Big Data Počítačové Kurzy

Python je měřitelný, flexibilní a široce používaný programovací jazyk pro datovou vědu a strojové učení. Spark je datový procesor používaný při vyhledávání, analýze a transformaci velkých dat, zatímco Hadoop je rámec knihovny softwaru pro ukládání a zpracování velkých dat.

Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na vývojáře, kteří chtějí používat a integrovat Spark, Hadoop, a Python k zpracování, analýze a transformaci velkých a složitých datových souborů.

Po ukončení tohoto tréninku budou účastníci schopni:

Vytvořte nezbytné prostředí k zahájení zpracování velkých dat pomocí Spark, Hadoop, a Python. Pochopte vlastnosti, klíčové složky a architekturu Spark a Hadoop. Naučte se, jak integrovat Spark, Hadoop, a Python pro zpracování velkých dat. Prozkoumejte nástroje v ekosystému Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka a Flume). Vytvořte společné systémy doporučení pro filtrování podobné Netflix, YouTube, Amazon, Spotify a Google. Použijte Apache Mahout pro skalování algoritmů strojového učení.

Formát kurzu

Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.

Možnosti personalizace kurzu

Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.

Waikato Environment for Knowledge Analysis (Weka) je open-source data mining visualization software. Poskytuje sbírku algoritmů strojového učení pro přípravu údajů, klasifikaci, klastrování a další data těžby činnosti.

Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na analytiky a vědce údajů, kteří chtějí použít Weka k provádění úkolů v oblasti datového těžby.

Po ukončení tohoto tréninku budou účastníci schopni:

Instalace a nastavení Weka Pochopte Weka prostředí a pracovní zázemí. Výkon datových úkolů pomocí Weka.

Formát kurzu

Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.

Možnosti personalizace kurzu

Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.

IBM SPSS Modeler je software používaný pro data mining a textové analýzy. Poskytuje soubor nástrojů pro těžbu dat, které mohou vytvářet prediktivní modely a provádět úkoly analytiky dat.

Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na analytiky údajů nebo kdokoli, kdo by chtěl použít SPSS Modeler k provádění datových činností.

Po ukončení tohoto tréninku budou účastníci schopni:

Pochopte základní principy datového těžby. Naučte se, jak importovat a hodnotit kvalitu dat s modelem. Vývoj, implementace a hodnocení datových modelů efektivně.

Formát kurzu

Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.

Možnosti personalizace kurzu

Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.

Účastníci, kteří dokončí tento výcvik vedený instruktorem, získá praktické, reálné pochopení Big Data a jeho souvisejících technologií, metodik a nástrojů.

Účastníci budou mít příležitost tuto znalost uplatnit prostřednictvím praktických cvičení. Skupinová interakce a zpětná vazba instruktorů tvoří důležitou součást třídy.

Kurz začíná úvodem do elementárních konceptů Big Data, pak postupuje do programovacích jazyků a metod používaných k provedení Data Analysis. Konečně diskutujeme o nástrojích a infrastruktuře, která umožňují Big Data skladování, distribuované zpracování a Scala kapacitu.

Formát kurzu

Částečná přednáška, částečná diskuse, praktická praxe a implementace, příležitostné zkoušky na měření pokroku.

In this instructor-led, live training in České republice, participants will learn how to use Python and Spark together to analyze big data as they work on hands-on exercises.

By the end of this training, participants will be able to:

- Learn how to use Spark with Python to analyze Big Data.
- Work on exercises that mimic real world cases.
- Use different tools and techniques for big data analysis using PySpark.

This course covers how to use Hive SQL language (AKA: Hive HQL, SQL on Hive, HiveQL) for people who extract data from Hive

Znalost znalostí v databázích (KDD) je proces objevování užitečných znalostí z sběru dat. Reálné aplikace pro tuto techniku těžby dat zahrnují marketing, detekci podvodů, telekomunikace a výrobu.

