Big Data обучение в България

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти в областта на данните на напреднало ниво, които желаят да оптимизират работните потоци за обработка на данни, да гарантират целостта на данните и да внедрят стабилни решения за съхранение на данни, които могат да се справят със сложността на съвременните големи приложения за данни. До края на това обучение участниците ще могат:

• Получете задълбочено разбиране на архитектурата на Iceberg, включително управление на метаданни и оформление на файлове.
• Конфигурирайте Iceberg за оптимална производителност в различни среди и го интегрирайте с множество машини за обработка на данни.
• Управлявайте широкомащабни таблици Iceberg, извършвайте сложни промени в схемата и управлявайте еволюцията на дялове.
• Овладейте техники за оптимизиране на производителността на заявките и ефективността на сканиране на данни за големи набори от данни.
• Внедрете механизми за осигуряване на съгласуваност на данните, управление на транзакционни гаранции и справяне с повреди в разпределени среди.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към начинаещи професионалисти в областта на данните, които желаят да придобият знанията и уменията, необходими за ефективно използване на Apache Iceberg за управление на мащабни набори от данни, гарантиране на целостта на данните и оптимизиране на работните процеси за обработка на данни. До края на това обучение участниците ще могат:

• Получете задълбочено разбиране на архитектурата, функциите и предимствата на Apache Iceberg.
• Научете за форматите на таблици, разделянето, еволюцията на схемата и възможностите за пътуване във времето.
• Инсталирайте и конфигурирайте Apache Iceberg в различни среди.
• Създавайте, управлявайте и манипулирайте таблици Iceberg.
• Разберете процеса на мигриране на данни от други таблични формати към Iceberg.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към ИТ професионалисти на средно ниво, които желаят да подобрят уменията си в архитектурата на данни, управлението, облачните изчисления и технологиите за големи данни, за да управляват и анализират ефективно големи масиви от данни за миграция на данни в техните организации. До края на това обучение участниците ще могат:

• Разберете основните концепции и компоненти на различни архитектури на данни.
• Получете цялостно разбиране на принципите за управление на данните и тяхното значение в регулаторната среда.
• Внедряване и управление на рамки за управление на данни като Dama и Togaf.
• Използвайте облачни платформи за ефективно съхранение, обработка и управление на данни.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери по данни на средно ниво, които искат да се научат как да използват Azure Data Lake Storage Gen2 за ефективни решения за анализ на данни. До края на това обучение участниците ще могат:

• Разберете архитектурата и ключовите характеристики на Azure Data Lake Storage Gen2.
• Оптимизирайте съхранението на данни и достъпа за цена и производителност.
• Интегрирайте Azure Data Lake Storage Gen2 с други Azure услуги за анализ и обработка на данни.
• Разработване на решения с помощта на Azure Data Lake Storage Gen2 API.
• Отстранете често срещани проблеми и оптимизирайте стратегиите за съхранение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към ИТ специалисти на средно ниво, които желаят да имат цялостно разбиране на IBM DataStage както от административна, така и от гледна точка на разработка, което им позволява да управляват и използват това инструмент ефективно на съответните им работни места. До края на това обучение участниците ще могат:

• Разберете основните концепции на DataStage.
• Научете как ефективно да инсталирате, конфигурирате и управлявате DataStage среди.
• Свържете се с различни източници на данни и извличайте данни ефективно от бази данни, плоски файлове и външни източници.
• Приложете ефективни техники за зареждане на данни.

В това водено от инструктор обучение на живо в България участниците ще се научат как да използват Python и Spark заедно, за да анализират големи данни, докато работят върху практически упражнения. До края на това обучение участниците ще могат:

• Научете как да използвате Spark с Python за анализ на Big Data.
• Работете върху упражнения, които имитират случаи от реалния свят.
• Използвайте различни инструменти и техники за анализ на големи данни, използвайки PySpark.

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

This instructor-led, live training in България (online or onsite) is aimed at intermediate-level database administrators, developers, and analysts who wish to master advanced SQL functionalities for complex data operations and database management.By the end of this training, participants will be able to:

• Perform advanced querying techniques using unions, subqueries, and complex joins.
• Add, update, and delete data, tables, views, and indexes with precision.
• Ensure data integrity through transactions and manipulate database structures.
• Create and manage databases efficiently for robust data storage and retrieval.

