Big Data обучение в София

Този курс с инструкторско ръководство, провеждан в онлайн или на място, е предназначен за данни научни специалисти и инженери на средно ниво, които искат да използват Google Colab и Apache Spark за обработка и анализ на големи данни.

До края на този курс участниците ще бъдат способни да:

• Настроят среда за големи данни с Google Colab и Spark.
• Обработват и анализират големи набори данни ефективно с Apache Spark.
• Визуализират големи данни в съвместна среда.
• Интегрират Apache Spark с инструменти базирани на облак.

Stratio е платформа, насочена към данни, която интегрира големи данни, ИИ и управление в едно решение. Нейните модули Rocket и Intelligence подпомагат бързото разглеждане на данни, трансформацията и напредналата аналитика в предприемачски среди.

Това обучение под ръководството на инструктор (онлайн или на място) е насочено към средно ниво специалисти по данни, които искат да използват модулите Rocket и Intelligence в Stratio ефективно с PySpark, като фокусират върху циклични структури, потребителски дефинирани функции (UDFs) и напреднала логика на данни.

По края на обучението участниците ще могат да:

• Навигирам и работя в платформата Stratio, използвайки модулите Rocket и Intelligence.
• Применявам PySpark за ингестинг, трансформация и анализ на данни.
• Използвам цикли и условна логика за контрол на рабочите процеси с данни и задачите по извличане на характеристики (feature engineering).
• Създавам и управлявам потребителски дефинирани функции (UDFs) за повторно използване на операции с данни в PySpark.

Формат на курса

• Интерактивно предаване и дискусия.
• Много упражнения и практика.
• Работа в реална лабораторна среда.

Опции за персонализация на курса

• За да заявите персонализирано обучение за този курс, моля свържете се с нас за организиране.

Data Warehousing е практиката за проектиране, изграждане и управление на централизирани репозитории с данни, които подкрепят анализа, докладването и преходите решения.

Това обучение, водено от инструктор (онлайн или на място), е насочено към средно ниво специалисти по данни, които желаят да моделират дименсионните данни, изграждат надежди ETL и ELT пайплайнове, и оптимизирам аналитичните задачи.

По завършване на това обучение, участниците ще могат да:

• Обясняват основните концепции и архитектурата в Data Warehousing.
• Проектират дименсионни модели и избират между звездна и снежнофлочеста схеми.
• Изграждат и координират ETL и ELT пайплайнове надеждо.
• Различават OLTP и OLAP задачи и оптимизират за анализ.

Формат на Курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практическа имплементация в реална лаборатория.

Опции за Персонализиране на Курса

• За да запитате за персонализирано обучение за този курс, моля свържете се с нас, за да организираме.

Участниците, които завършат това водено от инструктор обучение на живо в София, ще придобият практическо разбиране в реалния свят на Big Data и свързаните с него технологии, методологии и инструменти.

Участниците ще имат възможност да приложат тези знания на практика чрез практически упражнения. Груповото взаимодействие и обратната връзка с инструктора са важен компонент на класа.

Курсът започва с въведение в елементарните концепции на Big Data, след което преминава към езиците за програмиране и методологиите, използвани за изпълнение Data Analysis. И накрая, обсъждаме инструментите и инфраструктурата, които позволяват Big Data съхранение, разпределена обработка и Scalaспособност.

Greenplum е един отворен източник за масово параллелно обработване (MPP) на платформа за данни, предназначена за анализи и големи среди, работящи с данни.

Този курс с инструктор, който е онлайн или на място, е предназначен за технически потребители с среден до напреднал уровень, които искат да разберат вътрешната архитектура на Greenplum, да създават оптимизирани модели за данни и да приложат високопроизводително SQL в разпределени среди.

До края на този курс участниците ще могат да:

• Разберат архитектурата на Greenplum с разделен нищо и модела за параллелизъм.
• Проектират разпределени структури на таблици и партиции, оптимизирани за извличане на запрос.
• Използват стратегии за индексиране, формати на съхранение и физически техники за проектиране.
• Интерпретират плана EXPLAIN и оптимизират запрашите с помощта на добри практики.

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практически имплементации в живо лабораторно среди.

Опции за персонализиране на курса

• За да поставите запрос за персонализиран курс за този курс, моля свържете се с нас, за да уредим.