V tomto živém kurzu vedeném instruktorem představujeme procesy zapojené do KDD a provádíme řadu cvičení pro praxi provádění těchto procesů.

publikum

Data analytici nebo někdo, kdo se zajímá o to, jak interpretovat data k řešení problémů

Formát kurzu

Po teoretické diskusi o KDD bude instruktor předkládat případy v reálném životě, které vyzývají k aplikaci KDD k řešení problému. Účastníci připraví, vybírají a vyčistí vzorkové datové soubory a využívají své předchozí znalosti o údajích k navrhování řešení založených na výsledcích jejich pozorování.

Apache Kylin je extrémní, distribuovaný analytický motor pro velké údaje.

V tomto živém tréninku vedeném instruktorem se účastníci naučí, jak používat Apache Kylin k instalaci datového skladu v reálném čase.

Po ukončení tohoto tréninku budou účastníci schopni:

Spotřeba streamingových dat v reálném čase pomocí Kylin Používejte Apache Kylin's výkonné funkce, bohatý SQL rozhraní, spark kubing a subsekundní dotaz latence

Poznámka

Používáme nejnovější verzi Kylin (na základě tohoto textu, Apache Kylin v2.0)

publikum

Big Data inženýr [ 0 ] analytici

Formát kurzu

Částečná přednáška, částečná diskuse, cvičení a těžká praxe

Datameer is a business intelligence and analytics platform built on Hadoop. It allows end-users to access, explore and correlate large-scale, structured, semi-structured and unstructured data in an easy-to-use fashion.

In this instructor-led, live training, participants will learn how to use Datameer to overcome Hadoop's steep learning curve as they step through the setup and analysis of a series of big data sources.

By the end of this training, participants will be able to:

- Create, curate, and interactively explore an enterprise data lake
- Access business intelligence data warehouses, transactional databases and other analytic stores
- Use a spreadsheet user-interface to design end-to-end data processing pipelines
- Access pre-built functions to explore complex data relationships
- Use drag-and-drop wizards to visualize data and create dashboards
- Use tables, charts, graphs, and maps to analyze query results

Audience

- Data analysts

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice

Dolování dat je proces identifikace vzorů ve velkých datech pomocí metod vědy o datech, jako je strojové učení. Pomocí Excel jako analytické sady dat mohou uživatelé provádět těžbu a analýzu dat.

Tento instruktorem vedený živý trénink (na místě nebo na dálku) je zaměřen na vědce s údaji, kteří chtějí používat Excel k těžbě dat.

Na konci tohoto školení budou účastníci schopni:

- Prozkoumejte data pomocí Excel abyste mohli provádět těžbu a analýzu dat.
- Pro dolování dat použijte algoritmy společnosti Microsoft.
- Porozumět konceptům v těžbě dat Excel .

Formát kurzu

- Interaktivní přednáška a diskuse.
- Spousta cvičení a cvičení.
- Praktická implementace v prostředí živé laboratoře.

Možnosti přizpůsobení kurzu

- Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás a domluvte se.

Dremio je open-source "self-service datová platforma", která urychluje vyhledávání různých typů datových zdrojů. Dremio integruje s relativními databázemi, Apache Hadoop, MongoDB, Amazon S3, ElasticSearch a dalšími datovými zdroji. Podporuje SQL a poskytuje webový UI pro stavební dotazy.

V tomto živém tréninku vedeném instruktorem se účastníci dozví, jak nainstalovat, konfigurovat a používat Dremio jako jednotný vrstvu pro nástroje pro analýzu dat a základní datové záložky.

Po ukončení tohoto tréninku budou účastníci schopni:

Instalace a nastavení Dremio Provádění dotazů proti více zdrojům dat bez ohledu na umístění, velikost nebo strukturu Integrujte Dremio s BI a datovými zdroji, jako jsou Tableau a Elasticsearch

publikum

Data vědci Business Výzkumníci Data inženýři

Formát kurzu

Částečná přednáška, částečná diskuse, cvičení a těžká praxe

Poznámky

Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.

The objective of the course is to enable participants to gain a mastery of how to work with the SQL language in Oracle database for data extraction at intermediate level.

