ANALIZA I PRZETWARZANIE DUŻYCH WOLUMENÓW DANYCH NA PLATFORMIE SAS MARIUSZ DZIECIĄTKO
|
|
- Iwona Dziedzic
- 6 lat temu
- Przeglądów:
Transkrypt
1 ANALIZA I PRZETWARZANIE DUŻYCH WOLUMENÓW DANYCH NA PLATFORMIE SAS MARIUSZ DZIECIĄTKO mariusz.dzieciatko@sas.com
2 KTO NAJBARDZIEJ SKORZYSTA Z UŻYCIA HADOOP: ŹRÓDŁO: TDWI Best Practices Report Q2 2015
3 HADOOP PRODUKCYJNIE < 36 MIES < 24 MIES 3+ LAT 9% NIGDY TAK 16% 11% 6% 14% % < 12 MIES NIGDY 3+ LAT % 27% 12% 10% 13% 28% TAK < 12 MIES < 36 MIES < 24 MIES ŹRÓDŁO: TDWI Best Practices Report Q ŹRÓDŁO: TDWI Best Practices Report Q2 2014
4 BARIERY ADAPTACYJNE HADOOP ŹRÓDŁO: TDWI Best Practices Report Q2 2015
5 DEPLOY & MONITOR DWA PUNKTY STARTOWE NIE WYKLUCZAJĄ SIĘ WZAJEMNIE... ALE RZADKO WIDAĆ JE RAZEM! Hadoop jako Platforma Danych (samodzielna lub jako część szerszego ekosystemu) Hadoop jako komponent Analityki Biznesowej kolejnej generacji MANAGE DATA TEXT EXPLORE DATA DEVELOP MODELS.. wspierająca transformację IT.. wspierający innowacje
6 HADOOP JAKO PLATFORMA DANYCH KORZYŚCI WYZWANIA Rozproszone przechowywanie i przetwarzanie wsadowe dużej skali Wysoka dostępność oraz wsparcie w zarządzaniu zasobami stale ewoluje Nisko-nakładowa skalowalność; architektura oparta o tani sprzęt Wysoce aktywna społeczność open source i szybko rosnący ekosystem Integracja z istniejącą architekturą informacyjną; Niedostateczna ochrona danych Umiejętności i pracownicy są na wagę złota
7 WCZESNE USE CASES GDZIE SĄ TE PIENIĄDZE? Dynamiczna wycena
8 SAS + HADOOP DLACZEGO WARTO RAZEM? Wysokiej wydajności zaawansowana analityka; Business Intelligence oraz Wizualizacja danych; Na masową skalę, rozproszone środowisko, na tanim sprzęcie
9 jak
10 SAS JEST JEDYNYM DOSTAWCĄ, KTÓRY WSPIERA WSZYSTKIE PONIŻSZE METODY SAS może traktować Hadoop tak jak każde innego źródło danych, wyciągając dane z Hadoop, gdy jest to najwygodniejsze SAS może współpracować z Hadoop, ładując dane do specjalizowanego środowiska zaawansowanej analityki in-memory SAS może pracować bezpośrednio w Hadoop, wykorzystując możliwości rozproszonego przetwarzania Hadoop
11 SAS + FROM HADOOP SAS pobiera dane z Hadoop do serwera SAS w celu przetworzenia from i zapisuje wyniki z powrotem. Most do tradycyjnych środowisk SAS Hadoop traktowany po prostu jako kolejne źródło danych" Wydajność ograniczona do pojedynczego łącza Idealne gdy nie wszystkie dane są w Hadoop lub gdy proces nie może być uruchomiony w Hadoop Transmisja danych
12 SAS + WITH HADOOP SAS przetwarza dane Hadoop na serwerach SAS utrzymując dane i obliczenia równolegle. with Dostarcza funkcjonalności słabo reprezentowanych w Hadoop Wsparcie zaawansowanej analityki poprzez współdzielone środowisko Umożliwia niezależne skalowanie środowiska przechowywania danych i środowiska analitycznego Idealne w środowiskach gdzie analityka podlega znacznym rygorom DANE ŁADOWANE DO PAMIĘCI
13 LASR ANALYTIC SERVER Serwer obliczeniowy in-memory zaprojektowany specjalnie dla potrzeb interaktywnej zaawansowanej analityki i wizualizacji danych SŁOWO O TECHNOLOGII In-memory = szybkość, wysoka responsywność Dane w pamięci Umożliwia ultraszybki dostęp do danych Nadzwyczajna równoległość W pełni wykorzystane wszystkie rdzenie procesorów Rozproszone przetwarzanie analityczne W pełni wykorzystane wszystkie zasoby wielu komputerów: RAM oraz rdzenie procesorów Multi-User = Setki jednoczesnych użytkowników Stateless = nie ma potrzeby wyliczeń a-priori Klaster maszyn (w tym w środowisku Hadoop) lub pojedyncza maszyna RAM CPU CPU
