IBM Datastage For Administrators and Developers Training Course

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 разгръщайте високо мащабируеми и повтарящи се складове.

Курсът е част от набора от умения за Data Scientist (Домейн: Данни и технологии).

Apache Druid е разпределено хранилище за данни с отворен код, ориентирано към колони, написано на Java. Той е проектиран да поглъща бързо огромни количества данни за събития и да изпълнява OLAP заявки с ниска латентност върху тези данни. Druid обикновено се използва в приложения за бизнес разузнаване за анализиране на големи обеми данни в реално време и исторически данни. Също така е много подходящ за захранване на бързи, интерактивни, аналитични табла за управление за крайни потребители. Druid се използва от компании като Alibaba, Airbnb, Cisco, eBay, Netflix, Paypal и Yahoo.

В този воден от инструктори курс на живо ние изследваме някои от ограниченията на решенията за съхранение на данни и обсъждаме как Druid може да допълни тези технологии, за да формира гъвкав и мащабируем стек за анализи на поточно предаване. Разглеждаме много примери, предлагайки на участниците шанса да внедрят и тестват базирани на Druid решения в лабораторна среда.

Частична лекция, частична дискусия, тежка практическа практика, случайни тестове за измерване на разбирането

Apache Kylin е екстремен, разпределен аналитичен двигател за големи данни.

В това обучение, ръководено от инструктори, участниците ще научат как да използват Apache Kylin за създаване на съхранение на данни в реално време.

В края на обучението участниците ще могат да:

• Консумиране на данни в реално време с помощта на Kylin
• Използвайте мощни функции Apache Kylin's,богат SQL интерфейс, спарк кубиране и вторична латентност за запитване

Забележка

• Ние използваме най-новата версия на Кайлин (по този текст, Apache Kylin v2.0)

публиката

• Big Data инженери
• [ 0 ] Аналитиците

Формат на курса

• Частна лекция, частна дискусия, упражнения и тежка практика

MemSQL е разпределена SQL система за управление на база данни в паметта за облак и локално. Това е склад за данни в реално време, който незабавно предоставя прозрения от реални и исторически данни.

В това обучение на живо, водено от инструктор, участниците ще научат основните неща на MemSQL за разработка и администриране.

До края на това обучение участниците ще могат:

Разберете ключовите понятия и характеристики на MemSQL Инсталирайте, проектирайте, поддържайте и работете MemSQL Оптимизирайте схеми в MemSQL Подобрете заявките в MemSQL Сравнете производителността в MemSQL Изградете приложения за данни в реално време с помощта на MemSQL

Публика

Разработчици Администратори Оперативни инженери

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Amazon Redshift е петабайтова услуга за съхранение на данни, базирана на облак в AWS.

В това водено от инструктор обучение на живо участниците ще научат основите на Amazon Redshift.

До края на това обучение участниците ще могат:

Инсталиране и конфигуриране Amazon Redshift Зареждане, конфигуриране, внедряване, запитване и визуализиране на данни с Amazon Redshift

Публика

Разработчици ИТ специалисти

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.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да създадат многовъзлова база данни Greenplum.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Pivotal Greenplum.
• Моделирайте данните в съответствие с настоящите нужди и бъдещи планове за разширяване.
• Изпълнете различни техники за разпространение на данни в множество възли.
• Подобрете производителността на базата данни чрез настройка.
• Наблюдавайте и отстранявайте неизправности в база данни на Greenplum.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към администратори, които желаят да настроят Greenplum Database решения за бизнес разузнаване и съхранение на данни.

До края на това обучение участниците ще могат:

• Адресирайте нуждите от обработка с Greenplum.
• Извършване на ETL операции за обработка на данни.
• Използвайте съществуващите инфраструктури за обработка на заявки.

Това водено от инструктор обучение на живо в България (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.

To meet compliance of the regulators, CSPs (Communication service providers) can tap into Big Data Analytics which not only help them to meet compliance but within the scope of same project they can increase customer satisfaction and thus reduce the churn. In fact since compliance is related to Quality of service tied to a contract, any initiative towards meeting the compliance, will improve the “competitive edge” of the CSPs. Therefore, it is important that Regulators should be able to advise/guide a set of Big Data analytic practice for CSPs that will be of mutual benefit between the regulators and CSPs.

The course consists of 8 modules (4 on day 1, and 4 on day 2)

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.

Напредъкът в технологиите и нарастващото количество информация променят начина, по който се провежда правоприлагането. Предизвикателствата, които поставя Big Data, са почти толкова плашещи, колкото обещанието на Big Data. Ефективното съхраняване на данни е едно от тези предизвикателства; ефективното му анализиране е друго.

В това обучение на живо, ръководено от инструктор, участниците ще научат нагласата, с която да подходят към Big Data 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 технология с традиционни процеси за събиране на данни, за да сглобите 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 разрешаване на подход, управляван от данни криминално разследване

Публика

Специалисти по правоприлагане с технически опит

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

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.