Greenplum е масивна параллелна платформа за обработка на данни с отворен код, базирана на PostgreSQL, проектирана за напредна аналитика и големите данни.

Този курс с инструктор, проведен онлайн или на място, е насочен към администратори с среден ниво, които искат да инсталират, конфигурират и управляват средите на Greenplum ефективно, включително управление на систематични обновления и библиотеки.

До края на този курс, участниците ще могат да:

• Инсталират и конфигурират продуктивен кластер Greenplum.
• Управляват систематични обновления и приложат заплати безопасно.
• Управляват библиотеките на Greenplum за аналитика и разширения.
• Диагностицират и мониторират системи Greenplum.

Формат на курса

• Интерактивна лекция и дискусия.
• Практично използване на Greenplum в контролирана лабораторна среда.
• Насочени упражнения със фокус върху настройката на кластери, процесите за обновление и разширения на системата.

Опции за персонализиране на курса

• За да попитате персонализиран тренинг за този курс, базиран на вашата среда или платформа за данни, моля, свържете се с нас, за да уредите.

Това обучение, водено от инструктор (онлайн или на място), е направено за напреднали специалисти в областта на данните, които искат да оптимизират работите по обработка на данни, да осигурят целостта на данните и да реализират робустни решения за езера от данни, които могат да справят с комплексностите на съвременните приложения за големи данни.

До края на това обучение участниците ще могат да:

• Придобият дълбоко разбиране на архитектурата на Iceberg, включително управление на метаданни и разпоред на файлове.
• Конфигурират Iceberg за оптимална производителност в различни среди и да го интегрират с множество двигатели за обработка на данни.
• Управляват големи масови табели на Iceberg, извършват сложни промени в схемите и справят с еволюцията на партициите.
• Осъществят техники за оптимизиране на производителността на запитванията и ефективността на сканирането на данни за големи набори данни.
• Реализират механизми за осигуряване на съвместимост на данни, управление на транзакционни гаранции и справяне с неуспехи в разпределени среди.

Товата тренировка с инструктор, провеждана на живо (онлайн или на място), е насочена към начинаещи професионалисти в областта на данните, които желаят да придобият знанията и уменията, необходими за ефективното използване на Apache Iceberg за управление на големи данни, осигуряване на цялостността на данните и оптимизиране на процесите за обработка на данни.

До края на тази тренировка участниците ще бъдат способни да:

• Придобиват пълно разбиране на архитектурата, функциите и предимствата на Apache Iceberg.
• Учат за формати на таблици, разделяне, еволюция на схемите и възможности за пътуване във времето.
• Инсталират и конфигурират Apache Iceberg в различни среди.
• Създават, управляват и манипулират с таблици на Iceberg.
• Разбират процеса на миграция на данни от други формати на таблици към Iceberg.

Това обучение, водено от инструктор (онлайн или на място), е насочено към IT професионалисти с среден ниво, които искат да подобрят уменията си в областта на архитектура на данни, управление на данни, облачно изчисление и технологии за обработка на големи данни, за да управляват и анализират ефективно големи набори от данни за миграция на данни в организациите си.

До края на това обучение участниците ще бъдат способни да:

• Разберат основните концепции и компоненти на различни архитектури на данни.
• Придобият пълно разбиране на принципите на управление на данни и тяхната важност в регулаторни среди.
• Имплементират и управляват рамки за управление на данни, като Dama и Togaf.
• Използват облачни платформи за ефективно съхранение, обработка и управление на данни.

Товато обучение, проведено от инструктор (онлайн или на място), е насочено към данни инженерi с междуредов опит, които искат да научат как да използват Azure Data Lake Storage Gen2 за ефективни решения за анализ на данни.

След завършване на това обучение участниците ще могат да:

• Разберат архитектурата и основните характеристики на Azure Data Lake Storage Gen2.
• Оптимизират съхранението и достъпа до данни за цена и производителност.
• Интегрират Azure Data Lake Storage Gen2 с други услуги на Azure за анализ и обработка на данни.
• Разработват решения с использоване на API на Azure Data Lake Storage Gen2.
• Решават общи проблеми и оптимизират стратегии за съхранение.

Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към разработчици, които желаят да използват и интегрират Spark, Hadoop и Python за обработка, анализиране и трансформиране на големи и сложни масиви от данни.

