Архив

18.10.2015

Класиране

П. име Име Фамилия Учебно заведение Точки Общо време за изпълнение на заявките
veli4ko91 Величко Вълков Софийски университет "Св. Климент Охридски" - София 140.5 0.0022000 секунди
MilenZ Милен Желязков Варненски свободен университет "Черноризец Храбър" - Варна 78.2 0.0046000 секунди
flextry Мартин Николов Пловдивски университет "Паисий Хилендарски" - Пловдив 77 0.0047000 секунди
DesislavaSlavova Десислава Славова Математическа гимназия "Д-р Петър Берон" - Варна 40 0.0026000 секунди
murder.temptation Таня Машева Средно общообразователно училище "Нешо Бончев" - Панагюрище 16 0.0009000 секунди

 

Прочети повече
17.10.2015

Лаура Толош, Ontotext, Румъния

 

Какво представлява извличането на данни и защо е толкова важно днес?

 

Data mining means extracting information and knowledge from large amounts of data. Nowadays, most companies gather data from their clients, with the goal of making sense of their preferences for products and thus better place advertisements and increasing profit. Hospitals keep detailed profiles of patients, but one doctor can only know well a few tens of patient histories; clearly, automated mining of the history of tens of thousands of patients can help discover disease or diagnostic patterns that can be extremely useful for treatment. Publishing companies have huge archives of text articles, and human reading (by one journalist) is too slow to ensure meaningful and unbiased coverage of a topic. For example, writing about an emerging war conflict, a journalist would benefit from historic knowledge on the main actors such as countries or leaders and the location of conflict. Automated mining can help a great deal with extracting all relevant information.

 

Data mining is interdisciplinary: it requires database expertise, in order to efficiently store big data and ensure fast querying or updating; it also relies on statistical and machine learning methods for extracting meaningful patterns; visualizations are a powerful tool for representing results.

 

В какви области от ежедневието е приложимо?

 

First, think that most activities of our day-to-day life (at least in modern cities) are already subject to data acquisition. Travelling to and back from work is probably stored by the subway ticket validation machine, paying for food at the supermarket with a debit card is information sent and stored by your bank, searching for airplane tickets or hotels is information saved by the online travel agencies, going to the doctor means revealing data about your health status to your healthcare provider, to the health insurance company and to your pharmacist, reading news online means filling a profile of interests in the user database of your favourite newspaper; making a phone call from your cellphone is data stored by the telecommunication companies.

 

All these data are then mined by their holders. But the data is vast and detailed, making sense of it is very hard. We can ask simple questions like: how many users that read about sports, also read about dieting and healthy eating, and, is this a significant and unexpected association (eg. as opposed to buying toothbrush and toothpaste together)? If so, then probably the next time you read about Ronaldo, you will be shown the next best low-carb recipe on the screen. Data mining is already seamlessly integrated in most compartments of our day-to-day life.

 

 

Как виждате бъдещето в тази област?

Current challenges of data mining that should be addressed in the near future:

-       issues about security of information/ misuse of information should be addressed;

-       state-of-the-art data mining techniques are limited: compared to the amount of raw data available, the extracted knowledge is too little. Experts still design features, which is a subjective and time-consuming process. Deep learning methods are promising: learning features.

-       semantic enrichment should be common practice: so far, open data such as Wikipedia, have been used;  integration of other knowledge bases should be made easy;

-       multilingual text data - can be processed either by machine translation to english, then using other resources for english for semantic enrichment or sentiment analysis, for example; or analyzed using tools in the particular language, which are scarce; machine translation is not always an option, especially where precise sense disambiguation is necessary;

-       temporal data remains hard to deal with, it is difficult to program the machine to understand that some fact is true for a period of time, and outside that period, it is false; classical example: is george bush the president of the US or not.  Storage of temporal data is also challenging. Temporal interdependencies, patterns that hold for a time interval, for example sundays, or in the summer, or after each football game, otherwise not are hard to identify;

-       mining multimedia data: especially videos

 

Big vision for the not-so-near future!

Прочети повече
15.10.2015

“Развитието на бизнеса е немислимо без поддържането и извличането на бази данни” -  доц. д-р Галина Момчева инициатор и организатор на Националното състезание по извличане на данни QUERYADA

 

Доц. д-р Галина Момчева е ръководител на Катедра „Информатика и икономика“ във ВСУ „Черноризец Храбър“. Автор е на Концепцията за развитие на дигиталната компетентност на студентите от ВСУ. Води университетските курсове по C, C++, Java, Processing, Структури от данни и алгоритми, Проектиране на интерфейси, Социално мрежови анализи и други. Инициатор и ръководител на ScratchBG. Тя е ръководител на изследователски разработки в областта на компютърните науки на студенти и ученици и ръководител на отбори по състезателна информатика. Обучава ученици, учители и родители по визуално програмиране, инициира и провежда регионални и национални инициативи и изяви, свързани с компютърни науки. Носител е на множество награди за откриване и развиване на таланти в областта на информатиката. Днес се изправя пред ново предизвикателство като инициатор и организатор на Националното състезание по извличане на данни QUERYADA.