Откриването на знания в бази данни (KDD) е процес на откриване на полезни знания от събиране на данни. Реалните приложения за тази техника на извличане на данни включват маркетинг, откриване на измами, телекомуникации и производство. В този курс, ръководен от инструктори, ние въвеждаме процесите, участващи в KDD и провеждаме серия от упражнения, за да практикуваме прилагането на тези процеси. публиката

• Аналитиците на данни или всеки, който се интересува от изучаването на интерпретацията на данните за решаване на проблеми

Формат на курса

• След теоретична дискусия на KDD, инструкторът ще представи реални случаи, които изискват прилагането на KDD за решаване на проблем. Участниците ще подготвят, избират и почистват набор от данни за проби и ще използват своите предишни познания за данните, за да предложат решения въз основа на резултатите от техните наблюдения.

Apache Kylin е екстремен, разпределен аналитичен двигател за големи данни. В това обучение, ръководено от инструктори, участниците ще научат как да използват Apache Kylin за създаване на съхранение на данни в реално време. В края на обучението участниците ще могат да:

• Консумиране на данни в реално време с помощта на Kylin
• Използвайте мощни функции Apache Kylin's,богат SQL интерфейс, спарк кубиране и вторична латентност за запитване

Забележка

• Ние използваме най-новата версия на Кайлин (по този текст, Apache Kylin v2.0)

публиката

• Big Data инженери
• [ 0 ] Аналитиците

Формат на курса

• Частна лекция, частна дискусия, упражнения и тежка практика

Dremio е платформа за данни с отворен код, която ускорява търсенето на различни видове източници на данни. Dremio интегрира с относителни бази данни, Apache Hadoop, MongoDB, Amazon S3, ElasticSearch, и други източници на данни. Той поддържа SQL и осигурява уеб УИ за строителни запитвания. В това обучение, ръководено от инструктори, участниците ще научат как да инсталирате, конфигурирате и използвате Dremio като унифициращ слой за инструменти за анализ на данни и основните данни. В края на обучението участниците ще могат да:

• Инсталиране и конфигуриране Dremio
• Извършване на запитвания срещу множество източници на данни, независимо от местоположението, размера или структурата
• Интегрирайте Dremio с BI и източници на данни като Tableau и Elasticsearch

публиката

• Данни учени
• Business Аналитиците
• Данни инженери

Формат на курса

• Частна лекция, частна дискусия, упражнения и тежка практика

Забележки

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

Apache Arrow е рамка за обработка на данни в паметта с отворен код. Често се използва заедно с други инструменти за наука за данни за достъп до различни хранилища на данни за анализ. Той се интегрира добре с други технологии като GPU бази данни, библиотеки и инструменти за машинно обучение, двигатели за изпълнение и рамки за визуализация на данни.В това обучение на живо, водено от инструктор на място, участниците ще научат как да интегрират Apache Arrow с различни Data Science рамки за достъп до данни от различни източници на данни.До края на това обучение участниците ще могат:

Инсталирайте и конфигурирайте Apache Arrow в разпределена клъстерна среда Използвайте Apache Arrow за достъп до данни от различни източници на данни Използвайте Apache Arrow, за да заобиколите необходимостта от изграждане и поддържане на сложни ETL конвейери Анализирайте данни в различни източници на данни, без да се налага да ги консолидирате в централизирано хранилище

Публика

Учени по данни Инженери 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.

За да изпълнят съответствието на регулаторите, CSP (Communication доставчици на услуги) могат да се докоснат до Big Data Analytics, което не само им помага да изпълнят съответствието, но в рамките на същия проект могат да увеличат удовлетвореността на клиентите и по този начин да намалят оттока. Всъщност, тъй като съответствието е свързано с качеството на услугата, свързано с договор, всяка инициатива за постигане на съответствие ще подобри „конкурентното предимство“ на CSP. Поради това е важно регулаторите да могат да съветват/насочват набор от аналитични практики за големи данни за ДУУ, които ще бъдат от взаимна полза за регулаторите и ДУУ.Курсът се състои от 8 модула (4 на ден 1 и 4 на ден 2)