14 SAS + IN HADOOP SAS przetwarza dane bezpośrednio w klastrze Hadoop. in SAS Embedded Process umożliwia skalowalne obliczenia SAS w Hadoop Obliczenia SAS są osadzone w technologii Hadoop Wsparcie dla przetwarzania danych, jakości danych oraz scoringu Idelne gdy wszystkie dane są w Hadoop oraz Hadoop jest właściwym miejscem przetwarzania LOGIKA SAS
15 SAS EMBEDDED PROCESS: SŁOWO O TECHNOLOGII Przenośny, lekki kontener do wykonywanie kodu SAS. Sprawia, że SAS jest przenośny i dostępny na różnych platformach proc ds2 ; /* thread ~ eqiv to a mapper */ thread map_program; method run(); set dbmslib.intab; /* program statements */ end; endthread; run; /* program wrapper */ data hdf.data_reduced; dcl thread map_program map_pgm; method 3. EPJakość danych run(); set from map_pgm threads=n; /* reduce steps */ end; enddata; run; quit; 1. Ładowanie danych 2. Przygotowanie danych 4. Scoring
16 ROGERS MEDIA Wizualizacja danych i analityka wysokiej wydajności Przetwarzanie danych 12 milionów klientów 40 milionów rekordów na miesiąc w Hortonworks Ponad 600 istotnych charakterystyk internetowych Several of us from Rogers in the room looked at each other, and said That is really wicked; that s cool. Chris Dingle Senior Director of Audience Solutions Rogers Communications
17 PODEJŚCIE SAS FROM + WITH + IN HADOOP Analityczne przygotowanie danych w in Hadoop Wdrażaj i zarządzaj kody scoringowe modeli w in Hadoop Podnieś dane do in pamięci dla wydajnej analityki Przenieś dane z from Hadoop do środowiska SAS Użyj właściwego podejścia w zależności od potrzeb! Eksploruj dane w trybie in-memory z with wizualizacją danych Modeluj dane w trybie inmemory korzystając z with zaawansowanych narzędzi modelowania
18 DEPLOY & MONITOR UMOŻLIWIAJĄCE REALIZACJĘ CAŁEGO CYKLU ANALITYCZNEGO WOKÓŁ HADOOP SAS Data Loader for Hadoop SAS Data Management (incl. SAS/ACCESS) SAS Federation Server SAS Event Stream Processing MANAGE DATA EXPLORE DATA SAS Visual Analytics SAS In-memory Statistics TEXT SAS Scoring Accelerator for Hadoop SAS Model Manager DEVELOP MODELS SAS Visual Statistics SAS In-memory Statistics SAS High-Performance Analytics Products SAS Factory Miner
19 SAS + HADOOP KLUCZOWE KORZYŚCI Wprowadzenie analityki do Hadoop dla dokładniejszych spostrzeżeń Maksymalizacja korzyści z Hadoop z wsparciem dla pełnego cyklu od danych po decyzję Zarządzanie danymi w Hadoop do ponownego użycia oraz spełnienia wymagań IT Zwiększenie wartości z usprawnionej infrastruktury analitycznej
20 SAS/ACCESS TO HADOOP Używa standardowych interfejsów SAS Standardowa składnia Libname PROC HADOOP Datastep oraz Proc SQL tłumaczone na Hive Wsparcie dla Filename Wykonywanie skryptów Pig oraz MapReduce Push-down pewnych procedur Wsparcie dla SerDe użytkownika Format SPDE
21 SAS/ACCESS TO CLOUDERA IMPALA Silnik zapytań Massively Parallel Processing (MPP) Zapytania SQL na systemie plików Hadoop (HDFS) Zoptymalizowany do interaktywnych zapytań Podobny funkcjonalnością do Hive lecz inaczej zaimplementowany Nadzwyczajna wydajność
22 SAS VISUAL ANALYTICS - EXPLORER Data exploration at massive scale Intuitive visual analytics Webinar: Wizualna eksploracja danych i raportowanie w SAS Visual Analytics oraz wstęp do SAS Visual Statistics
23 SAS VISUAL STATISTICS Descriptive and Predictive Modeling Model comparison Dynamic groupby processing
24 SAS VISUAL ANALYTICS REPORT DESIGNER Visual Analytic Designer and Viewer: Reporting and analysis for broad audiences
25 SAS VISUAL ANALYTICS VIEWER FOR MOBILE Mobile BI for reporting
26 SAS IN-MEMORY STATISTICS FOR HADOOP In-Memory Statistics for Hadoop: Interactive Programming interface for SAS model development
