Традиционные аналитические подходы. Причины выбора Big data среди многообразия подходов
Машинные методы для обработки данных. Как перестать реагировать и начать прогнозировать
Культура сбора и источники данных. Дорожная карта и главное правило аналитика
Предобработка и визуализация данных в pandas для отчётности на примере международного ритейлера
Улучшение качества работы с данными. Основы архитектуры хранения и обработки больших данных, виды обработки и масштабирования
Основы работы в Hadoop и MapReduce. Обзор облачных платформ: AWS, EMR, Azure и прочих
Продвинутые подходы в MapReduce. Работа в pyspark, доступная каждому
Организация команды для работы с данными. CRISP-DM