Big Data Business Intelligence for Govt. Agencies培訓

每節課為2小時

第 1 天：第 1 節：業務概述，為什麼在 Govt.

• 美國國立衛生研究院、美國能源部的案例研究
• 政府機構的大數據適應率，以及他們如何圍繞大數據調整未來的運營Predictive Analytics
• 在國防部、國家安全局、美國國稅局、美國農業部等廣泛的應用領域。
• 將大數據與遺留數據對接
• 對預測分析中的使能技術有基本的瞭解
• 數據集成和儀錶板可視化
• 欺詐管理
• 業務規則/欺詐檢測生成
• 威脅檢測和分析
• 大數據實施的成本效益分析

第一天：第二節：Big Data-1介紹

• 大數據的主要特徵——數量、種類、速度和準確性。卷的 MPP 體系結構。
• 數據倉庫 – 靜態模式，緩慢演變的數據集
• MPP 資料庫，如 Greenplum、Exadata、Teradata、Netezza、Vertica 等。
• 基於Hadoop的解決方案 – 對數據集的結構沒有條件。
• 典型模式：HDFS、MapReduce（crunch）、從 HDFS 檢索
• 批處理 - 適用於分析/非互動式
• 卷 ： CEP 流數據
• 典型選擇 – CEP 產品（例如 Infostreams、Apama、MarkLogic 等）
• 生產準備不足 – Storm/S4
• NoSQL 資料庫 – （列式和鍵值）：最適合作為數據倉庫/資料庫的分析輔助工具

第 1 天：第 -3 節：Big Data-2 簡介

否SQL個解決方案

• KV Store - Keyspace、Flare、SchemaFree、RAMCloud、Oracle NoSQL 資料庫 （OnDB）
• KV 商店 - Dynamo、Voldemort、Dynomite、SubRecord、Mo8onDb、DovetailDB
• KV 儲存（分層）- GT.m、快取
• KV Store（已訂購）- TokyoTyrant、Lightcloud、NMDB、Luxio、MemcacheDB、Actord
• KV 快取 - Memcached、Repcached、Coherence、Infinispan、EXtremeScale、JBossCache、Velocity、Terracoqua
• 元組存儲 - Gigaspaces、Coord、Apache River
• 對象資料庫 - ZopeDB、DB40、Shoal
• 文檔存儲 - CouchDB、Cloudant、Couchbase、MongoDB、Jackrabbit、XML-Databases、ThruDB、CloudKit、Prsevere、Riak-Basho、Scalaris
• 廣泛的列式存儲 - BigTable、HBase、Apache Cassandra、Hypertable、KAI、OpenNeptune、Qbase、KDI

數據的種類：大數據中的Data Cleaning問題簡介

• RDBMS – 靜態結構/模式，不提倡敏捷、探索性環境。
• NoSQL – 半結構化的，足夠的結構來存儲數據，在存儲數據之前沒有精確的模式
• 數據清理問題

第一天：第四節：大數據介紹-3：Hadoop

• 何時選擇 Hadoop？
• 結構化 - 企業數據倉庫/資料庫可以存儲大量數據（有成本），但會強加結構（不利於主動探索）
• SEMI 結構化數據 – 傳統解決方案 （DW/DB） 難以實現
• 倉儲數據 = 即使在實施后也付出了巨大的努力和靜態
• 對於各種數據和數據量，在商用硬體上處理 – HADOOP
• 創建 Hadoop 集群所需的商品硬體

Map Reduce /HDFS 簡介

• MapReduce – 將計算分佈在多個伺服器上
• HDFS – 使資料在本地可用於計算過程（具有冗餘）
• 資料 – 可以是非結構化的/無模式的（與 RDBMS 不同）
• 開發人員有責任理解數據
• Programming MapReduce = 使用 Java（優點/缺點），手動將數據載入到 HDFS 中

第 2 天：第 1 節：Big Data 生態系統建設 Big Data ETL：Big Data 工具的世界——使用哪一個以及何時使用？

• Hadoop 與其他 NoSQL 解決方案
• 用於互動式、隨機存取資料
• Hadoop之上的Hbase（面向列的資料庫）
• 隨機存取資料，但施加了限制（最大 1 PB）
• 不適合臨時分析，適合日誌記錄、計數、時間序列
• Sqoop - 從資料庫導入到 Hive 或 HDFS（JDBC/ODBC 訪問）
• Flume – 將數據（例如.log數據）流式傳輸到HDFS

第2天：第二節：大數據Management系統

• 移動部件、計算節點啟動/失敗：ZooKeeper - 用於配置/協調/命名服務
• 複雜的流水線/工作流：Oozie – 管理工作流、依賴項、菊花鏈
• 部署、配置、群集管理、升級等（系統管理員）：Ambari
• 在雲中：呼嘯

第 2 天：第 3 節：Business Intelligence 中的預測分析 -1：基礎技術和基於機器學習的 BI：

• 機器學習簡介
• 學習分類技術
• 貝葉斯預測準備訓練檔
• 支援向量機
• KNN p-Tree代數和垂直挖掘
• 神經網路
• Big Data 大變數問題 -隨機森林 （RF）
• Big Data 自動化問題 – 多模型集成射頻
• 通過Soft10-M實現自動化
• 文本分析工具-Treeminer
• 敏捷學習
• 基於智慧體的學習
• 分散式學習
• 用於預測分析的開源工具簡介：R、Rapidminer、Mahut

