Курс за обучение по HBase за разработчици

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 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.

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).

Този инструкторски воден, живия обучение в България (онлайн или на място) е насочен към администратори на бази данни или разработчици, които искат да използват Microsoft Azure Cosmos DB за разработка и управление на високо отзивчиви и ниско-латентни приложения.

До края на това обучение участниците ще могат:

• Обеспечават необходимите ресурси на Cosmos DB, за да започнат построяването на бази данни и приложения.
• Мащабират производителността и съхранението на приложението чрез използването на API-та в Cosmos DB.
• Управляват операциите с бази данни и намаляват разходите чрез оптимизиране на ресурсите на Cosmos DB.

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.

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 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.

Релационните бази данни са били технологията на избор за съхраняване, извличане и извъдване на данни. Релационните бази данни позволяват на потребителите да организират данните си, използвайки структуриран, добре определен набор от шаблони (модели). Този подход работи добре за съхраняване на данни, които са стандартизирани и добре разбрани предварително (мислете за приложение за регистрация в болница, което съдържа медицински записи с консистентен набор от предварително определени полета...номер на пациента, име, фамилно име, дата на последно посещение и т.н.). Но има ограничения в този модел. За организации, чиито входящи данни не са добре определени (мислете за онлайн формуляр за консултации за стартъп, който все още експериментира с различни полета за събиране на данни от посетителите, като добавя и премахва полета по време на движение, за да отговаря на променящата се природа на бизнеса), всеки установен дефиниции за това, как данните трябва да се впишат в съществуваща база данни, ще трябва да бъдат предефинирани редовно. Това ще изисква пресъздаване на модела на данните (схема), който диктува структурата на данните и техните разрешени типове данни, за да подкрепи различни видове входящи данни и т.н., преди нови данни да могат да бъдат записани в базата данни.

На сцената излизат NoSQL (Not Only SQL) бази данни. NoSQL бази данни освобождават потребителите от необходимостта да предефинират структурата на входящите данни, позволявайки им да вмъкват и обновяват нови данни на лету. NoSQL бази данни често са по-бързи от релационните бази данни и могат да обработват големи количества данни с лекота. NoSQL бази данни също се масштабират по-добре от релационните бази данни, благодарение на способността си да разпределят данните ефективно по много сървъри (кълстър) и да балансират натоварването при достъп до тези данни. NoSQL бази данни се интегрират особено добре с приложения, които подкрепят реално време анализ, персонализация на уебсайтове, IoT и мобилни приложения.

В този курс с инструктор, участващите ще разберат архитектурата, принципите на дизайн и функционалността на най-популярните NoSQL бази данни, докато установяват, оперират и оценяват няколко NoSQL бази данни в жива лабораторна среда. Целта на този курс е да позволи на участниците да оценяват, предложат и реализират подходящо NoSQL решение в организацията си.

До края на този курс, участниците ще бъдат в състояние да:

• Инсталират и конфигурират различни видове NoSQL бази данни, включително MongoDB, Cassandra, Redis и Neo4j
• Разберат предимствата и недостатъците на NoSQL бази данни спрямо релационните бази данни
• Разберат подлежащите формати на данни, използвани от NoSQL бази данни и как тези формати могат да бъдат използвани на полза, когато се разработват модерни приложения (десктоп, мобилни, облачни, IoT)
• Извършват операции за създаване, вмъкване, обновяване и изтриване в NoSQL база данни
• Настроят смесена среда с както релационна база данни, така и NoSQL, работейки заедно
• Конфигурират кълстър от NoSQL бази данни за разпределение на обработката на огромни набори данни
• Разберат сигурностните импликации при използване на NoSQL база данни
• Разгръщат и масштабират NoSQL база данни в продуктивна среда

Целева аудитория

• Специалисти по бази данни
• Архитекти на данни
• Стратези по данни
• Менеджъри на проекти
• Разработчици на приложения, които искат да интегрират гибка база данни в тяхното приложение

Формат на курса

• Частно лекции, частно дискусии, упражнения и интензивно практическо обучение

Забележка

• За изискване на персонализиран курс за този курс, моля, свържете се с нас, за да договорите.

redis

nosql

Scylla е открыт източник за дистрибуиран NoSQL база данни. Компатибилен е с Apache Cassandra, но извършва значително по-голямо обръщение и по-ниски латенции.

В този курс участниците ще научат за характеристиките и архитектурата на Scylla, като придобиват практическо опитване в настройка, администриране, мониторинг и диагностика на Scylla.

Целева аудитория

• Администратори на бази данни
• Разработчици
• Системни инженери

Формат на курса

• Курсът е интерактивен и включва обсуждения на принципите и подходите за развертане и управление на дистрибуирани бази данни и кластери Scylla.
• Курсът включва значителен компонент от ръчни упражнения и практика.