 

 

 

Как се роди идеята за QUERYADA ? 

Идеята за състезанието е моя. Тя се появи преди няколко години, заради необходимостта от разширяване на изявите за студенти, в отговор на предизвикателството за разширяване на професиите в областта на ИТ индустрията.  Не е тайна, че в следващите години ще се увеличи търсенето на специалисти като "Администратори на бази данни", "Анализатори на данни", "Визуализатори на данни", "Интегратори на данни" и др.

Защо избрахте името “Queryada”?

Queryada е комбинация от Query (заявка) и олимпиада, т.е. това е състезание за извличане на данни. Името го даде Евгени Андреев. Той е мой студент. С него направихме и регламента на състезанието.

 

Евгени Андреев и Николай  Цанков са авторите на онлайн системата, в която участниците ще се състезават основно в Queryada, 2015. Това е техният дипломен проект, който ще защитят успешно в края на октомври, ако състезанието мине без проблеми.

 

Каква е Вашата роля в състезанието?

Моята роля е на инициатор и на организатор, но може би най-важният ми ангажимент в момента е на комуникатор между фирмит-партньори, учащите в страната и техните преподаватели.

Някои колеги ме поздравяват, други смятат, че тази изява е подходяща само за студенти, но аз искам да дадем възможност и на учениците да участват.

 

Добавянето в регламента на извличане на данни от нерелационни бази данни, работата със семантични данни е провокация и за нас авторите на състезанието, и за фирмите, а със сигурност ще бъде провокация и за участниците. Дано да се получи успешно от първия път. Провокацията да включим нови технологии като големи масиви от данни и семантични данни е важна, защото искам да насърчим учащите да обърнат внимание на тези технологии.

 

Има ли Queryada аналог в България или в Чужбина?

Не. Има международно състезание по програмиране за ученици и отделно за студенти. Смятам, че имиджът на България в международните състезания по програмиране и успехите на българските състезатели ще дадат възможност лесно да намерим пътя за международнен формат на QUERYADA.

 

В глобален мащаб се увеличава значително количеството данни, които се събират не само от потребители, а и от автоматизирани устройства/системи, от потребители в уеб или чрез смарт технологии. Съществуващото разнообразие от релационни бази данни, възникването на нови нерелационни такива и необходимостта да се интегрират е голяма провокация, която изисква специалисти със специфични познания.

 

Извличането на данни е вече както от структурирани, така и от неструктурирани данни, нещо повече има и възможност за използване на свързани данни, осигуряващо автоматизирането на съвместната работа без усилия за координация.

Всички нови  възможности в областта на ИТ и компютърните науки предизвикват нови въпроси по отношение на сигурността. 

 

Какво представлява извличането на данни и защо е толкова важно днес ?

Данните можем да си представим като реалните факти, които се представят обикновено във вид на числа, текст и са форматирани по специален начин. След обработка, организиране, представяне в някакъв контекст данните се превръщат в нещо смислено за нас, т.е. в информация.

Релационните бази данни организират данните във вид на таблици и поставят строги изисквания на принципи, които да бъдат спазени в тази организация.

 

Така, например SQL (Structured Query Language) представлява език за структурирани заявки в релационни бази данни.  Командите на SQL са познати като заявки и включват специални (ключови) думи, с които са кодирани операции за добавяне, селектиране, обновяване или изтриване на данни. Заявка наричаме и последователността от няколко SQL команди.

 

Популярен в последно време е терминът „големи масиви(обеми) от данни“. Това са данни, измервани в петабайти (1 petabyte = 1024 terabytes)  или екзабайти ( 1 exabyte = 1024 petabytes). Според някои дефиниции (Doug Laney) това са данни, които имат следните три характеристики: скорост (velocity), обем (volume) и разнообразие (variety).

Примери за организации, които разполагат и управляват големи масиви от данни са: Facebook, Yahoo, Twitter, eBay и др.

 

По отношение на начина, по който са организирани, данните могат да бъдат:

Структурирани - отнася се за данни, които имат определена дължина и формат. 
Това са числа, дати, стрингове (текстове). Структурирани данни могат да се генерират от компютри или от хора. Тези генерирани от компютри данни са резултат от автоматизирани процеси и могат да бъдат получени от:

сензори (RFID, GPS,...);регистриране на действия в интернет;продажби;финансови операции; Генерираните от хора данни са вследствие на: кликване на потребители в сайтове;въвеждане на данни от потребители данни, свързани с игри или действия на потребители, всяко от които се записва.