27 SCORE Data Manipulation Aggregate Compute Update Append Set Schema Transform DeleteRows DropTables PurgeTempTables Data Exploration Boxplot Corr Crosstab Distinct Fetch Frequency Histogram KDE MDSummary Percentile Summary TopK SAS IN-MEMORY STATISTICS PREPARE DATA ANALYTICAL LIFE CYCLE TEXT Model Evaluation & Deployment DEVELOP MODELS Evaluation, Deployment Assess Misclassification matrix Lift, ROC, Concordance Score Training / Validation EXPLORE DATA Modeling Predictive Modeling Decision Tree Forecast Gen Linear Model Linear Regression Logistic Regression Random Forests Neural Networks Descriptive Modeling Association Path Analysis Clustering (k-means) Clustering (DBSCAN) Utilities Where GroupBy TableInfo, ColumnInfo, ServerInfo Partition, Balance Store, Replay, Free Table, Promote Text Analytics Parsing SVD Topic generation Document projection Recommendation Systems Association Clustering knn SVD Ensemble HDFS I/O Sasiola Sashdat Anyfile Reader
28 SAS HIGH-PERFORMANCE DATA MINING Highperformance procedure nodes in SAS Enterprise Miner
29 SAS FACTORY MINER
30 SAS DATA LOADER FOR HADOOP SAS Code Accelerator (DS2) Embedded Process oraz Hive Równoległe ładowanie danych Brak potrzeby przenoszenia danych Profilowanie danych Data Quality Accelerator Webinar: SAS Data Loader for Hadoop - łatwe zarządzanie danymi w klastrze 19 kwietnia
31 SAS DATA MANAGEMENT WSZYSTKIE TRZY PODEJŚCIA EP EP EP
32 OD CZEGO ZACZĄĆ? SAS Visual Analytics SAS Data Loader for Hadoop + Webinar: SAS Data Loader for Hadoop - łatwe zarządzanie danymi w klastrze 19 kwietnia
33 SAS + HADOOP PODSUMOWANIE SAS jest jedynym dostawcą pokrywającym cały cykl analityczny wokół Hadoop Trzy synergiczne podejścia są komplementarne w naturze aby dostosować się do potrzeb, umiejętności i dojrzałości analitycznej użytkownika SAS zapewnia elastyczność w pracy z Hadoop wraz z bieżącymi lub nowymi inwestycjami
34 SAS + HADOOP PODSUMOWANIE Czym programuje się w In-memory Statistics? In-memory Statistics jest związany z kilkoma procedurami języka SAS 4GL. Podstawowa procedura to IMSTAT. Składnia tej procedury dostępna jest pod adresem: 06/HTML/default/viewer.htm#n1l5k6bed95vzqn1a47vafe 3q958.htm
Szkolenia 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 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 szczegółowoAnalityka wysokiej wydajności. Przegląd możliwości technologii SAS. Adam Bartos
Analityka wysokiej wydajności. Przegląd możliwości technologii SAS. Adam Bartos Analityka wysokiej wydajności. Właściwie po co? Big Data 3xV Competing on Analytics Aspekty wysokiej wydajności Wydajność
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 szczegółowoAnalityka 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 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 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 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 szczegółowoSAS ENTERPRISE MINER JAKO NARZĘDZIE ANALITYKA MARIUSZ DZIECIĄTKO
SAS MINER JAKO NARZĘDZIE ANALITYKA MARIUSZ DZIECIĄTKO METODYKA SEMMA (SAMPLE, EXPLORE, MODIFY, MODEL, ASSESS) Prognoza Historia MODEL ANALITYCZNY PRZYGOTOWANIE DANYCH Funkcja przypisująca określoną wartość
Bardziej szczegółowoBLOK 3 FUNKCJONALNOŚCI OPROGRAMOWANIA DOSTĘPNEGO W RAMACH PIBUK
BLOK 3 FUNKCJONALNOŚCI OPROGRAMOWANIA DOSTĘPNEGO W RAMACH PIBUK INSTYTUT ŁĄCZNOŚCI, WARSZAWA 2015-11-03 AGENDA BLOK 3 Modelowanie i zarządzanie modelami SAS Enterprise Miner SAS Model Mangager Raportowanie
Bardziej szczegółowoBUSINESS INTELLIGENCE
BUSINESS INTELLIGENCE SAS VISUAL ANALYTICS Copyr i g ht 2012, SAS Ins titut e Inc. All rights res er ve d. Artur Jastrzębski Copyr i g ht 2013, SAS Ins titut e Inc. All rights res er ve d. CO TO JEST BIG
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 szczegółowoInstalacja SQL Server Express. Logowanie na stronie Microsoftu