Напредъкът в технологиите и нарастващото количество информация променят начина, по който се води бизнес в много отрасли, включително правителството. Goгенерирането на правителствени данни и темповете на цифрово архивиране се увеличават поради бързия растеж на мобилните устройства и приложения, интелигентните сензори и устройства, решенията за изчисления в облак и порталите, ориентирани към гражданите. Тъй като цифровата информация се разширява и става по-сложна, управлението на информацията, обработката, съхранението, сигурността и разположението също стават по-сложни. Нови инструменти за улавяне, търсене, откриване и анализ помагат на организациите да получат представа от своите неструктурирани данни. Държавният пазар е в повратна точка, осъзнавайки, че информацията е стратегически актив и правителството трябва да защитава, използва и анализира както структурирана, така и неструктурирана информация, за да служи по-добре и да отговаря на изискванията на мисията. Докато правителствените лидери се стремят да развият управлявани от данни организации, за да изпълнят успешно мисията, те полагат основите за корелиране на зависимости между събития, хора, процеси и информация.Държавни решения с висока стойност ще бъдат създадени от комбинация от най-разрушителните технологии:

Мобилни устройства и приложения Облачни услуги Социални бизнес технологии и мрежи Big Data и анализи

IDC прогнозира, че до 2020 г. ИТ индустрията ще достигне 5 трилиона долара, приблизително с 1,7 трилиона долара повече от днес, и че 80% от растежа на индустрията ще бъде движен от тези 3-ти платформени технологии. В дългосрочен план тези технологии ще бъдат ключови инструменти за справяне със сложността на увеличената цифрова информация. Big Data е едно от интелигентните индустриални решения и позволява на правителството да взема по-добри решения, като предприема действия въз основа на модели, разкрити чрез анализиране на големи обеми данни — свързани и несвързани, структурирани и неструктурирани.Но постигането на тези подвизи отнема много повече от просто натрупване на огромни количества данни. „Осъзнаването на тези обеми от Big Data изисква авангардни инструменти и технологии, които могат да анализират и извличат полезни знания от огромни и разнообразни потоци от информация,“ Том Калил и Fen Zhao от Службата за научна и технологична политика на Белия дом пише в публикация в блога OSTP.Белият дом предприе крачка към подпомагане на агенциите да намерят тези технологии, когато създаде Националната Big Data инициатива за изследване и развитие през 2012 г. Инициативата включва повече от 200 милиона долара, за да се възползва максимално от експлозията на Big Data и инструментите, необходими за анализирайте го.Предизвикателствата, които поставя Big Data, са почти толкова обезсърчителни, колкото обещанието му е окуражаващо. Ефективното съхраняване на данни е едно от тези предизвикателства. Както винаги, бюджетите са ограничени, така че агенциите трябва да минимизират цената на мегабайт за съхранение и да поддържат данните в лесен достъп, така че потребителите да могат да ги получат, когато искат и както им трябва. Архивирането на огромни количества данни увеличава предизвикателството.Ефективното анализиране на данните е друго голямо предизвикателство. Много агенции използват търговски инструменти, които им позволяват да пресяват планините от данни, забелязвайки тенденции, които могат да им помогнат да работят по-ефективно. (Неотдавнашно проучване на MeriTalk установи, че федералните ИТ ръководители смятат, че Big Data може да помогне на агенциите да спестят повече от $500 милиарда, като същевременно изпълняват целите на мисията.).Специално разработените Big Data инструменти също позволяват на агенциите да се справят с необходимостта да анализират своите данни. Например Групата за анализ на изчислителни данни на Националната лаборатория в Оук Ридж предостави своята система за анализ на данни Piranha достъпна за други агенции. Системата е помогнала на медицински изследователи да намерят връзка, която може да предупреди лекарите за аортни аневризми, преди те да ударят. Използва се и за по-обикновени задачи, като например пресяване на автобиографии за свързване на кандидати за работа с мениджъри по наемане на работа.