 

Неструктурирани данни - това са данни, които нямат определен формат. Ако 20% от данните в предприятията са структурирани, 80% са неструктурирани.  Машинно генерирани неструктурирани данни са: сателитни снимки - данни за времето (Google Earth); научни данни - снимки за сеизмична активност, данни за атмосферата и др.; снимки и видео - сугурност, наблюдения на обекти и видео на трафика съдържание в уеб - Flickr, YouTube и много други

 

Извличането на данни (data retrieval) означава претърсването на масиви от данни с определена цел и извличането на част от тях по определен критерий. Един от вариантите на извличане е чрез заявки.

 

Важно понятие в областта на данните е Open Data (отворени-свободни за употреба данни). Съвременна тенденция в световен мащаб е отварянето на повече данни от правителства и организации, с което се цели използването на повече хора, в ключително доброволно за извличане на повече знание от достъпните данни.

 

В какви области от ежедневието е приложимо?

Всеки вид бизнес в днешно време използва бази данни за своята дейност. Най-често създаваме и поддържаме бази данни за фирмена дейност като производство, продажби, услуги, работим ежедневно с клиенти и искаме да правим справки за определени дейности, в определени периоди от време, по стойности за определен продавач или купувач, за счетоводни дейности, за да подобрим маркетинга и управлението на фирмата с цел вземането на по-успешни решения.

 

Можем да организираме база данни и за лични цели, например да подобрим как управляваме времето си, което е част от уменията ни за учене. Тогава можем да записваме в продължение на определен период от време какъв вид дейности правим всеки ден и по колко време ни отнема това, за да направим впоследствие анализи и след което да вземем решение кое и как да правим по-оптимално, за да имаме повече лично време.

 

Разликата между писменото, електронното документиране и създаването на система за управление на база данни е в спазването на определени стандаризирани изисквания и формати на данните от една страна и ефективността на резултата от друга страна.

 

Друг пример е следният: след сливане/поглъщане/разделяне на две фирми, които са имали собствени бази данни е необходима нова такава, тогава се налага да се направи процес по интеграция на техните бази данни, което за разлика от извличането изисква повече знания и умения за данните.

 

Събирането на данни за по-големи периоди от време и отварянето на тези данни днес дава възможност на повече хора да правят анализи и да извличат необходимата информация, да предсказват – да правят прогнози за бизнес развитието си или да генерират ново знание.

 

Как виждате бъдещето в тази област?

Развитието и значимостта на технологиите за обработка и достъп до данни дава основание за активно развитие на ново специализирано напраление в областта на компютърните науки: Data Science. Това е направлението готово да отговори на нарастващите нужди от анализи, предсказване на тенденции, визуализация и представяне при използването на големи масиви от данни и при осъществяването на съвременни интелигентни бизнес анализи.

 

Възникването на нови професии като „анализатор на данни“, „визуализатор на данни“, „интегратор на данни“ и  др. Очаквани умения на съвременният експерт в областта на Data Science включват: математика и особено по статистика, софтуерно инженерство, машинно самоообучение, програмиране; критично мислене; креативност; комуникативност и съвместна работа.

 

Изискванията към работещите отварят нови възможности и за развитие на нови образователни продукти от университетите.  В момента Катедра „Информатика и икономика“ на ВСУ подготвя нова магистърска програма Data Science  -  обучението, в която ще бъде изцяло на английски език.

 

Към кого е насочено събитието – кой може да се включи в него?

Към учащи - ученици и студенти.

 

Защо не може да се включат хора, работещи в ИТ бизнеса, които не са учащи в учебни заведения?

Защото искаме да подкрепим учащите в системата на висшето образование и средното образование.

               

Как ще протече състезанието?

Подробности за състезанието, молим, заинтересованите да следят на сайта: www.queryada.com

 

Какво според Вас мотивира младежите да се включат в състезанието?

Желанието за изява е част от развивитето на един професионалист в определена област. Не подкрепям ученето само чрез състезания, но не отричам, че и надпреварата е силно мотивиращ фактор, както за младите хора, така и за обучаващите ги.

 

Освен наградите, което засега ще оставим в тайна, най-провокиращото в едно състезание винаги е било срещата на живо на участниците - още повече - моите очаквания са в този формат да има участници и от двата пола. Тук предвиждаме и среща с бизнеса, групова и екипна работа.

 

За мен, а най-вероятно и за ИТ фирмите най-голямата провокация ще бъде ранг листата, която ще създадем и ще поддържаме. Искам да обърна внимание, че и регламентът и ранг листата ще бъдат отворени до 16ти октомври за предложения от страна на ментори, участници и експерти.

 

Какви са Вашите очаквания за резултатите от провеждането на Queryada?

•Ангажирано участие на състезателите и техните ментори

•Повишаване на активността на ИТ компаниите и включване на още фирми през следващите години

•Подкрепа от страна на браншовите ИТ организации (асоциации, клъстери)

•Интерес от международни браншови организации

•Предоставяне на финансиране за системна подготовка за тази изява

•Предложение от страна на различни бизнеси да създаваме нови изяви, свързани с тях, за да ги рекламираме и да подготвяме кадри със специфичен профил в областта на извличането на данни

 

Какво последно Ви провокира в областта на информационните технологии?

