Εισαγωγή στα Big Data

Πρόγραμμα:
  • Βάσεις Δεδομένων

Διάρκεια: 2 Μήνες (30 Ώρες)

Μονάδες ECVET: 1.2

Η εκπαιδευτική ενότητα οδηγεί σε Βεβαίωση Επιτυχούς Παρακολούθησης

Αιτήσεις έως: 04/06/2021 - Έναρξη Μαθημάτων: 07/06/2021

Κόστος Σεμιναρίου: 180 €

Αρχικό κόστος σεμιναρίου χωρίς έκπτωση.

Κόστος με έκπτωση στα 120 €

για Ανέργους, Πολύτεκνους-Τρίτεκνους, AMEA, Πτυχιούχους-Φοιτητές ΠαΠει, Εργαζόμενους του Πανεπιστημίου Πειραιά (μόνιμοι ή με σύμβαση), Δημοτικούς Υπαλλήλους. Πληροφορίες

Κόστος με έκπτωση στα 150 €

για Προπτυχιακούς Φοιτητές ΑΕΙ/ΤΕΙ ή άτομα έως 30 ετών που είναι κάτοχοι Ευρωπαϊκής Κάρτας Νέων, Συμμετέχοντες προηγούμενων κύκλων, Εγγραφή σε τουλάχιστον δύο μαθήματα ίδιας περιόδου. Πληροφορίες

ΦΟΡΜΑ ΑΙΤΗΣΗΣ

Για να προχωρήσετε στην παρακολούθηση της συγκεκριμένης διδακτικής ενότητας, παρακαλούμε εγγραφείτε σε αυτό μέσα από την ειδική φόρμα εγγραφής και παρακολούθησης μαθημάτων.

ΠΛΗΡΟΦΟΡΙΕΣ

Διάρκεια: 2 μήνες
Ακαδημαϊκός Υπεύθυνος: Καθ. Ι. Θεοδωρίδης
Εκπαιδευτής Διδακτικής Ενότητας: Τσιάκαλου Αικατερίνη, Μηχ/κος Επιχειρηματικής Ευφυΐας

Πληροφορίες Εκπαιδευτικής Ενότητας

Εισαγωγή στη θεωρία των Big Data. Ο εκπαιδευόμενος θα είναι σε θέση να κατανοήσει την έννοια των Big Data και να έρθει σε επαφή με το πως χρησιμοποιούνται στον επαγγελματικό χώρο. Τι είναι Big DataΠως μπορούν να δώσουν ανταγωνιστικό πλεονέκτημα σε μία επιχείρηση? Είναι τα Big Data το νέο μεγάλο trend στις σύγχρονες επιχειρήσεις? 

Κατά τη διάρκεια διεξαγωγής του μαθήματος αλλά και στο τέλος αυτού, θα έχετε κατανοήσει τη φιλοσοφία των Big Data και ποιες θα μπορούν να είναι οι πρακτικές εφαρμογής τους στις σύγχρονες επιχειρήσεις. 

 

Εβδομάδα 1η: Εισαγωγή στα Big Data

  1. Κατανοώντας τις βασικές αρχές των Big Data
  2. Εξετάζοντας τους τύπους δεδομένων των Big Data
  3. Το παλιό συναντά το νέο: Κατανεμημένα υπολογιστικά συστήματα

 

Εβδομάδα 2η: Η τεχνολογική βάση των Big Data

  1. Κατανοώντας τα βασικά τεχνολογικά στοιχεία των Big Data
  2. Εικονική παρουσίαση και πως υποστηρίζει τα υπολ/κα συστήματα
  3. Εξετάζοντας το Cloud και τα Βig Data

 

Εβδομάδα 3η: Διαχείριση των Big Data

  1. Επιχειρησιακές βάσεις δεδομένων
  2. Εξερευνώντας τον κόσμο του Hadoop
  3. Οι αρχές του Hadoop και το οικοσύστημά του
  4. Αποθήκες δεδομένων για Big Data

 

Εβδομάδα 4η: Analytics και Big Data

  1. Καθορίζοντας τα Big Data Analytics
  2. Κατανοώντας τα Text Analytics σε Big Data
  3. Προσαρμοσμένες προσεγγίσεις σχετικά με Big Data Analytics

 

Εβδομάδα 5η: Yλοποίηση Big Data

  1. Συνδέοντας πηγές δεδομένων
  2. Κατανοώντας το Real-time data streaming και την επεξεργασία πολύπλοκων event
  3. Τα Big Data σε μια επιχείρηση
  4. Ασφάλεια σε συστήματα Big Data

 

