검색 결과

오늘날 디지털 비즈니스를 위한 데이터 엔지니어링, 즉 3가지 유형의 데이터베이스의 설계 및 처리 방법에 대해 살펴 본다: (1) Online Transaction 처리를 위한 Operational DB 구축을 위한 Relational DB의 설계 및 처리 방법, (2) Business Intelligence를 위한 RDB 기반의 Data Warehouse 설계 및 처리 방법, (3) Machine Learning, 통계 처리 등 Big Data Analytics를 위한 NoSQL DB의 설계 및 처리 방법. 이러한 3가지 유형의 DB를 통합적으로 운영할 수 있는 Data Architecture에 대해서도 살펴 본다. 강의 시간: 1시간 53분 모든 퀴즈를 80% 이상 패스할 경우, 본 과정의 수료증을 자동 발급 받음. I. 도입부 5:00 a. 강의 목차 5:00 II. 디지털 비즈니스의 필요 데이터 분석 19:53 a. 필요 데이터 분석의 출발점: 비즈니스 아키텍처의 설계 7:55 b. 비즈니스 프로세스 모델 기반의 데이터 모델링 6:25 c. 데이터 모델 기반의 사용사례 시나리오 작성 5:33 퀴즈 1 III. 데이터 모델 기반의 관계형 DB 설계/구축 자동화 24:55 a. 데이터 모델 기반의 관계형 DB (Relational Database) 자동 구축 7:22 b. 데이터 모델과 사용사례 기반의 객체 지향 코드 설계 및 자동 생성 9:12 c. 관계형 DB의 처리 방법: SQL, JDBC, ORM, JPA 등 8:21 퀴즈 2 IV. 관계형 DB 기반의 데이터 웨어하우스 설계 20:55 a. Data Warehouse(DW)의 출현 배경 6:43 b. DW 개념 모델: 다차원 데이터 모델 (Multidimensional Data Model) 4:56 c. DW 논리 모델: Snowflake 스키마 3:38 d. 오픈소스 DW: Hive와 HiveQL 5:38 퀴즈 3 V. 빅데이터 애널리틱스를 위한 NoSQL DB 설계 29:41 a. 관계형 DB와 NoSQL DB의 장단점 비교 13:35 b. 관계형 DB와 Document DB의 비교 3:49 c. 관계형 DB의 스키마 변경이 가능한 EAV 모델 8:38 d. Graph DB와 관계형 DB 비교 3:39 퀴즈 4 VI. 정보시스템의 3 유형: Online, Offline, Nearline 시스템 13:08 a. 정보시스템 3 유형의 비교 3:53 b. 애널리틱스를 위한 오프라인 Batch 처리 3:43 c. 애널리틱스를 위한 Nearline 스트림 처리 4:27 d. 애널리틱스를 위한 Batch 및 Stream 처리를 위한 클라우드 데이터 아키텍처 1:05 퀴즈 5