Инфографика (Infographics), Естествени потребителски интерфейси (Natural User Interfaces) и разбира се нововъзникващата наука за данните (Data Science).

 

 

Прочети повече
13.10.2015

На 17.10.2015г., от 10:00 ч., във Варненския свободен университет ‘Черноризец Храбър” ще се проведе втори (отборен и присъствен) кръг от Националното състезание по извличане на данни QUERYADA. Всички преминали успешно първата част от надпреварата, имат възможност да поканят свои колеги в отборите си, които не са участвали досега. Организаторите съобщават, че единственото изискване е някой от състезателите в групата да е преминал първи кръг на QUERYADA и напомнят, че допустими кандидати са ученици и студенти от цялата страна.

За да бъдат регистрирани новите участници, до 14.10.2015г., отборите трябва изпратят информация с имената на състезателите и учебните заведения, които посещават на адрес: cse@vfu.bg

Успешно преминалите изпитанието в събота се класират за последния кръг на състезанието, който ще се проведе на 18.10.2015г. (неделя).

Основната цел на Queryada е привличането към нови области на развитие на компютърните науки, свързани с обработка и анализи на данни и получаването на необходимите знания и умения за успешна реализация в тях.

 

Прочети повече
12.10.2015

 

„Заявки към семантични бази данни в RDF на езика SPARQL“

 

Преди да се заемете със SPARQL e добре да се запознаете с концепцията за семантичния уеб, семнатичните бази данни и представянето на данни в RDF формат. Следният материал, разработен от Онтотекст, ще ви помогне за това:

http://ontotext.com/documents/SemTech-intro.pdf

Той прави кратък обзор на следните 4 теми:

  • Introduction to the Semantic Web
  • Knowledge Representation – Ontologies
  • Semantic Databases and Reasoning
  • Semantic Search in General

 

Може да научите повече за стандарта за представяне на данни RDF в следните 2 материала:

 

А за езика SPARQL може да прочетете повече тук: 

Тези материали предлагат примери и упражнения, с които ще усвоите основните приницпи при писането на заявки на SPARQL (особено подходящ за упражнения е вторият).

Задачите ще проверят способностите ви да работите със следните клаузи: WHERE, GROUP BY, ORDER BY, LIMIT; модификатори на реда: ASC(), DESC(); агрегатни функции: MIN(), MAX(), COUNT(); модификатора DISTINCT; намиране на шаблони с OPTIONAL; изрази за оценяване с FILTER като оператори за равенство и функции за работа със стрингове като STRLEN(), STRSTARTS(), STRENDS() и други и вложени заявки.

 

GraphDB Workbench

Учебно видео за GraphDB Workbench https://youtu.be/5P9jZLlZtEk

За практическа подготовка сме създали пробна среда, където можете да се упражнявате преди състезанието. Тя се намира на

http://geospecies.ontotext.com/queryada

Тук можете да пишете заявки към семантичната базата от данни GeoSpecies. Има осигурен read-only достъп, което означава, че можете само да извличате информация,  без да можете да добавяте или изтривате.

Избор на база - когато влезете на страницата трябва да изберете базата от падащото меню в горния десен ъгъл (Choose repository).

Писане на заявки - за да правите заявки към базата е необходимо да изберете SPARQL от горната меню лента.

Запазени заявки – отдясно на полето за писане на заявки има няколко икони, от втората (show saved queries) може да отворите вече съществуващи заявки, които ще ви помогнат да започнете работа с базата.

Успех с подготовката!

Прочети повече
10.10.2015

Адастра Груп e международна консултантска ИТ компания с над 800 служителя в световен мащаб, специализирана в предоставянето на услуги и решения от най-висок клас в областта на Информационния Мениджмънт, в това число Анализ на Бизнес Информация (Business Intelligence), Интегриране на данни (Data Integration, ETL), Управление Kачеството на Данните (Data Quality and Quality Assurance), Складиране на данни (Data Warehousing) и Управление на Ключови Бизнес Данни (Master Data Management). Предлаганите от компанията професионални услуги и решения съдействат за оптимизиране на бизнес процесите и разходите на международни клиенти в условия на постоянна конкуренция.

Компанията развива дейността си в много страни от Европа и Северна Америка - Канада /Торонто/; САЩ /Ню Йорк/; Чехия /Прага/; България /София и Варна/; Словакия /Братислава/; Русия /Москва/; Германия /Франкфурт и Волфсбург/; Англия /Лондон/. Едни от най-големите ни клиенти са концентрирани във финансовата индустрия, сферата на телекомуникациите, автомобилния сектор както и в сектори като търговия и здравеопазване. Сред дългогодишните клиенти на Адастра са водещи компании като RaiffeisenBank, VolksWagen, Bank of Montreal, Vivacom, BNP Paribas Personal Finance.