Apache Drill is a schema-free, distributed, in-memory columnar SQL query engine for Hadoop, NoSQL and other Cloud and file storage systems. The power of Apache Drill lies in its ability to join data from multiple data stores using a single query. Apache Drill supports numerous NoSQL databases and file systems, including HBase, MongoDB, MapR-DB, HDFS, MapR-FS, Amazon S3, Azure Blob Storage, Google Cloud Storage, Swift, NAS and local files. Apache Drill is the open source version of Google's Dremel system which is available as an infrastructure service called Google BigQuery.

In this instructor-led, live training, participants will learn the fundamentals of Apache Drill, then leverage the power and convenience of SQL to interactively query big data across multiple data sources, without writing code. Participants will also learn how to optimize their Drill queries for distributed SQL execution.

By the end of this training, participants will be able to:

- Perform "self-service" exploration on structured and semi-structured data on Hadoop
- Query known as well as unknown data using SQL queries
- Understand how Apache Drills receives and executes queries
- Write SQL queries to analyze different types of data, including structured data in Hive, semi-structured data in HBase or MapR-DB tables, and data saved in files such as Parquet and JSON.
- Use Apache Drill to perform on-the-fly schema discovery, bypassing the need for complex ETL and schema operations
- Integrate Apache Drill with BI (Business Intelligence) tools such as Tableau, Qlikview, MicroStrategy and Excel

Audience

- Data analysts
- Data scientists
- SQL programmers

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice

Apache Arrow is an open-source in-memory data processing framework. It is often used together with other data science tools for accessing disparate data stores for analysis. It integrates well with other technologies such as GPU databases, machine learning libraries and tools, execution engines, and data visualization frameworks.

In this onsite instructor-led, live training, participants will learn how to integrate Apache Arrow with various Data Science frameworks to access data from disparate data sources.

By the end of this training, participants will be able to:

- Install and configure Apache Arrow in a distributed clustered environment
- Use Apache Arrow to access data from disparate data sources
- Use Apache Arrow to bypass the need for constructing and maintaining complex ETL pipelines
- Analyze data across disparate data sources without having to consolidate it into a centralized repository

Audience

- Data scientists
- Data engineers

Format of the Course

- Part lecture, part discussion, exercises and heavy hands-on practice

Note

- To request a customized training for this course, please contact us to arrange.

Advances in technologies and the increasing amount of information are transforming how business is conducted in many industries, including government. Government data generation and digital archiving rates are on the rise due to the rapid growth of mobile devices and applications, smart sensors and devices, cloud computing solutions, and citizen-facing portals. As digital information expands and becomes more complex, information management, processing, storage, security, and disposition become more complex as well. New capture, search, discovery, and analysis tools are helping organizations gain insights from their unstructured data. The government market is at a tipping point, realizing that information is a strategic asset, and government needs to protect, leverage, and analyze both structured and unstructured information to better serve and meet mission requirements. As government leaders strive to evolve data-driven organizations to successfully accomplish mission, they are laying the groundwork to correlate dependencies across events, people, processes, and information.

High-value government solutions will be created from a mashup of the most disruptive technologies:

- Mobile devices and applications
- Cloud services
- Social business technologies and networking
- Big Data and analytics

IDC predicts that by 2020, the IT industry will reach $5 trillion, approximately $1.7 trillion larger than today, and that 80% of the industry's growth will be driven by these 3rd Platform technologies. In the long term, these technologies will be key tools for dealing with the complexity of increased digital information. Big Data is one of the intelligent industry solutions and allows government to make better decisions by taking action based on patterns revealed by analyzing large volumes of data — related and unrelated, structured and unstructured.

But accomplishing these feats takes far more than simply accumulating massive quantities of data.“Making sense of thesevolumes of Big Datarequires cutting-edge tools and technologies that can analyze and extract useful knowledge from vast and diverse streams of information,” Tom Kalil and Fen Zhao of the White House Office of Science and Technology Policy wrote in a post on the OSTP Blog.

The White House took a step toward helping agencies find these technologies when it established the National Big Data Research and Development Initiative in 2012. The initiative included more than $200 million to make the most of the explosion of Big Data and the tools needed to analyze it.

