churn, przez analizę retencji do optymalizacji utrzymania Przyszła Analityczny
Bardziej szczegółowoBI: przegląd, ETL, raportowanie i analizy
BI: przegląd, ETL, raportowanie i analizy 2013-04-12 Krzysztof Bokiej, Łukasz Limanowski, Mariusz Pyka Roche Wstęp 2013-04-12 Krzysztof Bokiej, Roche Architektura typowego środowisko DW/BI Systemy Źródłowe
Bardziej szczegółowoII SPOTKANIE PRAKTYKÓW DATA SCIENCE ZAAWANSOWANA ANALITYKA W SŁUŻBIE ORGANIZACJI HOT TOPICS
II SPOTKANIE PRAKTYKÓW DATA SCIENCE ZAAWANSOWANA ANALITYKA W SŁUŻBIE ORGANIZACJI 21-22 LISTOPADA 2017 R., CENTRUM KONFERENCYJNE ZIELNA, WARSZAWA HOT TOPICS CITIZEN DATA SCIENTIST, CZYLI ANALITYKA VS. BIZNES
Bardziej szczegółowoPodstawy analizy danych numerycznych w języku Python
Kod szkolenia: Tytuł szkolenia: PYTHON/ANA Podstawy analizy danych numerycznych w języku Python Dni: 2 Partner merytoryczny Opis: Adresaci szkolenia Szkolenie przeznaczone jest dla analityków danych, którzy
Bardziej szczegółowoLearn SAS. Training Certification Coaching. Grow With Us. Szkolenia Certyfikaty Mentoring Analiza potrzeb szkoleniowych
Learn SAS Training Certification Coaching Szkolenia Certyfikaty Mentoring Analiza potrzeb szkoleniowych 2019 Grow With Us Oferta Centrum Szkoleniowego SAS Analiza potrzeb szkoleniowych Gwarancją udanego
Bardziej szczegółowoSQL Server 2016 w świecie Big Data
temat prelekcji.. SQL Server 2016 w świecie Big Data prowadzący Bartłomiej Graczyk Data Platform Solution Architect bartlomiej.graczyk@microsoft.com bartek@graczyk.info.pl Agenda Dane na świecie wczoraj,
Bardziej szczegółowoHurtownia danych praktyczne zastosowania
Hurtownia danych praktyczne zastosowania Dorota Olkowicz dorota.olkowicz@its.waw.pl Centrum Bezpieczeństwa Ruchu Drogowego ITS Plan prezentacji 1. Hurtownie danych 2. Hurtownia danych POBR 3. Narzędzia
Bardziej szczegółowoRamowy plan kursu. Lp. Moduły Wyk. Lab. Przekazywane treści
Ramowy plan kursu Lp. Moduły Wyk. Lab. Przekazywane treści 1 3 4 Technologia MS SQL Server 2008 R2. Podstawy relacyjnego modelu i projektowanie baz. Zaawansowane elementy języka SQL. Programowanie w języku
Bardziej szczegółowoPLANOWANIE I BUDŻETOWANIE Z WYKORZYSTANIEM NARZĘDZI CYFROWYCH
PLANOWANIE I BUDŻETOWANIE Z WYKORZYSTANIEM NARZĘDZI CYFROWYCH 1 Budżet same problemy Zmienność danych Planowanie wieloletnie Postępowania przetargowe NIK Poziomy wydatków Koszty utrzymaniowe vs majątkowe
Bardziej szczegółowo