Адастра Груп оперира на българския пазар чрез офисите си в София и Варна, където над 115 консултанта работят с най-новите технологии на пазара. Един от основните приоритети на компанията е да инвестира в повишаването на квалификацията на служителите си и тяхното професионално израстване като най-важен ресурс в управлението на бизнеса. Първата стъпка от тази инвестиция започва от студентската скамейка.

Участието на Адастра като спонсор на Националното състезание QUERYADA e част от нашата заявка отговорно и последователно да подкрепяме образователни инициативи, които подпомагат младите хора в България в тяхното професионално ориентиране и изграждане на добри основи от знания и умения, и които увеличават добавената стойност на образованието в България. В дългосрочен план тези инициативи работят и в полза на компании като Адастра, като остойностяват и опосредстват нашите усилия на пазара на труда и желанието ни да присъединяваме към екипите си подготвени, амбициозни и целеустремени колеги.

Ако искате да се присъедините към нашия екип, пишете ни на jobsbg@adastragrp.com, посетете www.adastragrp.bg или ни потърсете в LinkedIn, Facebook, Twitter.

Прочети повече
08.10.2015

Иван Павлов – Старши консултант и Проектен мениджър в Адастра България, с над 10 г. опит в управлението на разнообразни екипи, международни и локални проекти във финансовата индустрия, телекомуникациите, сферата на услугите и автомобилния сектор. Иван е основоположник на първия по рода си курс по Информационен Мениджмънт във Варна, има публикувани няколко статии в специализирани научни издания и е член на Асоциацията по компютърна техника (http://www.acm.org/ ).

Основен фокус на професионалната му реализация е разработката на бази данни, анализ и създаване на архитектурни решения, интегриране на данни и анализ на бизнес процеси за управление на големи масиви от данни. Иван е възпитаник на Университетът в Кливланд (Case Western Reserve University in Cleveland), специалност „Бизнес администрация” с професионално направление „Информационни технологии и Финанси”.

 

Какво представлява извличането на данни и защо е толкова важно днес?

Информационният мениджмънт е набор от организационни процеси и системи, свързани с придобиване, създаване, разпространяване и използване на информация. Той може да се разглежда като непрекъснат цикъл от няколко тясно свързани дейности:

•     идентификация на информационните нужди

•     придобиване и създаване на информация

•     анализ и интерпретация на информацията

•     съхранение на информацията

•     управление на достъпа и разпространение на информацията

•     използване на информацията

В основата на Информационния Мениджмънт като организационна дисциплина лежи идеята, че както всяка организация системно и целенасочено управлява своите материални, финансови и човешки ресурси, така трябва да се управляват и информационните ресурси и процеси.

Например, Адастра е международна компания, специализирана в предоставянето на услуги и решения от най-висок клас в областта на Информационния Мениджмънт. Една от основните цели на компанията е свързана с оптимизиране на бизнес процeсите и информационните нужди на нашите международни клиенти, където управлението на големи масиви от данни и в частност – съхранение, извличане, пренос, обработка и анализ на данните - заема ключово място за осигуряване на високо качество на услугите.

Стратегическото управление на информацията носи четири основни ползи: намалява разходите, редуцира риска, добавя стойност към съществуващи продукти и услуги или създава нови такива.

 

Как виждате бъдещето в тази област?

Бъдещето на Информационния Мениджмънт е свързано с тенденциите за бързо разрастване на обема информация, релевантна за една организация и необходимостта от оптимизиране на методите за все по-бързи и качествени анализи на тази информация. Необходимо е преосмисляне на старите процеси, така че те да могат да гарантират както качеството на информацията, така и качеството на анализите и решенията, базирани на тази информация. От друга страна, натискът за съкращаване на разходите ще продължава да нараства, което се превръща в императив за търсене на иновативни, но и ценово приемливи решения на сложни бизнес проблеми.

Най-важните тенденции в краткосрочен план ще бъдат свързани с постоянно растящия интерес към сложни системи за анализ на данните и прогнозиране (Analytics), Internet of Things, и използването на облачни системи (cloud computing).

 

Как е ситуиран бизнесът в България спрямо извличането на данни?