До края на това обучение участниците ще могат:

• Настройте необходимата среда, за да започнете да обработвате големи данни със Spark, Hadoop и Python.
• Разберете характеристиките, основните компоненти и архитектурата на Spark и Hadoop.
• Научете как да интегрирате Spark, Hadoop и Python за обработка на големи данни.
• Разгледайте инструментите в екосистемата на Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka и Flume).
• Изградете системи за препоръки за съвместно филтриране, подобни на Netflix, YouTube, Amazon, Spotify и Google.
• Използвайте Apache Mahout за мащабиране на алгоритми за машинно обучение.

Big Data и Продвинути Анализи представлява приложението на сложни техники и инструменти за анализ на големи, сложни набори данни за получаване на действени инсайти и стратегически решения.

Този курс с инструктор (онлайн или на място) е насочен към данни професионалисти с напреднали знания, които искат да използват най-новите аналитични методи и технологии за големи данни за прогнозни, предписанни и реално време анализи.

До края на този курс участниците ще могат да:

• Проектират и имплементират големи, масови обработки на данни за структурирани и неструктурирани данни.
• Прилагат напреднали техники за машинно обучение и дълбоко обучение на големи набори данни.
• Използват разпределено изчисляване за реално време анализи и ток на данни.
• Интегрират анализ на големи данни в системи за бизнес интелиджънс и взимане на решения.

Формат на Курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практическа имплементация в среда с реално обучение.

Опции за Персонализация на Курса

• За заплащане на персонализиран тренинг за този курс, моля свържете се с нас, за да уредим.

Това управляемо, живо обучение в София (онлайн или на място) е насочено към IT професионалисти с средно ниво, които искат да имат всестранно разбиране за IBM DataStage както от административна, така и от разработническа гледна точка, като това им позволява да управляват и използват този инструмент ефективно във различните работни места.

По завършване на обучението участниците ще могат:

• Разбиране на основните концепции на DataStage.
• Научете как да инсталирате, конфигурирате и управлявате околнини за DataStage ефективно.
• Свързане с различни източници на данни и извличане на данни ефективно от бази данни, плоски файлове и външни източници.
• Приложаване на ефективни методики за зареждане на данни.

Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към начинаещи до системни администратори на средно ниво, които желаят да разположат, поддържат и оптимизират клъстери на Spark.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Spark в различни среди.
• Управлявайте ресурсите на клъстера и наблюдавайте приложенията на Spark.
• Оптимизирайте производителността на клъстерите Spark.
• Приложете мерки за сигурност и осигурете висока наличност.
• Отстраняване на грешки и отстраняване на често срещани проблеми със Spark.

Участниците, които завършат това водено от инструктор обучение на живо в София, ще придобият практическо, реално разбиране за Big Data и свързаните с него технологии, методологии и инструменти.

Участниците ще имат възможност да приложат тези знания на практика чрез практически упражнения. Груповото взаимодействие и обратната връзка с инструктора са важен компонент на класа.

Курсът започва с въведение в елементарните концепции на Big Data, след което преминава към езиците за програмиране и методологиите, използвани за извършване на анализ на данни. И накрая, обсъждаме инструментите и инфраструктурата, които позволяват съхранение на големи данни, разпределена обработка и Scalaспособност.

В това водено от инструктор обучение на живо в София 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.

Аудитория:

Курсът е предназначен за ИТ специалисти, търсещи решение за съхранение и обработка на големи данни в среда на разпределена система.

Goал:

Дълбоки знания в управление на Hadoop кластери.

Постижените напредък в технологиите и увеличаващото се количество информация променят начина, по който бизнесът се провежда в много индустрии, включително държавата. Темпото на генерирането и цифров архивирането на данни в държавните структури расте поради бързия растеж на мобилните устройства и приложения, умни сензори и устройства, облачни изчислителни решения и порталите за граждани. С увеличаването на цифровата информация, управлението, обработката, съхраняването, сигурността и разпределянето стават по-сложни. Новите инструменти за забележаване, търсене, откриване и анализ помагат на организацията да извлича сведения от неструктурираната й информация. Пазарът на държавата е в точка на преразorks, осъзнавайки, че информацията е стратегически актив, и държавата трябва да защитава, използва и анализира както структурираните, така и неструктурираните данни, за да посрещне по-ефективно мисиите си. Докато държавните ръководители стремят да създадат организации, подкрепени от данни, те подготвят основата за връзките между събитията, хората, процесите и информацията.