Тази обучителна сесия, базирана в класна стая, ще изследва Big Data. Делегатите ще разполагат с компютърно базирани примери и казуси, които да изпълнят със съответните инструменти за големи данни

Ден 1 - предоставя преглед на високо ниво на основни Big Data тематични области. Модулът е разделен на поредица от секции, всяка от които е придружена от практическо упражнение.Ден 2 - изследва набор от теми, които се отнасят до практики за анализ и инструменти за Big Data среди. Той не навлиза в подробности за изпълнението или програмирането, а вместо това запазва покритието на концептуално ниво, като се фокусира върху теми, които позволяват на участниците да развият цялостно разбиране на общите функции за анализ и функции, предлагани от Big Data решения.Ден 3 - предоставя преглед на основните и съществени тематични области, свързани с Big Data архитектурата на платформата за решения. Той обхваща Big Data механизми, необходими за разработването на Big Data платформа за решение и архитектурни опции за сглобяване на платформа за обработка на данни. Представени са също общи сценарии, за да се осигури основно разбиране за това как обикновено се използва Big Data платформа за решение.Ден 4 - надгражда Ден 3 чрез изследване на напреднали теми, свързани с Big Data архитектурата на платформата за решения. По-специално се представят и обсъждат различни архитектурни слоеве, които изграждат платформата за решение Big Data, включително източници на данни, вход на данни, съхранение на данни, обработка на данни и сигурност.Ден 5 - обхваща редица упражнения и проблеми, предназначени да тестват способността на делегатите да прилагат знания по темите, обхванати от Ден 3 и 4.

Напредъкът в технологиите и нарастващото количество информация променят начина, по който се провежда правоприлагането. Предизвикателствата, които поставя Big Data, са почти толкова плашещи, колкото обещанието на Big Data. Ефективното съхраняване на данни е едно от тези предизвикателства; ефективното му анализиране е друго.В това обучение на живо, ръководено от инструктор, участниците ще научат нагласата, с която да подходят към Big Data технологиите, да оценят тяхното въздействие върху съществуващите процеси и политики и да внедрят тези технологии с цел идентифициране на престъпна дейност и предотвратяване на престъпления. Ще бъдат разгледани казуси от правоприлагащи организации по целия свят, за да се получи представа за техните подходи за осиновяване, предизвикателства и резултати.До края на това обучение участниците ще могат:

Комбинирайте Big Data технология с традиционни процеси за събиране на данни, за да сглобите една история по време на разследване Внедрете индустриални решения за съхранение и обработка на големи данни за анализ на данни Подгответе предложение за приемане на най-адекватните инструменти и процеси за разрешаване на подход, управляван от данни криминално разследване

Публика

Специалисти по правоприлагане с технически опит

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Big Data е термин, който се отнася до решения, предназначени за съхранение и обработка на големи набори от данни. Първоначално разработени от Google, тези решения за големи данни се развиха и вдъхновиха други подобни проекти, много от които са достъпни като отворен код. R е популярен език за програмиране във финансовата индустрия.

Когато традиционните технологии за съхранение не се справят с количеството данни, които трябва да съхранявате, има стотици алтернативи. Този курс се опитва да насочи участниците какви са алтернативите за съхранение и анализ Big Data и какви са техните плюсове и минуси.Този курс е съсредоточен най-вече върху дискусия и представяне на решения, въпреки че практическите упражнения са достъпни при поискване.

Курсът е част от набора от умения за Data Scientist (Домейн: Данни и технологии).

ПубликаАко се опитвате да разберете смисъла на данните, до които имате достъп, или искате да анализирате неструктурирани данни, налични в мрежата (като Twitter, Linked in и т.н.), този курс е за вас.Той е насочен най-вече към вземащите решения и хората, които трябва да изберат кои данни си струва да се събират и кои да се анализират.Не е насочен към хората, които конфигурират решението, но тези хора ще се възползват от общата картина.Режим на доставкаПо време на курса на делегатите ще бъдат представени работещи примери за предимно технологии с отворен код.Кратки лекции ще бъдат последвани от презентации и прости упражнения от участницитеИзползвано съдържание и софтуерЦелият използван софтуер се актуализира при всяко провеждане на курса, така че проверяваме възможно най-новите версии.Той обхваща процеса от получаване, форматиране, обработка и анализ на данните, за да обясни как да автоматизирате процеса на вземане на решения с машинно обучение.