Ситуирането на бизнеса и по-конкретно - компаниите на българския пазар, опериращи в сферата на базите данни, може да бъде погледнато от няколко гледни точки – географска и икономическа. На първо място, компаниите, чиито бизнес модел е свързан с управлението на бази данни, са част от ИТ индустрията като цяло, която заема челно място на пазара на труда от гледна точка на размер на брутен вътрешен продукт на страната, размера на направените локални и международни инвестиции, както и по размер на изплатени възнаграждения. Едно от основните предизвикателства е свързано с ефективното управление на големи обеми от данни в сферите на здравеопазването, телекомуникационни услуги, финансова индустрия, обществени услуги, селско стопанство и др. Географски погледнато, компаниите, опериращи в сферата на базите данни са предимно съсредоточени в София, тъй като по-големите корпоративни клиенти са концентрирани в столицата. Напоследък обаче бизнесът се развива и в други големи областни градове като Варна, Бургас, Пловдив, Велико Търново, Русе. Това са локации, характеризиращи се с наличие на реномирани учебни заведения, от които излизат висококвалифицирани специалисти, добра инфраструктура, мобилност и не на последно място - по-ниски наеми на офисни помещения и по-ниски разходи за възнаграждения. Разрастването на този бизнес в тези градове е предизвикано и от наличието на големи производствени предприятия, които налагат максимално ефективно предоставяне на услугата „на място” при клиента. Концентрацията на бизнес процесите остава в столицата, въпреки негативните тенденции на ИТ пазара, свързани с разрастване на конкуренцията и повишаване на разходите. Адастра е една от големите компании в сферата на базите данни, която оперира на българския пазар чрез офисите си в София и Варна именно поради наличието на потенциал за развитие както от бизнес гледна точка, така и откъм предоставяне на възможност за развитие на младите таланти.

 

Каква е ситуацията в чужбина?

Ситуацията в чужбина е аналогична. Необходимостите на бизнеса се предопределят от инвеститорите, т.е. крайният клиент. В България по-голяма част от инвеститорите са корпоративни клиенти на глобално ниво, които имат представителства в страната. В чужбина обаче има по-голяма концентрация на локални клиенти, т.е. големите производители и движещи сили на икономиката са на локално ниво. Въпреки това обаче от недостиг на кадри страда както България, така и чужбина. Напоследък дори се и обсъжда възможността за привличане на кадри от страни като Индия, Виетнам, Китай, от гледна точка на оптимизиране на разходите и запълване на несъответствието „търсене-предлагане”. Като цяло в Европа бизнесът, свързан с управлението на бази данни, има по-бавен ръст в сравнение със САЩ, например. В САЩ инвестициите, свързани със системи за управление на големи масиви от данни са едни от най-големите в световен мащаб. Германия пък е на първо място в Европа и трети по големина пазар в ИТ бизнеса. Китай и Япония също заемат значително място в тази насока. В Румъния специалистите, заети в този бизнес, са освободени от данък върху доходите. Компании като Oracle, SAP, Microsoft, Teradata, са едни от най-големите работодатели в чужбина, занимаващи се с бази данни – създават глобални решения в тази насока и значителна клиентска база именно заради икономическите и производствени необходимости в конкретните страни. България обаче продължава да расте конкретно в бизнеса с бази данни, а агресивната конкуренция от своя страна би насърчила още повече сътрудничеството „бизнес-образование” при осъществяването на подобни инициативи като настоящата.

 

С какви професии е свързано търсенето на специалисти в областта на  извличането на данни?

Търсенето на специалисти в областта е свързано с различни професии. Още в процеса на сътрудничество с университетите, бизнесът таргетира кадри с професионални направления като „Информатик”, „Математик”, „Софтуерен инженер”, „Компютърен инженер”, специалисти в областта на информационните системи. В компания като нашата, например, този тип експерти имат възможността да изпълняват разнообразни и интересни роли в зависимост от спецификата и заявките по различни проекти. Търсят се служители за работа като QA (Quality Аssurance) специалисти, ETL (Extract, Transform, Load) разработчици, BI (Business Intelligence), DQ (Data Quality) консултанти, Data Scientists (статистически и математически модели).

Други професии в областта, които се търсят най-много, има недостиг на кадри и са най-перспективни са Technical Business Analyst - Бизнес анализатори, които притежават освен технически профил (знания и умения за интегриране на данни, анализ на данни, складове от данни, софтуерна разработка), така и консултантски умения и Data Architect & Pre-sales Consultant, който е отговорен за създаване на цялостната архитектура на едно решение, за това как трябва да се транслира логическия дизайн в една или повече физически бази данни, как потокът от данни да премине успешно през всички фази на проекта, миграция на данни и не на последно място – комуникация със заинтересовани страни. Това са т.нар. мулти-профилирани служители в ИТ сферата, които съчетават владеене на техническа експертиза, заедно с консултантски профил (меки умения, умения за водене на преговори и продажби), т.е. способността на служителя да изпълнява повече от една роля и то нетехническа.

При такова многообразие от експерти компаниите, които се занимават с информационен мениджмънт имат възможност да предоставят висококачествени решения на своите клиенти. Те, от своя страна, ще могат по-бързо и лесно да извличат информацията, която им е необходима, за да е успешен бизнесът им.

 

Защо решихте да подкрепите провеждането на националното състезание по извличане на данни QUERYADA 2015?

