Hadoop and Spark for Administrators Training Course

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 големи данни.
• Работете върху упражнения, които имитират случаи от реалния свят.
• Използвайте различни инструменти и техники за анализ на големи данни с помощта на 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 връзки, след това да се моделират тези връзки и да се обработват 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 групова обработка.)
• Приложете Hadoop, Spark, GraphX и Pregel за извършване на изчисления на графики в много машини паралелно.
• Вижте реални проблеми с големи данни от гледна точка на графики, процеси и обхождания.

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.

Публика

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

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 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 клъстер с големи данни с помощта на Ambari Приложете разширените функции и функции на Ambari към различни случаи на употреба Безпроблемно добавяйте и премахвайте възли, ако е необходимо Подобрете производителността на Hadoop клъстер чрез настройка и настройване

Публика

DevOps системни администратори DBAs Hadoop специалисти по тестване

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Cloudera Impala is an open source massively parallel processing (MPP) SQL query engine for Apache Hadoop clusters.

Impala enables users to issue low-latency SQL queries to data stored in Hadoop Distributed File System and Apache Hbase without requiring data movement or transformation.

Audience

This course is aimed at analysts and data scientists performing analysis on data stored in Hadoop via Business Intelligence or SQL tools.

After this course delegates will be able to

• Extract meaningful information from Hadoop clusters with Impala.
• Write specific programs to facilitate Business Intelligence in Impala SQL Dialect.
• Troubleshoot Impala.

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

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

Магелан е отворен източник, разпределен изпълнителен двигател за геопространствен анализ на големи данни. Извършен на върха на Apache Spark, той разширява Spark SQL и осигурява относителна абстракция за геопространствения анализ.

Този инструктор-управляван, живо обучение въвежда концепциите и подходите за прилагане на геопространствени анализи и ходи участниците чрез създаването на предвидително приложение за анализ, използвайки Magellan на Spark.

В края на обучението участниците ще могат да:

• Ефективно запитване, разширяване и присъединяване на геопространствени данни на мащаб
• Въвеждане на геопространствени данни в бизнес интелигентност и прогнозни аналитични приложения
• Използвайте пространствен контекст, за да разширите възможностите на мобилни устройства, сензори, записи и носители.

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и упражнения.
• Изпълнение на ръката в живо лабораторна среда.

Опции за персонализиране на курса

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

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.

В това водено от инструктор обучение на живо в България (на място или дистанционно), участниците ще се научат как да настройват и интегрират различни Stream Processing рамки със съществуващи системи за съхранение на големи данни и свързани софтуерни приложения и микроуслуги.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте различни Stream Processing рамки, като Spark Streaming и Kafka Streaming.
• Разберете и изберете най-подходящата рамка за работата.
• Обработване на данни непрекъснато, едновременно и по начин запис по запис.
• Интегрирайте Stream Processing решения със съществуващи бази данни, хранилища за данни, езера от данни и др.
• Интегрирайте най-подходящата библиотека за обработка на потоци с корпоративни приложения и микроуслуги.

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.

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