Instalacja SQL Server Express Logowanie na stronie Microsoftu Wybór wersji do pobrania Pobieranie startuje, przechodzimy do strony z poradami. Wypakowujemy pobrany plik. Otwiera się okno instalacji. Wybieramy
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 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 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 szczegółowoCena netto (PLN) IV kwartał. Cena netto (PLN) Podstawy SAS INTRO 1 1 200 1 260 2 20 4 1 7 2
2015 SAS Education sas.com/poland/training Centrum Szkoleniowe SAS Institute sp. z o.o. ul. Gdańska 27/31, 01-633 Warszawa (22) 560 46 20 cs@spl.sas.com Kalendarz szkoleń Grow With Us Nazwa szkolenia Kod
Bardziej szczegółowoSzkolenie: Jak mieć więcej czasu na wyciąganie wniosków
Szkolenie: Jak mieć więcej czasu na wyciąganie wniosków 14 listopada 2018 r 8:45-12:45 Warszawa https://alterdata.evenea.pl "Dzisiaj praca analityka składa się w 15% z analizowania. Cała reszta czynności
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 szczegółowoPraktyczne wykorzystanie elementów raportowania Microsoft Project 2010 /Project Server 2010 Sesja 5 PowerPivot & PowerView Bartłomiej Graczyk
Praktyczne wykorzystanie elementów raportowania Microsoft Project 2010 /Project Server 2010 Sesja 5 PowerPivot & PowerView Bartłomiej Graczyk 2012-11-05 Bartłomiej Graczyk MCT,MCITP,MCTS Architekt rozwiązań
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 szczegółowoPureSystems zautomatyzowane środowisko aplikacyjne. Emilia Smółko Software IT Architect
PureSystems zautomatyzowane środowisko aplikacyjne. Emilia Smółko Software IT Architect Wbudowana wiedza specjalistyczna Dopasowane do zadania Optymalizacja do aplikacji transakcyjnych Inteligentne Wzorce
Bardziej szczegółowoCo to jest Business Intelligence?
Cykl: Cykl: Czwartki z Business Intelligence Sesja: Co Co to jest Business Intelligence? Bartłomiej Graczyk 2010-05-06 1 Prelegenci cyklu... mariusz@ssas.pl lukasz@ssas.pl grzegorz@ssas.pl bartek@ssas.pl
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 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 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 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 szczegółowoZALETY NOWSZYCH WERSJI I KIERUNKI ROZWOJU SPDS-A SŁAWOMIR BOKINIEC
ZALETY NOWSZYCH WERSJI I KIERUNKI ROZWOJU SPDS-A SŁAWOMIR BOKINIEC AGENDA Wybrane zalety wersji 5.1 i wcześniejszych SPDS z SAS Gridem Co kształtuje kierunki rozwoju? Nowsze wersje SPDS z Hadoopem WYBRANE
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 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 szczegółowoOrganizacyjnie. Prowadzący: dr Mariusz Rafało (hasło: BIG)
Big Data Organizacyjnie Prowadzący: dr Mariusz Rafało mrafalo@sgh.waw.pl http://mariuszrafalo.pl (hasło: BIG) Zaliczenie: Praca na zajęciach Egzamin Projekt/esej zaliczeniowy Plan zajęć # TEMATYKA ZAJĘĆ
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 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 szczegółowoInformacja na żądanie, czyli rozwiązania sprzętowej akceleracji analityki biznesowej
Informacja na żądanie, czyli rozwiązania sprzętowej akceleracji analityki biznesowej Tomasz Antonik Systems and Technology Group IBM Lab Services and Training Agenda Trendy w rozwoju systemów analitycznych
Bardziej szczegółowoSpis treści. Część I Wprowadzenie do pakietu oprogramowania Analysis Services
Spis treści Wstęp... ix Odkąd najlepiej rozpocząć lekturę?... ix Informacja dotycząca towarzyszącej ksiąŝce płyty CD-ROM... xi Wymagania systemowe... xi Instalowanie i uŝywanie plików przykładowych...