Високостойностните държавни решения ще бъдат създадени чрез комбинирането на най-преразorksите технологии:

• Мобилни устройства и приложения
• Облачни услуги
• Технологии за бизнес в социалните мрежи и бизнес-съобщества
• Big Data и анализ

Big Data е едно от интелигентните решения за индустрията и позволява на държавата да взема по-добри решения, действайки на основата на модели, обявени чрез анализ на големи обеми данни — свързани или неразделно, структурирани или неструктурирани.

Но постигането на тези успехи изисква много повече от просто събиране на гигантски количества данни. „Забележаването на тези обеми Big Data изисква високотехнологично програмно и хардърворе, които могат да анализират и извличат полезна информация от огромни и разнородни потоци данни“, написаха Том Калил и Фен Жао от Белия дом — Офис на науката и технологията в публикация в блога на OSTP.

Белият дом предприе крачка за помощ при откриването на тези технологии, като установи Националния инициативен план за разработка и изследвания в областта Big Data през 2012 г. Инициативата включваше над 200 милиона долара за максимизиране на експлозията на Big Data и инструментите, необходими за анализ.

Изпитваните предизвикателства от Big Data са почти толкова смели, колкото обещанията му са поощрващи. Ефективното съхраняване на данни е едно от тези предизвикателства. Както винаги, бюджетите са ограничени, така че държавните агенции трябва да минимизират цената за съхранение на данни по мегабайт и да запазят данните под лесен достъп, така че потребителите могат да ги получават в нужния момент и формат. Резервно копирането на гигантски количества данни увеличава предизвикателството.

Ефективният анализ на данните е друг голям предизвик. Много агенции използват комерсиални инструменти, които им позволяват да премахнат горите от данни, откривайки тенденции, които могат да ги помогнат да работят по-ефективно. (Недавно проведен опит на MeriTalk показа, че федералните ръководители за ИТ мислят, че Big Data може да помага на агенциите да спестят над 500 милиарда долара, като същевременно изпълняват задачи по мисията си.).

Потребността за анализ на данните води и до разработването на специализирани инструменти за Big Data. Например, Групата за компютърни данни и анализа на Националната лаборатория „Ок Ридж“ направила системата си за анализ на данни Piranha налична за други агенции. Системата помогнала на медицините изследователи да открият връзка, която може да предупреди лекарите за аневризми на бедената артерия преди техното появяване. Тя се използва и за повседневни задачи, като преминаването през резюмета за свързване на кандидатите за работни места с управляващите лица.

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.

Анализът на големи данни включва процеса по разглеждане на голями обеми различни набори от данни с цел откриване на корелации, скрити модели и друга полезна информация.

Индустрията на здравеопазването има масивни обеми сложни иерархични медицински и клинични данни. Применяването на анализ на големи данни върху медизинските данни има голям потенциал за извличане на инсайтове, които могат да улучшат доставянето на медицински услуги. Въпреки това, обемите на тези набори от данни представят големи предизвикателства за анализ и практически приложения в клинична среда.

В този курс под водене на инструктор (удалено), участниците ще научат как да извършват анализ на големи данни в здравеопазването, докато преминават през серия от практически упражнения.

Към края на това обучение участниците ще могат да:

• Инсталират и конфигурират инструменти за анализ на големи данни като Hadoop MapReduce и Spark
• Разбираща се природата на медицинските данни
• Прилагат методи за работа с големи данни за обработване на медицински данни
• Изучават системите и алгоритмите за анализ на големи данни в контекста на здравните приложения

Целева група

• Разработчици
• Аналисти на данни

Формат на курса

• Частично лекция, частично дискусия, упражнения и много практически занятия.

Бележка

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

В това водено от инструктор обучение на живо в София участниците ще научат нагласата, с която да подходят Big Data към 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 технологията с традиционните процеси за събиране на данни, за да съставите 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 позволяване на основан на данни подход към наказателното разследване.

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).

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

Публика

Ако 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 доставка

По 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 участниците

Използвано съдържание и софтуер

Целият 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.