Големите данни са набори от данни, които са толкова обемни и сложни, че традиционният приложен софтуер за обработка на данни е неадекватен да се справи с тях. Предизвикателствата с големи данни включват улавяне на данни, съхранение на данни, анализ на данни, търсене, споделяне, трансфер, визуализация, заявки, актуализиране и поверителност на информацията.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към технически лица, които искат да се научат как да прилагат стратегия за машинно обучение, като същевременно максимизират използването на големи данни.До края на това обучение участниците ще:

• Разберете еволюцията и тенденциите за машинно обучение.
• Научете как машинното обучение се използва в различни индустрии.
• Запознайте се с наличните инструменти, умения и услуги за внедряване на машинно обучение в организация.
• Разберете как машинното обучение може да се използва за подобряване на извличането и анализа на данни.
• Научете какво е среден бекенд за данни и как се използва от бизнеса.
• Разберете ролята, която големите данни и интелигентните приложения играят в различните индустрии.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към софтуерни инженери, които желаят да използват Sqoop и Flume за големи данни.До края на това обучение участниците ще могат:

• Поглъщайте големи данни със Sqoop и Flume.
• Поглъщане на данни от множество източници на данни.
• Преместване на данни от релационни бази данни към HDFS и Hive.
• Експортирайте данни от HDFS към релационна база данни.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към технически лица, които желаят да внедрят Talend Open Studio for Big Data, за да опростят процеса на четене и обработка на Big Data.До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Talend Open Studio за големи данни.
• Свържете се със системи за големи данни като Cloudera, HortonWorks, MapR, Amazon EMR и Apache.
• Разберете и настройте компонентите и конекторите за големи данни на Open Studio.
• Конфигурирайте параметри за автоматично генериране на MapReduce код.
• Използвайте интерфейса за плъзгане и пускане на Open Studio, за да изпълнявате задачи на Hadoop.
• Прототип на тръбопроводи за големи данни.
• Автоматизирайте проекти за интегриране на големи данни.

В това водено от инструктор обучение на живо в България участниците ще се научат как да изградят Data Vault. До края на това обучение участниците ще могат:

• Разберете концепциите за архитектурата и дизайна зад Data Vault 2.0 и взаимодействието му с Big Data, NoSQL и AI.
• Използвайте техники за съхранение на данни, за да активирате одит, проследяване и проверка на исторически данни в хранилище за данни.
• Разработете последователен и повторяем ETL (извличане, трансформиране, зареждане) процес.
• Изграждайте и внедрявайте силно мащабируеми и повтарящи се складове.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери по данни, учени по данни и програмисти, които желаят да използват Spark Streaming функции при обработка и анализ на данни в реално време. До края на това обучение участниците ще могат да използват Spark Streaming за обработка на потоци от данни на живо за използване в бази данни, файлови системи и табла за управление на живо.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да приложат Apache Kafka поточно обработване без писане на код. До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Confluent KSQL.
• Настройте тръбопровод за обработка на потоци, като използвате само SQL команди (без Java или Python кодиране).
• Извършвайте филтриране на данни, трансформации, агрегации, обединения, прозорци и сесии изцяло в SQL.
• Проектирайте и разположете интерактивни, непрекъснати заявки за поточно предаване на ETL и анализи в реално време.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които искат да научат принципите зад постоянното и чисто съхранение в паметта, докато преминават през създаването на примерен проект за изчисления в паметта. До края на това обучение участниците ще могат:

• Използвайте Ignite за постоянство в паметта, на диска, както и за чисто разпределена база данни в паметта.
• Постигнете постоянство без синхронизиране на данни обратно към релационна база данни.
• Използвайте Ignite, за да извършите SQL и разпределени съединения.
• Подобрете производителността, като преместите данните по-близо до процесора, като използвате RAM като място за съхранение.
• Разпределете набори от данни в клъстер, за да постигнете хоризонтална мащабируемост.
• Интегрирайте Ignite с RDBMS, NoSQL, Hadoop и процесори за машинно обучение.

Apache Beam е унифициран програмен модел с отворен код за дефиниране и изпълнение на паралелни канали за обработка на данни. Силата му се крие в способността му да изпълнява както партидни, така и поточни тръбопроводи, като изпълнението се извършва от един от поддържаните бек-ендове за разпределена обработка на Beam: Apache Apex, Apache Flink, Apache Spark и Google Cloud Dataflow. Apache Beam е полезен за ETL (извличане, трансформиране и зареждане) задачи като преместване на данни между различни носители за съхранение и източници на данни, трансформиране на данни в по-желан формат и зареждане на данни в нова система. В това обучение на живо, ръководено от инструктор (на място или дистанционно), участниците ще научат как да внедрят Apache Beam SDK в Java или Python приложение, което дефинира тръбопровод за обработка на данни за разлагане на голям набор от данни на по-малки парчета за независима, паралелна обработка. До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Beam.
• Използвайте един модел за програмиране, за да извършите както пакетна, така и поточна обработка от тяхното Java или Python приложение.
• Изпълнете конвейери в множество среди.