The challenges that Big Data poses are nearly as daunting as its promise is encouraging. Storing data efficiently is one of these challenges. As always, budgets are tight, so agencies must minimize the per-megabyte price of storage and keep the data within easy access so that users can get it when they want it and how they need it. Backing up massive quantities of data heightens the challenge.

Analyzing the data effectively is another major challenge. Many agencies employ commercial tools that enable them to sift through the mountains of data, spotting trends that can help them operate more efficiently. (A recent study by MeriTalk found that federal IT executives think Big Data could help agencies save more than $500 billion while also fulfilling mission objectives.).

Custom-developed Big Data tools also are allowing agencies to address the need to analyze their data. For example, the Oak Ridge National Laboratory’s Computational Data Analytics Group has made its Piranha data analytics system available to other agencies. The system has helped medical researchers find a link that can alert doctors to aortic aneurysms before they strike. It’s also used for more mundane tasks, such as sifting through résumés to connect job candidates with hiring managers.

Audience

If you try to make sense out of the data you have access to or want to analyse unstructured data available on the net (like Twitter, Linked in, etc...) this course is for you.

It is mostly aimed at decision makers and people who need to choose what data is worth collecting and what is worth analyzing.

It is not aimed at people configuring the solution, those people will benefit from the big picture though.

Delivery Mode

During the course delegates will be presented with working examples of mostly open source technologies.

Short lectures will be followed by presentation and simple exercises by the participants

Content and Software used

All software used is updated each time the course is run, so we check the newest versions possible.

It covers the process from obtaining, formatting, processing and analysing the data, to explain how to automate decision making process with machine learning.

Day 1 - provides a high-level overview of essential Big Data topic areas. The module is divided into a series of sections, each of which is accompanied by a hands-on exercise.

Day 2 - explores a range of topics that relate analysis practices and tools for Big Data environments. It does not get into implementation or programming details, but instead keeps coverage at a conceptual level, focusing on topics that enable participants to develop a comprehensive understanding of the common analysis functions and features offered by Big Data solutions.

Day 3 - provides an overview of the fundamental and essential topic areas relating to Big Data solution platform architecture. It covers Big Data mechanisms required for the development of a Big Data solution platform and architectural options for assembling a data processing platform. Common scenarios are also presented to provide a basic understanding of how a Big Data solution platform is generally used.

Day 4 - builds upon Day 3 by exploring advanced topics relatng to Big Data solution platform architecture. In particular, different architectural layers that make up the Big Data solution platform are introduced and discussed, including data sources, data ingress, data storage, data processing and security.

Day 5 - covers a number of exercises and problems designed to test the delegates ability to apply knowledge of topics covered Day 3 and 4.

Big Data is a term that refers to solutions destined for storing and processing large data sets. Developed by Google initially, these Big Data solutions have evolved and inspired other similar projects, many of which are available as open-source. R is a popular programming language in the financial industry.

When traditional storage technologies don't handle the amount of data you need to store there are hundereds of alternatives. This course try to guide the participants what are alternatives for storing and analyzing Big Data and what are theirs pros and cons.

This course is mostly focused on discussion and presentation of solutions, though hands-on exercises are available on demand.

The course is part of the Data Scientist skill set (Domain: Data and Technology).

Big data is data sets that are so voluminous and complex that traditional data processing application software are inadequate to deal with them. Big data challenges include capturing data, data storage, data analysis, search, sharing, transfer, visualization, querying, updating and information privacy.

Vespa is an open-source big data processing and serving engine created by Yahoo. It is used to respond to user queries, make recommendations, and provide personalized content and advertisements in real-time.

This instructor-led, live training introduces the challenges of serving large-scale data and walks participants through the creation of an application that can compute responses to user requests, over large datasets in real-time.

By the end of this training, participants will be able to:

- Use Vespa to quickly compute data (store, search, rank, organize) at serving time while a user waits
- Implement Vespa into existing applications involving feature search, recommendations, and personalization
- Integrate and deploy Vespa with existing big data systems such as Hadoop and Storm.

Audience

- Developers

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice

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)

Advances in technologies and the increasing amount of information are transforming how law enforcement is conducted. The challenges that Big Data pose are nearly as daunting as Big Data's promise. Storing data efficiently is one of these challenges; effectively analyzing it is another.

