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, ориентирана към данни, която интегрира големи данни, ИИ и управление в едно решение. Нейните модули Rocket и Intelligence позволяват бързо изследване на данни, трансформация и напреднати анализи в корпоративни среди.

Това обучение, водено от инструктор (онлайн или на място), е предназначено за професионалисти на данни с средно ниво, които искат да използват модулите Rocket и Intelligence в Stratio ефективно с PySpark, със фокус върху циклични структури, потребителски определени функции и напреднати данни логики.

До края на това обучение участниците ще могат да:

• Навигация и работа с платформата Stratio с модулите Rocket и Intelligence.
• Прилагане на PySpark в контекста на взимане, трансформация и анализ на данни.
• Използване на цикъл и условна логика за контрол на работните процеси на данни и задачи за инженеринг на характеристики.
• Създаване и управление на потребителски определени функции (UDFs) за повтарящи се операции с данни в PySpark.

Формат на курса

• Интерактивни лекции и дискусии.
• Много упражнения и практика.
• Практически имплементации в среда на живо лаборатория.

Опции за персонализация на курса

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

Data Warehousing ето практиката на проектиране, изграждане и управление на централизирани хранилища на данни, които подкрепят анализи, отчетност и вземане на решения.

Това е обучение с инструктор (онлайн или на място), насочено към данни професионалисти с междуен ниво, които искат да моделират дименсионални данни, да изграждат здрави ETL канали и да оптимизират аналитични натоварвания.

Към края на това обучение участниците ще могат да:

• Обясняват основните концепции и архитектури на Data Warehousing.
• Проектират дименсионални модели и избират между звездообразна и снежна схема.
• Създават и управляват ETL и ELT канали надеждно.
• Различават OLTP и OLAP натоварвания и оптимизират за анализи.

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практическа реализация в жива лабораторна среда.

Опции за персонализиране на курса

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

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 платформа за обработка на данни с масово паралелно обработване (MPP), предназначена за анализи и големи обекти за обработка на данни.

Това обучение с инструктор, което се провежда онлайн или на място, е предназначено за технически потребители с интермедиален до напреднал нив на знания, които искат да разберат вътрешната архитектура на Greenplum, да създават оптимизирани модели на данни и да прилагат висока производителност SQL в разпределени среди.

Към края на това обучение участниците ще бъдат способни да:

• Разберат архитектурата на Greenplum за разделено нищо и модел за паралелизъм.
• Проектират разпределени структури на таблици и партиции, оптимизирани за производителност на извличане на данни.
• Използват стратегии за индексиране, формати за съхранение и техники за физически дизайн.
• Интерпретират планове EXPLAIN и оптимизират извличания на данни, използвайки най-добите практики.

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и практики.
• Ръчна имплементация в среда на живо лабораториум.

Опции за персонализиране на курса

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

Greenplum е платформа за обработка на масивни паралелни данни с отворен код, базирана на PostgreSQL, проектирана за напредени анализи и големи складове на данни.

Този курс с инструктор, проведен жив (онлайн или на място), е предназначен за администратори с интермедиерни знания, които искат да инсталират, конфигурират и управляват среди на Greenplum ефективно, включително управление на обновления на системата и библиотеки.

До края на този курс участващите ще могат да:

• Инсталират и конфигурират продуктивен кластер на Greenplum.
• Управляват обновления на системата и прилагат заплати безопасно.
• Управляват библиотеки на Greenplum за анализи и разширения.
• Разрешават проблеми и мониторират системи на Greenplum.

Формат на курса

• Интерактивни лекции и дискусии.
• Практическо използване на Greenplum в контролирана лабораторна среда.
• Упътващи упражнения, фокусирани върху конфигуриране на кластер, обновяване на работите потокове и разширения на системата.

Опции за персонификация на курса

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

Това водено от инструктор обучение на живо в София (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 София (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 София (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 София (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 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 водено от инструктор обучение на живо в София (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.

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.

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.

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 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.

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.

Курсът е посветен на специалисти по информационни технологии, които търсят решение за съхранение и обработка на големи набори данни в разпределена среда.

Цел на курса:

Придобиване на знания относно управлението на кластери Hadoop

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.

Апаче Hadoop е най-популярният фреймворк за обработка Big Data на кластери от сървъри. Този курс ще представи на разработчика различните компоненти ([HDFS], [MapReduce], [Pig], Hive и [HBase]) от Hadoop екосистемата.

Apache Hadoop е един от най-популярните фреймуорки за обработка Big Data на кластери от сървъри. Този курс се залазва в управлението на данни в HDFS, напреднато Pig, Hive и HBase. Тези напреднали техники за програмиране ще бъдат полезни за опитни разработчици на Hadoop.

Целева аудитория: разработчици

Продължителност: три дни

Формат: лекции (50%) и практическа работа (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 магазин на върха на Hadoop. Курсът е предназначен за разработчици, които ще използват HBase за разработване на приложения, и администратори, които ще управляват HBase клъстери.

Ще преведем програмист през архитектурата на HBase и моделирането на данни и разработването на приложения в HBase. Той също така ще обсъди използването на MapReduce с HBase и някои административни теми, свързани с оптимизирането на производителността. Курсът е много практически с много лабораторни упражнения.

Продължителност: 3 дни

Аудитория: разработчици и администратори

In this instructor-led, live training in София (onsite or remote), participants will learn how to set up and integrate different Stream Processing frameworks with existing big data storage systems and related software applications and microservices.

By the end of this training, participants will be able to:

• Install and configure different Stream Processing frameworks, such as Spark Streaming and Kafka Streaming.
• Understand and select the most appropriate framework for the job.
• Process of data continuously, concurrently, and in a record-by-record fashion.
• Integrate Stream Processing solutions with existing databases, data warehouses, data lakes, etc.
• Integrate the most appropriate stream processing library with enterprise applications and microservices.

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.

В това водено от инструктор обучение на живо в София (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 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 водено от инструктор обучение на живо в София (онлайн или на място) е насочено към специалисти по данни, които желаят да използват стека SMACK за изграждане на платформи за обработка на данни за решения за големи данни.

До края на това обучение участниците ще могат:

• Внедрете архитектура на тръбопровод за данни за обработка на големи данни.
• Разработете клъстерна инфраструктура с Apache Mesos и Docker.
• Анализирайте данните с Spark и Scala.
• Управлявайте неструктурирани данни с Apache Cassandra.

Това водено от инструктор обучение на живо в София (онлайн или на място) е насочено към инженери, които желаят да настроят и внедрят Apache Spark система за обработка на много големи количества данни.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Spark.
• Бързо обработвайте и анализирайте много големи набори от данни.
• Разберете разликата между Apache Spark и Hadoop MapReduce и кога да използвате кое.
• Интегрирайте Apache Spark с други инструменти за машинно обучение.

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 със структурирани и неструктурирани данни. Spark SQL предоставя информация за структурата на данните, както и за извършваното изчисление. Тази информация може да се използва за извършване на оптимизации. Две общи употреби на Spark SQL са: - за изпълнение на SQL заявки. - за четене на данни от съществуваща инсталация на Hive.

В това обучение на живо, ръководено от инструктор (на място или дистанционно), участниците ще се научат как да анализират различни видове набори от данни с помощта на Spark SQL.

До края на това обучение участниците ще могат:

Инсталирайте и конфигурирайте Spark SQL. Извършете анализ на данни с помощта на Spark SQL. Заявки за набори от данни в различни формати. Визуализирайте данните и резултатите от заявките.

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.

Това водено от инструктор обучение на живо в София (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.