من يجب أن يحضر؟

• محللو البيانات
• مهندسو البرمجيات
• المبرمجون

المعرفة والفوائد:

بعد إكمال البرنامج، سيكون المشاركون قادرين على إتقان ما يلي:

• المعرفة وتطبيق MapReduce
• فهم معدل حدوث الأحداث في البيانات الضخمة
• كيفية تصميم خوارزميات لمعالجة التدفقات وحساب العناصر المتكررة في البيانات الضخمة
• فهم وتصميم خوارزميات PageRank
• فهم خوارزميات السير العشوائي الأساسية

محتوى الدورة

• أساسيات العمل مع البيانات الضخمة:
  فهم الأربع V’s للبيانات الضخمة (الحجم، السرعة، والتنوع)؛ بناء نماذج للبيانات؛ فهم حدوث الأحداث النادرة في البيانات العشوائية.

• الشبكات الإلكترونية والاجتماعية:
  فهم خصائص الشبكة والشبكات الاجتماعية؛ نمذجة الشبكات الاجتماعية؛ تطبيق خوارزميات لاكتشاف المجتمعات في الشبكات.

• تجميع البيانات الضخمة:
  تجميع الشبكات الاجتماعية؛ تطبيق التجميع الهرمي؛ تطبيق تجميع k-means.

• بحث الويب من جوجل:
  فهم مفهوم PageRank؛ تنفيذ الخوارزمية الأساسية لـ PageRank للرسوم البيانية المترابطة بشكل قوي؛ تنفيذ PageRank مع الضريبة للرسوم البيانية غير المترابطة بشكل قوي.

• الحوسبة الموازية والموزعة باستخدام MapReduce:
  فهم العمارة للحوسبة الموزعة والموازية الضخمة؛ تطبيق MapReduce باستخدام Hadoop؛ حساب PageRank باستخدام MapReduce.

• حساب الوثائق المشابهة في البيانات الضخمة:
  قياس أهمية الكلمات في مجموعة من الوثائق؛ قياس تشابه المجموعات والوثائق؛ تطبيق التجزئة الحساسة محليًا لحساب الوثائق المشابهة.

• المنتجات المشتراة بشكل متكرر معًا في المتاجر:
  فهم أهمية مجموعات العناصر المتكررة؛ تصميم قواعد الارتباط؛ تنفيذ خوارزمية A-priori.

• توصيات الأفلام والموسيقى:
  فهم الاختلافات في أنظمة التوصية؛ تصميم أنظمة التوصية المعتمدة على المحتوى؛ تصميم أنظمة التصفية التعاونية للتوصية.

• نظام Google AdWordsTM:
  فهم نظام AdWords؛ تحليل الخوارزميات عبر الإنترنت من حيث نسبة المنافسة؛ استخدام المطابقة عبر الإنترنت لحل مشكلة AdWords.

• تنقيب البيانات المتدفقة بسرعة:
  فهم أنواع الاستفسارات لتدفقات البيانات؛ تحليل طرق أخذ العينات لتدفقات البيانات؛ عد العناصر المميزة في تدفقات البيانات؛ تصفية تدفقات البيانات.