Подкрепяме и вярваме в идеята, че младите, изявени студенти трябва да имат допълнителни полета, за да покажат таланта си и смятаме, че състезания като QUERYADA са добър трамплин, който да им даде старт в професионалното им развитие. В днешно време има нужда повече компании да подкрепят инициативи от този тип, да се изграждат силни връзки между университети и бизнес, за да повярват младите хора, че има възможности за развитие в България.

 

Прочети повече
05.10.2015

Алтскейл предлага инфраструктура като услуга (IaaS) основана на последните постижения в облачната архитектура, използвайки иновативни хардуерни решения, мрежа, сигурност и виртуализация. Основната цел на Алтскейл е надеждността. Техният облак е изграден върху независими дейта центрове разположени на 500 km един от друг с независими Интернет свързаност и електро захранване, което увеличава не само качеството, но и надеждността на предоставяните услугите.

 

Екипът на Алтскейл комбинира професионализма с богат опит в областта на облачните технолигии, системите за съхранение, мрежите, системното администриране и доставянето на желаните услуги от клиентите и бизнеса.

           

Алтскейл предлага различни облачни услуги на най-агресивните цени на пазара. Приоритетните направления, освен продоставяне на облачна инфраструктура като услуга, са развитие и подръжка на частни и хибридни облачни инфраструктури за клиенти.

В допълнение Алтскейл предлага обучение на 3 нива за заинтересованите от облачна инфраструктура (cloudschool.bg).

Най-новите решения на компанията са насочени към малкия и среден бизнес и предоставят виртуални споделени сървъри за споделяне и съхранение на данни използвайки защитени интернет тунели (VPNdrive.com).

Компанията има изградени редица собствени приложения за оптимизиране на  работата на клиетите като автоматично мигриране от една облак в друг, пълна  система за отчитане потреблението на всеки един ресурс в облака, статистическа система и други. Алтскейл разчита на иновационни хардуерни и софтуерни технологии в разработката на облака.

 

AltScale е официален партньор на националното състезание по извличане на данни QUERYADA, 2015.

 

Информация за предоставяните услуги, може да намерите на интернет страница на компанията, на адрес: https://www.altscale.com/bg/home

Прочети повече
04.10.2015

Класиране

Име Фамилия Точки
1 Милен Желязков 31
2 Вилиян Иванов 29
3 Десислава Славова 25
4 Димитър Митов 17
5 Александър Петев 16
6 Даниел Хаджиев 15
7 Мартин Николов 15
8 Таня Машева 14
9 Аделина Тодорова 10
10 Георги Георгиев 10
11 Васил Статев 10
12 Павел Грънчаров 10
13 Страхил Горанов 7
14 Преслав Каратанев 5
15 Марияна Дейкова 4

За всички, които не са могли да участват в първи кръг на Queryada, ще дадем възможност да участват на 10.10.2015 г.



 


Класиране 10.10.2015 г.

 

Класиране

П. име Име Фамилия Точки
mitoff Димитър Митов 41
kaLoyan Калоян Медникаров 39
veli4ko91 Величко Вълков 34
alex4o Александър Бонин 26
Mysteryosly Радослав Цвятков 25
ganchev Даниел Хаджиев 22
danailvidev Данаил Видев 22
lpirsafov Любослав Пирсафов 19
npaunov Николай Паунов 7
mariq_5151 Мария Станчева 6
npu3paka Алтимир Антонов 4

 

Прочети повече
04.10.2015

Всички участници, ще получат на email предварително диаграма на базата от данни няколко часа преди състезанието, за да могат да се запознаят с базата от данни, по която ще правят тест.

Първи кръг започва точно в 13:00!

Прочети повече
2015-09-28

Всички, които не са могли да се регистрират, имат все още възможност да го направят!

Прочети повече
2015-09-21
Регистрацията за ментори и участници се удължава до 25 септември включително!
Прочети повече
2015-09-10
Сайта е официално отворен!
Прочети повече
П. име Име Фамилия Учебно заведение Точки Общо време за изпълнение на заявките
1 veli4ko91 Величко Вълков Софийски университет "Св. Климент Охридски" - София 140.5 0.0022000 секунди
2 MilenZ Милен Желязков Варненски свободен университет "Черноризец Храбър" - Варна 78.2 0.0046000 секунди
3 flextry Мартин Николов Пловдивски университет "Паисий Хилендарски" - Пловдив 77 0.0047000 секунди
4 DesislavaSlavova Десислава Славова Математическа гимназия "Д-р Петър Берон" - Варна 40 0.0026000 секунди
5 murder.temptation Таня Машева Средно общообразователно училище "Нешо Бончев" - Панагюрище 16 0.0009000 секунди
П. име Име Фамилия Учебно заведение
1 test Тестов Акаунт Варненски свободен университет "Черноризец Храбър" - Варна
2 kinir2 Стоян Гечков Образцова математическа гимназия "Академик Кирил Попов" - Пловдив
3 MilenZ Милен Желязков Варненски свободен университет "Черноризец Храбър" - Варна
4 Mysteryosly Радослав Цвятков Университет по библиотекознание и информационни технологии - София
5 Nina_19 Нина Арбалиева Средно общообразователно училище "Нешо Бончев" - Панагюрище
6 murder.temptation Таня Машева Средно общообразователно училище "Нешо Бончев" - Панагюрище
7 D.G. Деница Ганина Средно общообразователно училище "Нешо Бончев" - Панагюрище
8 Day.g Деница Ганина Средно общообразователно училище "Нешо Бончев" - Панагюрище
9 ivalina ивалина иванова Национален военен университет "Васил Левски" - Велико Търново
10 mariyanadeykova Марияна Дейкова Средно общообразователно училище "Нешо Бончев" - Панагюрище
11 geodimi Георги Димитров Университет по библиотекознание и информационни технологии - София
12 cecos Цветелин Сираков Средно общообразователно училище "Нешо Бончев" - Панагюрище
13 trpakov Тодор Пъков Средно общообразователно училище "Нешо Бончев" - Панагюрище
14 flextry Мартин Николов Пловдивски университет "Паисий Хилендарски" - Пловдив
15 iatanasov Иван Атанасов Университет по библиотекознание и информационни технологии - София
16 Niksanina Николай Димитров Варненски свободен университет "Черноризец Храбър" - Варна
17 iostudio Олег Микрюков Варненски свободен университет "Черноризец Храбър" - Варна
18 FreesSstyleR Владимир Мирчев Варненски свободен университет "Черноризец Храбър" - Варна
19 danieladelieva Даниела Делиева Варненски свободен университет "Черноризец Храбър" - Варна
20 cowwando Антоан Попов Варненски свободен университет "Черноризец Храбър" - Варна
21 Momchil Момчил Василев Варненски свободен университет "Черноризец Храбър" - Варна
22 alex4o Александър Бонин Математическа гимназия "Д-р Петър Берон" - Варна
23 mitoff Димитър Митов Висше военноморско училище "Никола Йонков Вапцаров" - Варна
24 vasilen227 Василен Цветков Математическа гимназия "Д-р Петър Берон" - Варна
25 strahil_goranov Страхил Горанов Природо-математическа гимназия "Академик Иван Ценов" - Враца
26 Zorko Вилиян Иванов Природо-математическа гимназия "Академик Иван Ценов" - Враца
27 DesislavaSlavova Десислава Славова Математическа гимназия "Д-р Петър Берон" - Варна
28 anonimen31 Александър Петев Математическа гимназия "Д-р Петър Берон" - Варна
29 dvdty Павел Грънчаров Математическа гимназия "Д-р Петър Берон" - Варна
30 adito99 Аделина Тодорова Природо-математическа гимназия "Академик Иван Ценов" - Враца
31 Teya Доротея Иванова Варненски свободен университет "Черноризец Храбър" - Варна
32 smel Васил Статев Математическа гимназия "Д-р Петър Берон" - Варна
33 preso19 Преслав Каратанев Математическа гимназия "Д-р Петър Берон" - Варна
34 ganchev Даниел Хаджиев Варненски свободен университет "Черноризец Храбър" - Варна
35 gg3orgiev Георги Георгиев Варненски свободен университет "Черноризец Храбър" - Варна
36 ggeorgiev Георги Георгиев Варненски свободен университет "Черноризец Храбър" - Варна
37 drobe Добри Кирков Варненски свободен университет "Черноризец Храбър" - Варна
38 tsvetelina Цветелина Костова-Кънова Варненски свободен университет "Черноризец Храбър" - Варна
39 kaLoyan Калоян Медникаров Икономически университет - Варна
40 veli4ko91 Величко Вълков Софийски университет "Св. Климент Охридски" - София
41 danailvidev Данаил Видев Икономически университет - Варна
42 npaunov Николай Паунов Варненски свободен университет "Черноризец Храбър" - Варна
43 npu3paka Алтимир Антонов Варненски свободен университет "Черноризец Храбър" - Варна
44 lpirsafov Любослав Пирсафов Варненски свободен университет "Черноризец Храбър" - Варна
45 mariq_5151 Мария Станчева 128 СРЕДНО ОБЩООБРАЗОВАТЕЛНО УЧИЛИЩЕ "АЛБЕРТ АЙНЩАЙН" - София
46 Gripping Галина Иванова Варненски свободен университет "Черноризец Храбър" - Варна
47 mimitheone Милена Георгиева Бургаски свободен университет - Бургас

Вход в системата

user
pass
Забравена парола?

Предстоящо

23.10.2016
Трети кръг - 09:00
22.10.2016
Втори кръг - 09:00
15.10.2016
Първи онлайн кръг
05.10.2016
Регистрация на състезатели
01.09.2016
Регистрация на партньори

Медиите за Queryada












Партньори