Курс за обучение по Администриране на Hadoop на MapR

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.

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.

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%).

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

До края на това обучение участниците ще могат:

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

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

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.

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

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.

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) 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.