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 szczegółowoZakup oprogramowania SAS
ZAŁĄCZNIK NR 1 DO SIWZ Specyfikacja oprogramowania w środowiskach (obszarach) użytkowanych przez Zamawiającego i jednostki statystyki publicznej, warunki techniczno-sprzętowe dla tego oprogramowania oraz
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 szczegółowoAnaliza danych w czasie rzeczywistym dzięki eliminacji opóźnień
Stworzone w oparciu o rozwiązania Intela Platforma SAP HANA* Analiza danych dzięki eliminacji opóźnień Nikt nie lubi opóźnień. Wystarczy wyeliminować opóźnienia dostępu do danych analitycznych, a firma
Bardziej szczegółowoDigitize Your Business
Digitize Your Business Aspekty technologiczne migracji na SAP HANA Prelegenci Błażej Trojan Konsultant technologiczny SAP Basis SI-Consulting Jakub Roguski - Territory Sales Leader Enterprise Systems -
Bardziej szczegółowoPortale raportowe, a narzędzia raportowe typu self- service
Portale raportowe, a narzędzia raportowe typu self- service Bartłomiej Graczyk Kierownik Projektów / Architekt rozwiązań Business Intelligence E mail: bartek@graczyk.info.pl Site: www.graczyk.info.pl Agenda
Bardziej szczegółowoHP Service Anywhere Uproszczenie zarządzania usługami IT
HP Service Anywhere Uproszczenie zarządzania usługami IT Robert Nowak Architekt rozwiązań HP Software Dlaczego Software as a Service? Najważniejsze powody za SaaS UZUPEŁNIENIE IT 2 Brak zasobów IT Ograniczone
Bardziej szczegółowoBezpieczeństwo dla wszystkich środowisk wirtualnych
Bezpieczeństwo dla wszystkich środowisk wirtualnych SECURITY FOR VIRTUAL AND CLOUD ENVIRONMENTS Ochrona czy wydajność? Liczba maszyn wirtualnych wyprzedziła fizyczne już 2009 roku. Dzisiaj ponad połowa
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 szczegółowoMacierze HP 3PAR w świecie Software-Defined Storage rozwiązania rozłączne czy komplementarne?
Macierze HP 3PAR w świecie Software-Defined Storage rozwiązania rozłączne czy komplementarne? Mariusz Grabowski / Marek Kozicki Wyzwania IT, 14 kwietnia 2015r. Zmiany w świecie danych Jak są konsekwencje?
Bardziej szczegółowoSpecyfikacja dostarczanego oprogramowania.
ZAŁĄCZNIK NR 6 DO FORMULARZA OFERTY Specyfikacja dostarczanego oprogramowania. 1. Dostawa uzupełniających nieograniczonych czasowo, w wersji SAS 9.4 wraz z dokumentacją oprogramowania, dla wszystkich wymienionych
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 szczegółowoAUREA BPM Oracle. TECNA Sp. z o.o. Strona 1 z 7
AUREA BPM Oracle TECNA Sp. z o.o. Strona 1 z 7 ORACLE DATABASE System zarządzania bazą danych firmy Oracle jest jednym z najlepszych i najpopularniejszych rozwiązań tego typu na rynku. Oracle Database
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 szczegółowoZROZUMIEĆ MIŁOŚNIKÓW NATURY
ZROZUMIEĆ MIŁOŚNIKÓW NATURY Krzysztof Kierzkowski, SAS Institute Polska SAS INSTITUTE SAS Institute 37 lat doświadczeń z wdrożeń na świecie 90 firm z listy Fortune Global 100 korzysta z SAS 13.600 pracowników
Bardziej szczegółowoAsseco HOME: obniżenie kosztów operacyjnych telekomów dzięki rozwiązaniu Big Data.