Формат на курса

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

Забележка

• Този курс ще бъде достъпен Scala в бъдеще. Моля, свържете се с нас, за да уговорим.

Apache Apex е платформа, базирана на YARN, която обединява поточна и пакетна обработка. Той обработва големи данни в движение по начин, който е мащабируем, производителен, устойчив на грешки, поддържащ състоянието, защитен, разпределен и лесен за работа. Това обучение на живо, ръководено от инструктор, въвежда унифицираната архитектура за обработка на потоци на Apache Apex и превежда участниците през създаването на разпределено приложение, използващо Apex на Hadoop. До края на това обучение участниците ще могат:

• Разберете концепциите за тръбопроводи за обработка на данни, като конектори за източници и приемници, общи трансформации на данни и др.
• Изградете, мащабирайте и оптимизирайте приложение Apex
• Обработвайте потоци от данни в реално време надеждно и с минимално забавяне
• Използвайте Apex Core и библиотеката Apex Malhar, за да позволите бързо разработване на приложения
• Използвайте Apex API, за да напишете и използвате повторно съществуващ Java код
• Интегрирайте Apex в други приложения като машина за обработка
• Настройте, тествайте и мащабирайте Apex приложения

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практическо внедряване в лабораторна среда на живо.

Опции за персонализиране на курса

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

Apache Storm е разпределена изчислителна машина в реално време, използвана за активиране на бизнес разузнаване в реално време. Той прави това, като позволява на приложенията надеждно да обработват неограничени потоци от данни (известен още като обработка на потоци). „Storm е за обработка в реално време, каквото Hadoop е за групова обработка!“ В това обучение на живо, водено от инструктор, участниците ще се научат как да инсталират и конфигурират Apache Storm, след което да разработят и внедрят Apache Storm приложение за обработка на големи данни в реално време. Някои от темите, включени в това обучение, включват:

• Apache Storm в контекста на Hadoop
• Работа с неограничени данни
• Непрекъснато изчисление
• Анализи в реално време
• Разпределена RPC и ETL обработка

Заявете този курс сега! Публика

• Разработчици на софтуер и ETL
• Мейнфрейм професионалисти
• Учени по данни
• Анализатори на големи данни
• Hadoop професионалисти

Формат на курса

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

В това водено от инструктор обучение на живо в България (на място или дистанционно), участниците ще се научат как да внедряват и управляват Apache NiFi в лабораторна среда на живо. До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apachi NiFi.
• Извличайте, трансформирайте и управлявайте данни от различни, разпределени източници на данни, включително бази данни и големи езера от данни.
• Автоматизирайте потоците от данни.
• Активиране на поточно анализиране.
• Приложете различни подходи за поглъщане на данни.
• Трансформирайте Big Data и в бизнес прозрения.

В това водено от инструктор обучение на живо в България, участниците ще научат основите на базираното на поток програмиране, докато разработват редица демонстрационни разширения, компоненти и процесори, използвайки Apache NiFi. До края на това обучение участниците ще могат:

• Разберете концепциите за архитектурата и потока от данни на NiFi.
• Разработвайте разширения с помощта на NiFi и API на трети страни.
• Персонализирано разработване на собствен процесор Apache Nifi.
• Поглъщайте и обработвайте данни в реално време от различни и необичайни файлови формати и източници на данни.

Това водено от инструктор обучение на живо в България (онлайн или на място) представя принципите и подходите зад обработката на разпределен поток и пакетна обработка на данни и превежда участниците през създаването на приложение за стрийминг на данни в реално време в Apache Flink. До края на това обучение участниците ще могат:

• Настройте среда за разработване на приложения за анализ на данни.
• Разберете как работи библиотеката за обработка на графики (Gelly) на Apache Flink.
• Пакетирайте, изпълнявайте и наблюдавайте Flink-базирани, устойчиви на грешки приложения за поточно предаване на данни.
• Управлявайте различни натоварвания.
• Извършвайте разширен анализ.
• Настройте Flink клъстер с множество възли.
• Измерете и оптимизирайте производителността.
• Интегрирайте Flink с различни Big Data системи.
• Сравнете възможностите на Flink с тези на други рамки за обработка на големи данни.