Εβδομάδα 6η: Εφαρμογή συστημάτων Big Data στον πραγματικό κόσμο

  1. Η σημασία των Biga Data στον πραγματικό κόσμο
  2. Αναλύοντας δεδομένα σε κίνηση: Μια άποψη του πραγματικού κόσμου
  3. Βελτιώνοντας τις επιχειρήσεις με τη χρήση των Big Data

 

Εβδομάδα 7η: Βέλτιστες πρακτικές

  1. Οι δέκα καλύτερες πρακτικές Big Data
  2. Oι δέκα καλύτερες πηγές Big Data
  3. Τι να κάνεις και τι όχι αναφορικά με τα Big Data

 

Απαιτήσεις για το Σεμινάριο

Το συγκεκριμένο μάθημα μπορούν να το παρακολουθήσουν όλοι όσοι έχουν βασικές γνώσεις πληροφορικής και βάσεων δεδομένων. 

Η παρακολούθηση γίνεται αποκλειστικά από το Διαδίκτυο μέσω απλού εκπαιδευτικού λογισμικού (πλατφόρμα ασύγχρονης τηλεκπαίδευσης), παρέχεται ψηφιακό εκπαιδευτικό υλικό και συνεχή εκπαιδευτική υποστήριξη. Από τη στιγμή που ένας υποψήφιος γίνεται δεκτός στο Πρόγραμμα, δημιουργείται λογαριασμός χρήστη στην πλατφόρμα τηλεκπαίδευσης, στον οποίο δίνεται πρόσβαση στην εκπαιδευτική ενότητα της επιλογής του. Στα πλαίσια της κάθε εκπαιδευτικής ενότητας γίνεται ανάρτηση σε εβδομαδιαία βάση στην πλατφόρμα τηλεκπαίδευσης ηλεκτρονικού εκπαιδευτικού υλικού του υπεύθυνου διδάσκοντα. Το εκπαιδευτικό υλικό περιλαμβάνει ηλεκτρονικές σημειώσεις με θεωρία και παραδείγματα τα οποία είναι σε μορφή pdf με δυνατότητα αποθήκευσης και εκτύπωσης, ώστε να είναι εφικτή η μελέτη και offline. Κατά τη διάρκεια του μαθήματος υπάρχει η δυνατότητα ανάθεσης εργασιών ή τεστ αυτοαξιολόγησης. Ο εκπαιδευόμενος έχει πρόσβαση, οποιαδήποτε στιγμή και από οπουδήποτε έχει σύνδεση Internet, σε όλες τις δραστηριότητες, πηγές πληροφοριών και ανακοινώσεις του εκάστοτε μαθήματος και του κοινοποιούνται στοιχεία επικοινωνίας με τον διδάσκοντα για επίλυση αποριών. Οι συμμετέχοντες πρέπει να :

  • μελετούν την ύλη και τις σημειώσεις
  • χρησιμοποιούν τις συνδέσεις που σχετίζονται με την ύλη του μαθήματος
  • υποβάλλουν εργασίες, τεστ αυτοαξιολόγησης και απαντήσεις τελικής εξέτασης

Οι συμμετέχοντες πρέπει να διαθέτουν πρόσβαση στο διαδίκτυο, βασικές γνώσεις χειρισμού ηλεκτρονικών υπολογιστών καθώς και προσωπικό λογαριασμό e-mail.

H εξεταστική διαδικασία πραγματοποιείται εξ αποστάσεως μέσα από την πλατφόρμα e-learning με τη συμπλήρωση τεστ επίδοσης (ερωτήσεων πολλαπλής επιλογής) το οποίο είναι διαθέσιμο σε συγκεκριμένες ημερομηνίες ή με την ανάρτηση θεμάτων (ερωτήσεων- ασκήσεων τελικής εξέτασης) σε μορφή ανάθεσης εργασίας με προθεσμία υποβολής των απαντήσεων. Υπάρχει η δυνατότητα να προγραμματιστεί σε συνεννόηση με τον εκπαιδευόμενο η εκπρόθεσμη συμμετοχή του στην τελική εξέταση με την προϋπόθεση ότι δεν έχει παρέλθει διάστημα πάνω από ένα έτος από την εγγραφή του στην αντίστοιχη διδακτική ενότητα.

Τρόπος Καταβολής Διδάκτρων

Αρχικό Ποσό Ποσό με Δόσεις
Αρχικά Δίδακτρα 180€ (εφάπαξ)€
Δίδακτρα με Έκπτωση 1 120€ (εφάπαξ)€
Δίδακτρα με Έκπτωση 2 150€ (εφάπαξ)€

Για πληροφορίες εγγραφής: 210 4142186 ή 694 947 60 64