Asseco HOME: obniżenie kosztów operacyjnych telekomów dzięki rozwiązaniu Big Data. asseco.pl Klient. Klient jest jednym z wiodących w Polsce operatorów telekomunikacyjnych, obsługujących ponad 10 mln abonentów.
Bardziej szczegółowoEurologistics Innowacje w logistyce 2010. Elastyczność systemów zarządzania trendem nowoczesnych technologii informatycznych
Eurologistics Innowacje w logistyce 2010 Elastyczność systemów zarządzania trendem nowoczesnych technologii informatycznych Asseco Business Solutions SA ul. Konrada Wallenroda 4c 20-607 Lublin tel.: +48
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 szczegółowoCzęść 2: Data Mining
Łukasz Przywarty 171018 Wrocław, 18.01.2013 r. Grupa: CZW/N 10:00-13:00 Raport z zajęć laboratoryjnych w ramach przedmiotu Hurtownie i eksploracja danych Część 2: Data Mining Prowadzący: dr inż. Henryk
Bardziej szczegółowoBUSINESS INTELLIGENCE DEVELOPMENT Tego Cię nauczymy:
BUSINESS INTELLIGENCE DEVELOPMENT Tego Cię nauczymy: Cały kurs został podzielony na moduły skupiające się na istotnych z punktu widzenia specjalisty Microsoft Business Intelligence zagadnieniach. Moduły
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 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 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 szczegółowoZarządzanie wieloserwerowym środowiskiem SAS z wykorzystaniem SAS Grid Managera. Katarzyna Wyszomierska
Zarządzanie wieloserwerowym środowiskiem SAS z wykorzystaniem SAS Grid Managera Katarzyna Wyszomierska Wyzwania administratora Nowe oprogra mowanie Sprzęt Użytkownicy Dane Wyzwania administratora Potrzebne
Bardziej szczegółowoWprowadzenie do Hurtowni Danych. Mariusz Rafało
Wprowadzenie do Hurtowni Danych Mariusz Rafało mariusz.rafalo@hotmail.com WPROWADZENIE DO HURTOWNI DANYCH Co to jest hurtownia danych? Hurtownia danych jest zbiorem danych zorientowanych tematycznie, zintegrowanych,
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 szczegółowoJak wiedzieć więcej i szybciej - Analizy in-memory
Jak wiedzieć więcej i szybciej - Analizy in-memory Michał Grochowski Senior Consultant BI/DWH 1 Copyright 2012, Oracle and/or its affiliates. All rights reserved. 2 Copyright 2012, Oracle and/or its affiliates.
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 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 szczegółowoMacierze All Flash. Czy to jest alternatywa dla macierzy klasy Enterprise? Krzysztof Jamiołkowski HP EG Storage Solutions Architect
Innowacje w przetwarzaniu danych Macierze All Flash Czy to jest alternatywa dla macierzy klasy Enterprise? Krzysztof Jamiołkowski HP EG Storage Solutions Architect Definicja macierzy Enterprise Cechy charakterystyczne
Bardziej szczegółowoPoznaj potencjał Excela w zakresie BI! Zbuduj doskonały kokpit menedżera!
Poznaj potencjał Excela w zakresie BI! Program Excel można stosować na setki różnych sposobów, chociaż większość użytkowników uważa go za prosty arkusz kalkulacyjny. Co więcej, wachlarz jego zaawansowanych
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 szczegółowoCZĘŚĆ I ZASTOSOWANIE PROGRAMU EXCEL DO ANALIZ BUSINESS INTELLIGENCE
Spis treści O autorach Wprowadzenie CZĘŚĆ I ZASTOSOWANIE PROGRAMU EXCEL DO ANALIZ BUSINESS INTELLIGENCE Rozdział 1. Istotne zagadnienia bazodanowe Bazy danych jako remedium na standardowe ograniczenia
Bardziej szczegółowoWprowadzenie. Co to jest klaster? Podział ze względu na przeznaczenie. Architektury klastrów. Cechy dobrego klastra.