В това водено от инструктор обучение на живо в България участниците ще научат за технологичните предложения и подходите за внедряване за обработка на графични данни. Целта е да се идентифицират обекти от реалния свят, техните характеристики и взаимоотношения, след това да се моделират тези взаимоотношения и да се обработят като данни с помощта на Graph Computing (известен също като Graph Analytics) подход. Започваме с широк преглед и се ограничаваме до конкретни инструменти, докато преминаваме през поредица от казуси, практически упражнения и внедрявания на живо. До края на това обучение участниците ще могат:

• Разберете как данните от графиката се поддържат и преминават.
• Изберете най-добрата рамка за дадена задача (от бази данни с графики до рамки за пакетна обработка.)
• Приложете Hadoop, Spark, GraphX и Pregel за извършване на графични изчисления в много машини паралелно.
• Вижте реални проблеми с големи данни от гледна точка на графики, процеси и обхождания.

Този курс е предназначен за разработчици и специалисти по данни, които искат да разберат и внедрят изкуствения интелект в своите приложения. Специален фокус е върху анализа на данни, разпределения изкуствен интелект и обработката на естествен език.

MLlib е библиотеката за машинно обучение (ML) на Spark. Целта му е да направи практическото машинно обучение мащабируемо и лесно. Състои се от общи алгоритми и помощни програми за обучение, включително класификация, регресия, клъстериране, съвместно филтриране, намаляване на размерността, както и примитиви за оптимизация от по-ниско ниво и приложни програмни интерфейси за конвейер от по-високо ниво.Разделя се на два пакета:

spark.mllib съдържа оригиналния API, изграден върху RDD. spark.ml предоставя API от по-високо ниво, изграден върху DataFrames за конструиране на ML тръбопроводи.

ПубликаТози курс е насочен към инженери и разработчици, които искат да използват вградена машинна библиотека за Apache Spark

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 Big Data клъстер с помощта на Ambari
• Приложете разширените функции и функции на Ambari към различни случаи на употреба
• Безпроблемно добавяне и премахване на възли според нуждите
• Подобрете производителността на Hadoop клъстер чрез настройка и настройване

Публика

• DevOps
• Системни администратори
• DBA
• Hadoop професионалисти в тестването

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 специфични програми за улесняване на Business интелигентността на Impala SQL диалекта.
• Отстраняване на неизправности Impala.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към архитекти, разработчици и администратори, които желаят да използват Denodo платформа за оптимизиране и ускоряване на управлението на данни чрез виртуализация на данни. До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Denodo платформа.
• Разберете характеристиките и архитектурата на Denodo платформа.
• Разберете ключовите концепции, предимства и случаи на употреба за виртуализация на данни.
• Научете как да конфигурирате и управлявате Denodo сървъра на платформата.
• Внедрете защита на данните, потребителски достъп и удостоверяване на услугите.
• Приложете инструментите и техниките за наблюдение на операциите и оптимизиране на производителността.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни, които желаят да използват Apache Airflow за изграждане и управление на тръбопроводи за данни от край до край. До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Airflow.
• Създавайте, планирайте и наблюдавайте сложни канали за данни
• Управлявайте много ETL (извличане, извличане, трансформиране, зареждане).
• Мащабиране и защита Apache Airflow.

Apache Hama е рамка, базирана на изчислителния модел Bulk Synchronous Parallel (BSP) и се използва предимно за Big Data анализи. В това обучение на живо, водено от инструктор, участниците ще научат основите на Apache Hama, докато преминават през създаването на базирано на BSP приложение и програма, ориентирана към върхове, използвайки Apache Hama рамки. До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Hama
• Разберете основите на Apache Hama и програмния модел Bulk Synchronous Parallel (BSP)
• Създайте програма, базирана на BSP, като използвате Apache Hama BSP рамка
• Изградете програма, ориентирана към върхове, като използвате Apache Hama Graph Framework
• Създават, тестват и отстраняват грешки в собствените си Apache Hama приложения

Публика

• Разработчици

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.

