Streaming Data Analytics | Stručna praksa 2024.
Streaming Data Analytics
TERMIN: 12. avgust – 23. avgust 2024.
Analitika streaming podataka obuhvata obradu i analizu kontinuirano generisanih tokova podataka u realnom vremenu. Fokusira se na izvlačenje značajnih uvida, otkrivanje uzoraka i donošenje odluka u realnom vremenu dok podaci pristižu. Ova oblast obuhvata tehnike za prikupljanje, obradu i analizu podataka iz različitih izvora poput IoT uređaja, senzora, medija i finansijskih transakcija. Ključni elementi programa uključuju prikupljanje podataka, sistem za obradu u realnom vremenu (kao što je Apache Spark) i analitičke alate za izvlačenje vrijednih uvida i reagovanje na dinamičke promjene u obrascima podataka. Analitika streaming podataka je od suštinskog značaja u aplikacijama koje zahtijevaju trenutne odgovore, poput detekcije prevare (frauda), sistemskog nadzora, sistema za preporučivanje (recommendation systems) i aplikacija za IoT (Internet of things) uređaje.
SADRŽAJ PROGRAMA:
Uvod u analitiku podataka
Uvod u streaming podatke na primjeru IoT podataka
Prikupljanje IoT podataka
Procesiranje IoT podataka
Analitika IoT podataka
Primjena metoda mašinskog učenja nad IoT podacima
ŠTA ĆETE NAUČITI:
Ovaj desetodnevni program prakse fokusiran je na podučavanje studenata analitici podataka na primjeru streaming IoT podataka, koristeći Python i Spark. Studenti će naučiti kako pristupiti, obraditi, analizirati i primijeniti tehnike mašinskog učenja nad IoT podacima. Kroz praktične vježbe i završni projekat, steći će praktične vještine u izgradnji data pipelina, izvođenju istraživačke analize podataka, implementaciji modela mašinskog učenja i razvijanju rješenja za stvarne IoT primjene.
TEHNOLOGIJE KOJE ĆETE KORISTITI:
Korištene tehnologije uključuju Python za manipulaciju podacima i vizualizaciju, Spark za distribuiranu obradu podataka, kao i razne IoT izvore podataka poput senzora i API-ja za prikupljanje streaming podataka. Studenti će se, takođe, upoznati sa Microsoft Fabric-om, integrisanim softverom za analitiku podataka.
POTREBNA PREDZNANJA:
Osnove Pythona, osnove rada sa podacima i osnovni koncepti u analizi podataka, osnovno poznavanje rada u komandnom prozoru (CLI).
MENTORI:
Siniša Roljić
Već 15 godina kao inženjer poslovne analitike usavršavam svoje vještine pričanja priča na osnovu podataka. Sada želim da podijelim svoja saznanja sa novim generacijama studenata koji žele da otkriju nove uvide na putu ka inovacijama.
Milorad Šipovac
Glavni inženjer za analizu podataka i zaposlen u kompaniji m:tel od 2018. godine. Elektrotehnički fakultet je završio u Banjaluci. U više navrata je bio mentor studentima na stručnoj praksi.