N Wprowadzenie Co to jest klaster? Podział ze względu na przeznaczenie. Architektury klastrów. Cechy dobrego klastra. Wprowadzenie (podział ze względu na przeznaczenie) Wysokiej dostępności 1)backup głównego
Bardziej szczegółowoVMware vsphere: Automation Fast Track
Kod szkolenia: Tytuł szkolenia: HK989S VMware vsphere: Automation Fast Track Dni: 5 Opis: Adresaci szkolenia Kurs jest przeznaczony dla: Cel szkolenia Administratorów systemowych Inżynierów systemowych
Bardziej szczegółowoWelcome to the waitless world. Inteligentna infrastruktura systemów Power S812LC i S822LC
Inteligentna infrastruktura systemów Power S812LC i S822LC Przedstawiamy nową linię serwerów dla Linux Clouds & Clasters IBM Power Systems LC Kluczowa wartość dla klienta Specyfikacje S822LC Technical
Bardziej szczegółowoIBM DATASTAGE COMPETENCE CENTER
IBM DATASTAGE COMPETENCE CENTER W informacji drzemie ogromny potencjał biznesowy. Odpowiednio opisane i wykorzystane dane stanowią podstawę sprawnie funkcjonującego przedsiębiorstwa. Wykorzystując najnowocześniejsze
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 szczegółowoZakup oprogramowania SAS CIS-10/2014 ZAŁĄCZNIK NR 1 DO SIWZ. str. 1. Załącznik nr 1 do SIWZ
ZAŁĄCZNIK NR 1 DO SIWZ Specyfikacja oprogramowania w środowiskach (obszarach) użytkowanych przez Zamawiającego i jednostki statystyki publicznej, warunki techniczno-sprzętowe dla tego oprogramowania oraz
Bardziej szczegółowoSERWERY KOMUNIKACYJNE ALCATEL-LUCENT
SERWERY KOMUNIKACYJNE ALCATEL-LUCENT OmniPCX Enterprise Serwer komunikacyjny Alcatel-Lucent OmniPCX Enterprise Communication Server (CS) to serwer komunikacyjny dostępny w formie oprogramowania na różne
Bardziej szczegółowoHARMONOGRAM: DZIEŃ GODZINA MIEJSCE PROWADZĄCY TEMAT OPIS
WARSZTATY Grupa warsztatowa nr 1 System bilingowy operator telekomunikacyjny od środka Uczestnikom warsztatów zostanie przedstawiona specyfika działalności operatora telekomunikacyjnego ze szczególnym
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 szczegółowoOferta szkoleniowa Yosi.pl 2012/2013
Oferta szkoleniowa Yosi.pl 2012/2013 "Podróżnik nie posiadający wiedzy, jest jak ptak bez skrzydeł" Sa'Di, Gulistan (1258 rok) Szanowni Państwo, Yosi.pl to dynamicznie rozwijająca się firma z Krakowa.