Това обучение на живо, ръководено от инструктор, въвежда концепциите зад интерактивния анализ на данни и превежда участниците през внедряването и използването на Zeppelin в среда за един потребител или много потребители. До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Zeppelin
• Разработвайте, организирайте, изпълнявайте и споделяйте данни в базиран на браузър интерфейс
• Визуализирайте резултатите, без да се позовавате на командния ред или детайлите на клъстера
• Изпълнявайте и си сътрудничете в дълги работни процеси
• Работете с който и да е от множеството езици/бекенди за обработка на данни като Scala (с Apache Spark), Python (с Apache Spark), Spark SQL, JDBC, Markdown и Shell .
• Интегрирайте Zeppelin със Spark, Flink и Map Reduce
• Защитете многопотребителски копия на Zeppelin с Apache Shiro

Apache Accumulo е сортирано, разпределено хранилище за ключ/стойност, което осигурява стабилно, мащабируемо съхранение и извличане на данни. Базиран е на дизайна на Google's BigTable и се захранва от Apache Hadoop, Apache Zookeeper и Apache Thrift. Тези водени от инструктор курсове на живо обхващат принципите на работа зад Accumulo и превеждат участниците през разработването на примерно приложение на Apache Accumulo. Формат на курса

• Част лекция, част дискусия, практическо разработване и внедряване, случайни тестове за измерване на разбирането

Amazon Redshift е петабайтова услуга за съхранение на данни, базирана на облак в AWS.В това водено от инструктор обучение на живо участниците ще научат основите на Amazon Redshift.До края на това обучение участниците ще могат:

Инсталиране и конфигуриране Amazon Redshift Зареждане, конфигуриране, внедряване, запитване и визуализиране на данни с Amazon Redshift

Публика

Разработчици ИТ специалисти

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.

Apache Druid е разпределено хранилище за данни с отворен код, ориентирано към колони, написано на Java. Той е проектиран да поглъща бързо огромни количества данни за събития и да изпълнява OLAP заявки с ниска латентност върху тези данни. Druid обикновено се използва в приложения за бизнес разузнаване за анализиране на големи обеми данни в реално време и исторически данни. Също така е много подходящ за захранване на бързи, интерактивни, аналитични табла за управление за крайни потребители. Druid се използва от компании като Alibaba, Airbnb, Cisco, eBay, Netflix, Paypal и Yahoo.В този воден от инструктори курс на живо ние изследваме някои от ограниченията на решенията за съхранение на данни и обсъждаме как Druid може да допълни тези технологии, за да формира гъвкав и мащабируем стек за анализи на поточно предаване. Разглеждаме много примери, предлагайки на участниците шанса да внедрят и тестват базирани на Druid решения в лабораторна среда.Формат на курсаЧастична лекция, частична дискусия, тежка практическа практика, случайни тестове за измерване на разбирането

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да създадат многовъзлова база данни Greenplum.До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Pivotal Greenplum.
• Моделирайте данните в съответствие с настоящите нужди и бъдещи планове за разширяване.
• Изпълнете различни техники за разпространение на данни в множество възли.
• Подобрете производителността на базата данни чрез настройка.
• Наблюдавайте и отстранявайте неизправности в база данни на Greenplum.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към администратори, които желаят да настроят Greenplum Database решения за бизнес разузнаване и съхранение на данни.До края на това обучение участниците ще могат:

• Адресирайте нуждите от обработка с Greenplum.
• Извършване на ETL операции за обработка на данни.
• Използвайте съществуващите инфраструктури за обработка на заявки.

MemSQL е разпределена SQL система за управление на база данни в паметта за облак и локално. Това е склад за данни в реално време, който незабавно предоставя прозрения от реални и исторически данни.В това обучение на живо, водено от инструктор, участниците ще научат основните неща на MemSQL за разработка и администриране.До края на това обучение участниците ще могат:

Разберете ключовите понятия и характеристики на MemSQL Инсталирайте, проектирайте, поддържайте и работете MemSQL Оптимизирайте схеми в MemSQL Подобрете заявките в MemSQL Сравнете производителността в MemSQL Изградете приложения за данни в реално време с помощта на MemSQL

Публика

Разработчици Администратори Оперативни инженери

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика