Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към ИТ професионалисти на ниво начинаещи, които искат да разберат основите на Predictive AI.

До края на това обучение участниците ще могат:

• Разберете основните концепции на Predictive AI и неговите приложения.
• Събирайте, почиствайте и обработвайте предварително данни за прогнозен анализ.
• Изследвайте и визуализирайте данни, за да разкриете прозрения.
• Изградете основни статистически модели, за да правите прогнози.
• Оценете ефективността на прогнозните модели.
• Приложете концепции за предсказуем AI към сценарии от реалния свят.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към професионалисти на средно ниво DevOps, които желаят да интегрират предсказуем AI в своите DevOps практики.

До края на това обучение участниците ще могат:

• Внедрете модели за предсказуем анализ, за да прогнозирате и разрешите предизвикателства в DevOps етапа.
• Използвайте управлявани от AI инструменти за подобрено наблюдение и операции.
• Прилагайте техники за машинно обучение, за да подобрите работните процеси за доставка на софтуер.
• Проектирайте AI стратегии за проактивно разрешаване на проблеми и оптимизиране.
• Навигирайте в етичните съображения за използване на AI в DevOps.

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 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.

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.