In this instructor-led, live training, participants will learn the mindset with which to approach Big Data technologies, assess their impact on existing processes and policies, and implement these technologies for the purpose of identifying criminal activity and preventing crime. Case studies from law enforcement organizations around the world will be examined to gain insights on their adoption approaches, challenges and results.

By the end of this training, participants will be able to:

- Combine Big Data technology with traditional data gathering processes to piece together a story during an investigation
- Implement industrial big data storage and processing solutions for data analysis
- Prepare a proposal for the adoption of the most adequate tools and processes for enabling a data-driven approach to criminal investigation

Audience

- Law Enforcement specialists with a technical background

Format of the course

- Part lecture, part discussion, exercises and heavy hands-on practice

This classroom based training session will explore Big Data. Delegates will have computer based examples and case study exercises to undertake with relevant big data tools

Objective : This training course aims at helping attendees understand why Big Data is changing our lives and how it is altering the way businesses see us as consumers. Indeed, users of big data in businesses find that big data unleashes a wealth of information and insights which translate to higher profits, reduced costs, and less risk. However, the downside was frustration sometimes when putting too much emphasis on individual technologies and not enough focus on the pillars of big data management.

Attendees will learn during this course how to manage the big data using its three pillars of data integration, data governance and data security in order to turn big data into real business value. Different exercices conducted on a case study of customer management will help attendees to better understand the underlying processes.

This instructor-led, live training in České republice (online or onsite) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data.

By the end of this training, participants will:

- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.

Apache Sqoop je rozhraní příkazového řádku pro přesun dat z relačních databází a Hadoop. Apache Flume je distribuovaný software pro správu velkých objemů dat. Pomocí Sqoop a Flume mohou uživatelé přenášet data mezi systémy a importovat velká data do architektur úložišť, jako je Hadoop.

Tento instruktor-vedl, živé školení (na místě nebo vzdálené) je zaměřena na softwarové inženýry, kteří chtějí používat Sqoop a Flume pro přenos dat mezi systémy.

Do konce tohoto školení budou účastníci moci:

- Služte velká data pomocí Sqoop a Flume.
- Ingestování dat z více zdrojů dat.
- Přesuňte data z relačních databází do HDFS a Hive.
- Exportujte data z HDFS do relační databáze.

Formát kurzu

- Interaktivní přednáška a diskuse.
- Spousta cvičení a praxe.
- Praktická implementace v prostředí živé laboratoře.

Možnosti přizpůsobení kurzu

- Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a zamluvte si.

Talend Open Studio pro Big Data je open source ETL nástroj pro zpracování velkých dat. To zahrnuje rozvojové prostředí k interakci s Big Data zdroji a cíli, a provádět práce bez nutnosti psát kód.

Tento výcvik vedený instruktorem (online nebo on-site) je zaměřen na technické osoby, které chtějí zavést Talend Open Studio pro Big Data s cílem zjednodušit proces čtení a čtení prostřednictvím Big Data.

Po ukončení tohoto tréninku budou účastníci schopni:

Instalace a nastavení Talend Open Studio pro Big Data. Připojte se k Big Data systémům, jako jsou Cloudera, HortonWorks, MapR, Amazon EMR a Apache. Pochopte a nastavte velké datové komponenty a konektory Open Studio's. Nastavení parametrů pro automatické generování kódu MapReduce. Použijte rozhraní Open Studio's drag-and-drop pro spuštění Hadoop pracovních míst. Prototyp velkých datových potrubí. Automatizace projektů integrace velkých dat.

Formát kurzu

Interaktivní přednáška a diskuse. Mnoho cvičení a praxe. Hands-on implementace v živém laboratoři prostředí.

Možnosti personalizace kurzu

Chcete-li požádat o přizpůsobené školení pro tento kurz, kontaktujte nás, abyste uspořádali.

The course is dedicated to IT specialists that are looking for a solution to store and process large data sets in distributed system environment

Course goal:

Getting knowledge regarding Hadoop cluster administration