第2天：第4節預測分析生態系統2：Govt 中常見的預測分析問題。

• 洞察分析
• 可視化分析
• 結構化預測分析
• 非結構化預測分析
• 威脅/欺詐之星/供應商分析
• 推薦引擎
• 模式檢測
• 規則/場景發現 - 失敗、欺詐、優化
• 發現根本原因
• 情緒分析
• CRM分析
• 網路分析
• 文本分析
• 技術輔助審查
• 欺詐分析
• 即時分析

第3天：Sesion-1：即時和Scala在Hadoop上變得分析

• 為什麼常見的分析演算法在 Hadoop/HDFS 中失敗
• Apache Hama- 用於批量同步分散式計算
• Apache SPARK-用於即時分析的集群計算
• CMU Graphics Lab2 - 基於圖的分散式計算異步方法
• Treeminer 基於 KNN p-Algebra 的方法可降低硬體運營成本

第3天：第2節：電子發現和取證工具

• 基於 Big Data 的電子數據展示與舊數據 – 成本和性能的比較
• 預測編碼和技術輔助審查 （TAR）
• Tar 產品 （vMiner） 的現場演示，瞭解 TAR 如何工作以加快發現速度
• 通過 HDFS 更快地建立索引 – 資料速度
• NLP 或自然語言處理 – 各種技術和開源產品
• 外語電子取證 - 外語處理技術

第 3 天：第 3 節：大數據 BI for Cyber Security – 瞭解從快速數據收集到威脅識別的整個 360 度視圖

• 瞭解安全分析的基礎知識 - 攻擊面、安全配置錯誤、主機防禦
• 網路基礎設施/大型數據管道/用於即時分析的回應 ETL
• 規範性與預測性 – 從元數據中修復基於規則與自動發現威脅規則

第3天：第4節：Big Data在美國農業部：在農業中的應用

• 基於農業感測器的IoT（物聯網）簡介Big Data和控制
• 衛星成像簡介及其在農業中的應用
• 集成感測器和圖像數據，用於土壤肥力、栽培建議和預測
• 農業保險和 Big Data
• 作物損失預測

第 4 天：第 1 節：Govt-Fraud 分析中來自大數據的欺詐預防 BI：

• 欺詐分析的基本分類 - 基於規則的分析與預測分析
• 用於欺詐模式檢測的監督式與無監督式機器學習
• 供應商欺詐/項目多收費用
• Medicare 和 Medicaid 欺詐 - 用於索賠處理的欺詐檢測技術
• 差旅報銷欺詐
• 國稅局退稅欺詐
• 只要有數據，就會提供案例研究和現場演示。

第 4 天：第 2 節：Social Media 分析 - 情報收集和分析

• 用於提取社交媒體數據的大數據 ETL API
• 文字、圖像、元數據和視頻
• 來自社交媒體提要的情緒分析
• 社交媒體提要的上下文和非上下文過濾
• Social Media 用於整合各種社交媒體的儀錶板
• 社交媒體資料的自動分析
• 每個分析的現場演示將通過Treeminer工具提供。

第4天：第3節：Big Data 圖像處理和視頻饋送分析

• Big Data 中的圖像存儲技術 - 超過 PB 的數據的儲存解決方案
• LTFS 和 LTO
• GPFS-LTFS（大圖像資料分層儲存解決方案）
• 圖像分析的基礎
• 物體識別
• 圖像分割
• 運動跟蹤
• 3D圖像重建

第 4 天：第 4 節：Big Data NIH 中的應用：

• Bio-資訊學的新興領域
• 元基因組學和大數據挖掘問題
• 藥物基因組學、代謝組學和蛋白質組學的大數據預測分析
• 基因組學下游流程中的大數據
• 大數據預測分析在公共衛生中的應用

Big Data 用於快速存取各種資料和顯示的儀錶板：

• 現有應用平臺與大數據儀錶盤的整合
• 大數據管理
• 大數據儀錶板案例研究：Tableau 和 Pentaho
• 使用大數據應用程式在政府中推送基於位置的服務。
• 跟蹤系統和管理

第 5 天：第 1 節：如何證明 Big Data BI 在組織內實施的合理性：

• 定義 Big Data 實施的 ROI
• 節省分析師收集和準備數據時間的案例研究 - 提高生產力
• 通過節省許可資料庫成本獲得收入的案例研究
• 基於位置的服務的收入收益
• 從欺詐預防中節省成本
• 一種集成的電子錶格方法，用於計算 Big Data 實施的近似費用與收入收益/節省。

第 5 天：第 2 節：將遺留數據系統替換為 Big Data 系統的分步過程：

• 了解實用 Big Data 遷移路線圖
• 在構建 Big Data 實現之前需要哪些重要資訊
• 計算數據量、速度、多樣性和準確性的不同方法有哪些
• 如何估算數據增長
• 案例研究

第 5 天：第 4 節：審查 Big Data 供應商並審查他們的產品。問答環節：

• 埃森哲
• APTEAN（前身為 CDC Software）
• 思科系統
• 克勞德拉
• 山谷
• 電磁相容
• GoodData公司
• 番石榴
• 日立數據系統
• 霍頓工廠
• 惠普
• IBM公司
• 資訊網
• 英特爾
• Jaspersoft的
• Microsoft
• MongoDB（以前稱為 10Gen）
• MU西格瑪
• NetApp 的
• Opera 解決方案
• 神諭
• 貝爾塔霍
• 普拉特福拉
• Qliktech的
• 量子
• 機架空間
• 革命分析
• Salesforce的
• 樹液
• SAS學院
• 西森
• 軟體 AG/Terracotta
• Soft10 自動化
• Splunk的
• 平方
• Supermicro 超微
• Tableau 軟體
• Teradata的
• 大分析思維
• 潮汐系統
• 樹礦工
• VMware （EMC 的一部分）