Apache Hadoop е най-популярният фреймворк за обработка на данни върху кластери от сървъри. В този три (опционално, четири) дневен курс участниците ще научат за бизнес предимствата и приложенията за Hadoop и екосистемата му, как да планират развой и растеж на кластера, как да инсталират, поддържат, мониторират, диагностицират и оптимизират Hadoop. Те ще се запознаят и с масов заред на данни в кластера, ще се сдобият с знания за различни Hadoop дистрибуции и ще упражняват инсталация и управление на инструменти от екосистемата на Hadoop. Курсът завършва с обсъждане на сигурността на кластера с Kerberos.

“… Материалите са добре подготовени и покриват изчерпателно. Лабораторията беше много полезна и добре организирана”— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Целева група

администратори на Hadoop

Формат

лекции и практични упражнения, приблизително баланс 60% лекции, 40% упражнения.

Apache Hadoop е най-популярната платформа за обработка на големи данни в кластери от сървъри. Този курс ще представи на разработчиците различните компоненти (HDFS, MapReduce, Pig, Hive и HBase) в екосистемата на Hadoop.

Apache Hadoop е един от най-популярните фреймворки за обработка на големи данни в кластери от сървъри. Този курс разглежда управлението на данни в HDFS, разширен Pig, Hive и HBase. Теоретичните знания за тези продвинати програмни техники ще бъдат полезни за опитните разработчици по Hadoop.

Публика: разработчици

Продължителност: три дни

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

Целева аудитория:

Този курс е предназначен да разкрие тайновете на технологиите за големи данни/Hadoop и да покаже, че те не са трудни за разбиране.

Това водено от инструктор обучение на живо в София (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.

Този курс представя HBase – NoSQL хранилище, работещо върху Hadoop. Курсът е предназначен за разработчици, които ще използват HBase за разработка на приложения, както и за администратори, които ще управляват кластери на HBase.

Ще проведем разработчика през архитектурата на HBase, моделиране на данни и разработка на приложения върху HBase. Ще обсъдим и използването на MapReduce с HBase, както и някои административни теми, свързани с оптимизация на производителността. Курсът е много практически с множество лабораторни упражнения.

Продължителност : 3 дни

Целева аудитория : Разработчици  & Администратори

В този обучаван под ръководството на инструктор в София (на място или на разстояние), участниците ще научат как да настроят и интегрират различни фреймворки за потокова обработка с вече съществуващи системи за съхранение на големи данни, софтуерни приложения и микросервизи.

Край обучението участниците ще могат да:

• Инсталират и настрояват различни фреймворки за потокова обработка, като Spark Streaming и Kafka Streaming.
• Разбиращ какъв е най-подходящият фреймворк за конкретната задача.
• Обработват данни непрекъснато, едновременно и по единичен запис.
• Интегрират решенията за потокова обработка с вече съществуващи бази данни, складове на данни, озера на данни и т.н.
• Интегрират най-подходящата библиотека за потокова обработка със съществуващи предприемачески приложения и микросервизи.

Това водено от инструктор обучение на живо в София (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.

Apache NiFi е отворен източник, базиращ се на потоково управление на данни и обработка на събития. Платформата поддържа автоматизирано, реално-времево маршрутно управление, трансформация и системна медиация между различни системи, като предоставя уеб-базирана потребителска среда и детайлно управление.

Това обучение с инструктор (на място или на разстояние) е насочено към администратори и инженери на среден ниво, които искат да използват, управляват, защитават и оптимизират потоковете на данни в Apache NiFi в продуктивна среда.

Към края на обучението участниците ще могат да:

• Инсталират, конфигурират и поддържат кластери на Apache NiFi.
• Проектират и управляват потокове от различни източници и приемници.
• Реализират автоматизация, маршрутизация и логика за трансформация на потока.
• Оптимизират производителността, мониторират операции и разрешават проблеми.

Формат на курса

• Интерактивен урок с дискусия за реални архитектури.
• Лабораторни практики: изграждане, използване и управление на потокове.
• Упражнения в контекст на реална лаборатория.

Опции за персонализация на курса

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

В това водено от инструктор обучение на живо в София, 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 обучение с инструктор, провеждано на живо (онлайн или на място), е предназначено за специалисти по данни, които искат да използват стека SMACK за създаване на платформи за обработка на данни за решения за големи данни.

