Hadoop For Administrators Training Course

Това водено от инструктор обучение на живо в България (онлайн или на място) представя Hortonworks Data Platform (HDP) и превежда участниците през внедряването на решението Spark + Hadoop.

До края на това обучение участниците ще могат:

Използвайте Hortonworks за надеждно изпълнение на Hadoop в голям мащаб. Обединете възможностите за сигурност, управление и операции на Hadoop с гъвкавите аналитични работни процеси на Spark. Използвайте Hortonworks, за да проучите, валидирате, сертифицирате и поддържате всеки от компонентите в проект на Spark. Обработвайте различни видове данни, включително структурирани, неструктурирани, в движение и в покой.

Apache Ambari е платформа за управление с отворен код за осигуряване, управление, наблюдение и защита на Apache Hadoop клъстери.

В това водено от инструктор обучение на живо участниците ще научат инструментите и практиките за управление, предоставени от Ambari за успешно управление на Hadoop клъстери.

До края на това обучение участниците ще могат:

Настройте жив клъстер с големи данни с помощта на Ambari Приложете разширените функции и функции на Ambari към различни случаи на употреба Безпроблемно добавяйте и премахвайте възли, ако е необходимо Подобрете производителността на Hadoop клъстер чрез настройка и настройване

Публика

DevOps системни администратори DBAs Hadoop специалисти по тестване

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Cloudera Impala е машина за заявки за масивна паралелна обработка (MPP) SQL с отворен код за Apache Hadoop клъстери.

Impala позволява на потребителите да изпращат заявки с ниска латентност SQL към данни, съхранявани в Hadoop Distributed File System и Apache Hbase, без да се изисква движение или трансформация на данни.

Публика

Този курс е насочен към анализатори и специалисти по данни, извършващи анализ на данни, съхранявани в Hadoop чрез Business Intelligence или SQL инструменти.

След този курс делегатите ще могат

Извлечете значима информация от Hadoop клъстери с Impala. Напишете конкретни програми за улесняване на бизнес разузнаването на Impala SQL Dialect. Отстраняване на неизправности в Impala.

Този курс обхваща как да използвате езика Hive SQL (AKA: Hive HQL, SQL на Hive, HiveQL) за хора, които извличат данни от Hive

Публика:

Курсът е предназначен за ИТ специалисти, които търсят решение за съхранение и обработка на големи масиви от данни в разпределена системна среда

Goал:

Задълбочени познания по Hadoop администриране на клъстери.

Анализът на големи данни включва процеса на изследване на големи количества разнообразни набори от данни, за да се разкрият корелации, скрити модели и други полезни прозрения.

Здравната индустрия разполага с огромно количество сложни разнородни медицински и клинични данни. Прилагането на анализ на големи данни върху здравни данни представлява огромен потенциал за извличане на прозрения за подобряване на предоставянето на здравни грижи. Огромността на тези набори от данни обаче поставя големи предизвикателства в анализите и практическите приложения в клинична среда.

В това водено от инструктор обучение на живо (дистанционно) участниците ще се научат как да извършват анализ на големи данни в здравеопазването, докато преминават през поредица от практически лабораторни упражнения на живо.

До края на това обучение участниците ще могат:

Инсталирайте и конфигурирайте инструменти за анализ на големи данни като Hadoop MapReduce и Spark Разбирайте характеристиките на медицинските данни Прилагайте техники за големи данни за работа с медицински данни Изучавайте системи и алгоритми за големи данни в контекста на здравни приложения

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика.

Забележка

За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.

Datameer е платформа за бизнес разузнаване и анализ, изградена върху Hadoop. Той позволява на крайните потребители да имат достъп, да изследват и да съпоставят широкомащабни, структурирани, полуструктурирани и неструктурирани данни по лесен за използване начин.

В това обучение на живо, ръководено от инструктор, участниците ще се научат как да използват Datameer, за да преодолеят стръмната крива на обучение Hadoop, докато преминават през настройката и анализа на серия от големи източници на данни.

До края на това обучение участниците ще могат:

Създавайте, управлявайте и интерактивно изследвайте езеро от корпоративни данни Access складове за данни за бизнес разузнаване, транзакционни бази данни и други аналитични хранилища Използвайте потребителски интерфейс на електронна таблица, за да проектирате канали за обработка на данни от край до край Access предварително изградени функции за изследване сложни връзки с данни Използвайте съветници за плъзгане и пускане, за да визуализирате данни и да създавате табла за управление Използвайте таблици, диаграми, графики и карти, за да анализирате резултатите от заявките

Публика

Анализатори на данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Курсът е посветен на ИТ специалисти, които търсят решение за съхранение и обработка на големи масиви от данни в разпределена системна среда

Цел на курса:

Получаване на знания относно Hadoop администриране на клъстер

Apache Hadoop е най-популярната рамка за обработка на големи данни на клъстери от сървъри. Този курс ще запознае програмиста с различни компоненти (HDFS, MapReduce, Pig, Hive и HBase) Hadoop екосистема.

Apache Hadoop е една от най-популярните рамки за обработка на големи данни на клъстери от сървъри. Този курс се занимава с управление на данни в HDFS, Advanced Pig Hive и HBase. Тези усъвършенствани техники за програмиране ще бъдат от полза за опитни разработчици на Hadoop.

Аудитория: разработчици

Продължителност: три дни

Формат: лекции (50%) и практически упражнения (50%).

Hadoop е най-популярната Big Data рамка за обработка.

В това водено от инструктор обучение в България участниците ще научат основните компоненти на Hadoop екосистемата и как тези технологии могат да се използват за решаване на широкомащабни проблеми. Като научат тези основи, участниците ще подобрят способността си да комуникират с разработчиците и изпълнителите на тези системи, както и с учените и анализаторите на данни, които включват много ИТ проекти.

Публика

• Ръководители на проекти, които желаят да внедрят Hadoop в своята съществуваща разработка или ИТ инфраструктура
• Мениджъри на проекти, които трябва да комуникират с многофункционални екипи, които включват инженери за големи данни, учени по данни и бизнес анализатори

Публика:

Този курс има за цел да демистифицира технологията за големи данни/hadoop и да покаже, че не е трудна за разбиране.

Hadoop е популярна Big Data обработваща рамка. Python е високо ниво на програмиране език, известен със своята ясна синтеза и читаемост на кодове.

В този инструктор-управляван, живо обучение, участниците ще научат как да работят с Hadoop, MapReduce, Pig, и Spark използване Python като те стъпват през няколко примера и използване случаи.

В края на обучението участниците ще могат да:

• Разберете основните концепции зад Hadoop, MapReduce, Pig, и Spark
• Използвайте Python с Hadoop Distributed File System (HDFS), MapReduce, Pig и Spark
• Използвайте Snakebite за програмиран достъп до HDFS в рамките на Python
• Използвайте mrjob, за да пишете MapReduce работни места в Python
• Напишете Spark програми с Python
• Разширяване на функционалността на свинете с помощта на Python UDFs
• Управление на MapReduce работни места и свински скрипти с помощта на Luigi

публиката

• Разработчиците
• Това са професионалисти

Формат на курса

• Частна лекция, частна дискусия, упражнения и тежка практика

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към системни администратори, които желаят да научат как да настройват, разгръщат и управляват Hadoop клъстери в своята организация.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Hadoop.
• Разберете четирите основни компонента в екосистемата Hadoop: HDFS, MapReduce, YARN и Hadoop Common.
• Използвайте Hadoop Distributed File System (HDFS), за да мащабирате клъстер до стотици или хиляди възли.
• Настройте HDFS да работи като машина за съхранение за локални внедрявания на Spark.
• Настройте Spark за достъп до алтернативни решения за съхранение като Amazon S3 и NoSQL системи за бази данни като Redis, Elasticsearch, Couchbase, Aerospike и др.
• Извършване на административни задачи като осигуряване, управление, наблюдение и защита на Apache Hadoop клъстер.