Bardziej szczegółowoHURTOWNIE DANYCH I BUSINESS INTELLIGENCE
BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej
Bardziej szczegółowoALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH
1 ALGORYTMICZNA I STATYSTYCZNA ANALIZA DANYCH WFAiS UJ, Informatyka Stosowana II stopień studiów 2 Map-Reduce system Single-node architektura 3 Przykład Googla 4 10 miliardów stron internetowych Średnia
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 szczegółowoProjektowanie i implementacja wysokowydajnych aplikacji w języku
Program szkolenia: Projektowanie i implementacja wysokowydajnych aplikacji w języku PHP Informacje: Nazwa: Kod: Kategoria: Grupa docelowa: Czas trwania: Forma: Projektowanie i implementacja wysokowydajnych
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 szczegółowoJak analityka w chmurze obliczeniowej Microsoft może pomóc w transformacji Twojego Biznesu? Radosław Łebkowski Microsoft
Jak analityka w chmurze obliczeniowej Microsoft może pomóc w transformacji Twojego Biznesu? Radosław Łebkowski Microsoft Agenda Jak Microsoft korzysta z narzędzi analitycznych? Podejście do platformy Zarządzanie
Bardziej szczegółowoKonsolidacja wysokowydajnych systemów IT. Macierze IBM DS8870 Serwery IBM Power Przykładowe wdrożenia
Konsolidacja wysokowydajnych systemów IT Macierze IBM DS8870 Serwery IBM Power Przykładowe wdrożenia Mirosław Pura Sławomir Rysak Senior IT Specialist Client Technical Architect Agenda Współczesne wyzwania:
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 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 szczegółowoIII Edycja ITPro 16 maja 2011
III Edycja ITPro 16 maja 2011 SharePoint 2010 SharePoint jako platforma ERP Paweł Szczecki pawel.szczecki@predica.pl Prelegent Paweł Szczecki Współwłaściciel firmy Predica sp. z o.o. Odpowiedzialny za
Bardziej szczegółowoINTERNETOWE BAZY DANYCH materiały pomocnicze - wykład X
Wrocław 2006 INTERNETOWE BAZY DANYCH materiały pomocnicze - wykład X Paweł Skrobanek C-3, pok. 323 e-mail: pawel.skrobanek@pwr.wroc.pl INTERNETOWE BAZY DANYCH PLAN NA DZIŚ zajęcia 1: 2. Procedury składowane
Bardziej szczegółowoKlaster obliczeniowy
Warsztaty promocyjne Usług kampusowych PLATON U3 Klaster obliczeniowy czerwiec 2012 Przemysław Trzeciak Centrum Komputerowe Politechniki Łódzkiej Agenda (czas: 20min) 1) Infrastruktura sprzętowa wykorzystana
Bardziej szczegółowoBusiness Intelligence Odkryj szerszą perspektywę dla swojego biznesu
Business Intelligence Odkryj szerszą perspektywę dla swojego biznesu Zadania stojące przed Business Intelligence Przyrost informacji w ciągu ostatnich kilku lat osiągnął niespotykany dotąd poziom. Firmy
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 2005-2008 Zagadnienia do omówienia 1. 2. Przegląd architektury HD 3. Warsztaty
Bardziej szczegółowoSHAREPOINT TRAINING SOLUTIONS.
SHAREPOINT TRAINING SOLUTIONS SHAREPOINT TRAINING SOLUTIONS Przedstawiamy Państwu projektowe ujęcie szkoleń podzielone według grup zawodowych i poziomów. Projekt ten pod nazwą Sharepoint Training Solutions
Bardziej szczegółowoPizza & Beer: Progress Corticon
Pizza & Beer: Progress Corticon Spotkania techniczne dla partnerów aplikacyjnych i klientów technologii Progress Reguły są wszędzie wokół nas Każdą regułę można wyrazić słownie: JEŚLI (warunek do spełnienia),
Bardziej szczegółowoOpracowanie. techniczne. Poprawa wydajności operacyjnej dzięki ofercie rozwiązań Big Data i analitycznych firm Dell i Intel. Październik 2015 r.
Opracowanie techniczne Poprawa wydajności operacyjnej dzięki ofercie rozwiązań Big Data i analitycznych firm Dell i Intel Autor: Nik Rouda, starszy analityk Październik 2015 r. Niniejsze opracowanie techniczne
Bardziej szczegółowoOprogramowanie na miarę z13
Oprogramowanie na miarę z13 Sebastian Milej, Zespół Oprogramowania Mainframe 11 lutego 2015 IBM z Systems to rozwiązanie kompletne Analytics Clo ud Securit y Mobile Socia l Technologia półprzewodników
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 szczegółowoCZĘŚĆ I. WARSTWA PRZETWARZANIA WSADOWEGO
Spis treści Przedmowa Podziękowania O książce Rozdział 1. Nowy paradygmat dla Big Data 1.1. Zawartość książki 1.2. Skalowanie tradycyjnej bazy danych 1.2.1. Skalowanie za pomocą kolejki 1.2.2. Skalowanie
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 szczegółowoDlaczego my? HARMONOGRAM SZKOLEŃ październik - grudzień ACTION Centrum Edukacyjne. Autoryzowane szkolenia. Promocje
ACTION Centrum Edukacyjne ACTION Centrum Edukacyjne oferuje najwyższej jakości szkolenia IT prowadzone przez najlepszych instruktorów w Polsce. Jako jedyny ośrodek szkoleniowy w Polsce posiada autoryzację
Bardziej szczegółowo