До края на това обучение участниците ще могат да:

• Реализират архитектура на данни за обработка на големи данни.
• Развиват кластерна инфраструктура с Apache Mesos и Docker.
• Анализират данни с Spark и Scala.
• Управляват неуредени данни с Apache Cassandra.

Това обучение, водено от инструктор (в реално време или на място), е насочено към инженери, които искат да конфигурират и внедрят системата Apache Spark за обработка на много големи данни.

По завершването на това обучение участниците ще могат:

• Инсталират и конфигурират Apache Spark.
• Бързо обработват и анализират много големи данни.
• Разберат разликата между Apache Spark и Hadoop MapReduce, както и кога да използват всяка от тях.
• Интегрират Apache Spark с други инструменти за машинно учене.

Кривата на обучение на Apache Spark бавно се увеличава в началото, необходими са много усилия, за да се получи първата възвръщаемост. Този курс има за цел да премине през първата трудна част. След преминаването на този курс участниците ще разберат основите на Apache Spark, ще разграничат ясно RDD от DataFrame, ще научат Python и Scala API, ще разберат изпълнителите и задачите и т.н. Следвайки най-добрите практики, този курс силно се фокусира върху внедряването в облак, Databricks и AWS. Студентите също ще разберат разликите между AWS EMR и AWS Glue, една от най-новите услуги на Spark на AWS.

ПУБЛИКА:

Инженер по данни, DevOps, Учен по данни

ОБЕКТИВЕН:

Този курс ще представи Apache Spark. Студентите ще научат как Spark се вписва в екосистемата на Big Data и как да използват Spark за анализ на данни. Курсът обхваща обвивка на Spark за интерактивен анализ на данни, вътрешни елементи на Spark, API на Spark, Spark SQL, поточно предаване на Spark и машинно обучение и graphX.

ПУБЛИКА :

Разработчици / анализатори на данни

Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към учени и разработчици на данни, които желаят да използват Spark NLP, изграден върху Apache Spark, за разработване, внедряване и мащабиране на обработка на текст на естествен език модели и тръбопроводи.

До края на това обучение участниците ще могат:

• Настройте необходимата среда за разработка, за да започнете изграждането на NLP тръбопроводи с Spark NLP.
• Разберете характеристиките, архитектурата и ползите от използването на Spark NLP.
• Използвайте предварително обучените модели, налични в Spark NLP, за да реализирате обработка на текст.
• Научете как да създавате, обучавате и мащабирате Spark NLP модели за проекти от производствен клас.
• Прилагайте класификация, изводи и анализ на настроенията върху случаи на употреба в реалния свят (клинични данни, прозрения за поведението на клиентите и т.н.).

Spark SQL е модулът на Apache Spark за работа с структурирани и неструктурирани данни. Spark SQL предоставя информация за структурата на данните, както и за извършваното изчисление. Тази информация може да бъде използвана за оптимизация. Две общи сценария за употреба на Spark SQL са:
- изпълнение на SQL заявки.
- четене на данни от съществуваща инсталация на Hive.

В този воден от инструктор обучаващ курс (на място или онлайн), участниците ще научат как да анализират различни типове набори от данни, използвайки Spark SQL.

По завършването на този курс, участниците ще могат:

• Да инсталират и конфигурират Spark SQL.
• Да анализират данни с използване на Spark SQL.
• Да извършват заявки към набори от данни в различни формати.
• Да визуализират данните и резултатите от заявките.

Формат на курса

• Интерактивно предаване с дискусия.
• Много упражнения и практика.
• Приложение в реална лабораторна среда.

Опции за персонализиране на курса

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

Този под ръководството на инструктор жив тренинг в София (онлайн или на място) е насочен към технически специалисти, които искат да използват Talend Open Studio for Big Data за улесняване процеса на прочитане и обработка на големи данни.

По завършването на този тренинг, участниците ще могат да:

• Инсталират и конфигурират Talend Open Studio for Big Data.
• Връзки с големи данни системи като Cloudera, HortonWorks, MapR, Amazon EMR и Apache.
• Разбиращи и настройката на компонентите за големи данни и конекторите в Open Studio.
• Конфигурират параметри за автоматично генериране на MapReduce код.
• Използват интерфейса с перетъгване и пускане на Open Studio за изпълнение на задачи Hadoop.
• Прототипират канали за големи данни.
• Автоматизират проекти за интеграция на големи данни.