Big Data & Database Systems Fundamentals Počítačový Kurz

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na správce databází nebo vývojáře, kteří chtějí používat Microsoft Azure Cosmos DB k vývoji a správě vysoce citlivých aplikací s nízkou latencí.

Na konci tohoto školení budou účastníci schopni:

• Poskytněte potřebné zdroje Cosmos DB, abyste mohli začít budovat databáze a aplikace.
• Škálujte výkon a úložiště aplikací pomocí API v Cosmos DB.
• Spravujte databázové operace a snižte náklady optimalizací zdrojů Cosmos DB.

V tomto živém školení vedeném instruktorem v České republice se účastníci naučí, jak vytvořit Data Vault.

Na konci tohoto školení budou účastníci schopni:

• Pochopte architekturu a koncepty designu za Data Vault 2.0 a její interakci s Big Data, NoSQL a AI.
• Použijte techniky ukládání dat k umožnění auditování, trasování a kontroly historických dat v datovém skladu.
• Vyvinout konzistentní a opakovatelný proces ETL (Extract, Transform, Load).
• Vybudujte a nasaďte vysoce škálovatelné a opakovatelné sklady.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové inženýry, datové vědce a programátory, kteří chtějí používat funkce Spark Streaming při zpracování a analýze dat v reálném čase.

Na konci tohoto školení budou účastníci schopni používat Spark Streaming ke zpracování živých datových toků pro použití v databázích, souborových systémech a živých řídicích panelech.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí implementovat zpracování Apache Kafka streamu bez psaní kódu.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Confluence KSQL.
• Nastavte kanál zpracování datového proudu pouze pomocí příkazů SQL (bez kódování Java nebo Python).
• Provádějte filtrování dat, transformace, agregace, spojení, okna a sessionization zcela v SQL.
• Navrhněte a nasaďte interaktivní, nepřetržité dotazy pro streamování ETL a analýzy v reálném čase.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří se chtějí naučit principy trvalého a čistého úložiště v paměti při vytváření vzorového projektu výpočetního systému v paměti.

Na konci tohoto školení budou účastníci schopni:

• Použijte Ignite pro perzistenci v paměti, na disku a také čistě distribuovanou databázi v paměti.
• Dosáhněte stálosti bez synchronizace dat zpět do relační databáze.
• Použijte Ignite k provedení SQL a distribuovaných spojení.
• Zlepšete výkon přesunutím dat blíže k CPU pomocí RAM jako úložiště.
• Rozložte datové sady napříč clusterem, abyste dosáhli horizontální škálovatelnosti.
• Integrujte Ignite s RDBMS, NoSQL, Hadoop a procesory strojového učení.

Apache Beam je unifikovaný programovací model s otevřeným zdrojovým kódem pro definování a spouštění paralelních kanálů zpracování dat. Jeho síla spočívá v jeho schopnosti spouštět jak dávkové, tak streamingové kanály, přičemž spouštění je prováděno jedním z podporovaných back-endů distribuovaného zpracování Beam: Apache Apex, Apache Flink, Apache Spark a Google Cloud Dataflow. Apache Beam je užitečný pro úlohy ETL (Extract, Transform, and Load), jako je přesun dat mezi různými paměťovými médii a zdroji dat, transformace dat do vhodnějšího formátu a načítání dat do nového systému.

V tomto živém školení vedeném instruktorem (na místě nebo na dálku) se účastníci naučí, jak implementovat Apache Beam SDK v Java nebo Python aplikaci, která definuje kanál pro zpracování dat pro rozložení velké datové sady na menší kusy. pro nezávislé paralelní zpracování.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Apache Beam.
• Použijte jediný programovací model k provádění dávkového i proudového zpracování v rámci jejich Java nebo Python aplikace.
• Spouštějte kanály v různých prostředích.

Formát kurzu

• Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Poznámka

• Tento kurz bude k dispozici Scala v budoucnu. Pro domluvu nás prosím kontaktujte.

Apache Apex je nativní platforma YARN, která sjednocuje stream a dávkové zpracování. Zpracovává velká data v pohybu způsobem, který je škálovatelný, výkonný, odolný proti chybám, stavový, bezpečný, distribuovaný a snadno ovladatelný.

Toto živé školení vedené instruktorem představuje sjednocenou architekturu zpracování datových proudů Apache Apex a provede účastníky vytvořením distribuované aplikace využívající Apex na Hadoop.

Na konci tohoto školení budou účastníci schopni:

• Pochopte koncepty potrubí zpracování dat, jako jsou konektory pro zdroje a jímky, běžné transformace dat atd.
• Sestavte, škálujte a optimalizujte aplikaci Apex
• Zpracovávejte datové toky v reálném čase spolehlivě a s minimální latencí
• Použijte Apex Core a knihovnu Apex Malhar k umožnění rychlého vývoje aplikací
• Použijte Apex API k zápisu a opětovnému použití existujícího Java kódu
• Integrujte Apex do jiných aplikací jako procesor pro zpracování
• Laďte, testujte a škálujte aplikace Apex

Formát kurzu

• Interaktivní přednáška a diskuze.
• Spousta cvičení a cvičení.
• Praktická implementace v prostředí živé laboratoře.

Možnosti přizpůsobení kurzu

• Chcete-li požádat o školení na míru pro tento kurz, kontaktujte nás a domluvíme se.

Apache Storm je distribuovaný výpočetní stroj v reálném čase, který se používá k umožnění business intelligence v reálném čase. Činí tak tím, že umožňuje aplikacím spolehlivě zpracovávat neomezené toky dat (neboli zpracování toků).

"Storm je pro zpracování v reálném čase totéž, co Hadoop pro dávkové zpracování!"

V tomto živém školení vedeném instruktorem se účastníci naučí, jak nainstalovat a nakonfigurovat Apache Storm, poté vyvinout a nasadit Apache Storm aplikaci pro zpracování velkých dat v reálném čase.

Některá z témat zahrnutých v tomto školení zahrnují:

• Apache Storm v kontextu Hadoop
• Práce s neomezenými daty
• Kontinuální výpočet
• Analytika v reálném čase
• Distribuované RPC a ETL zpracování

Vyžádejte si tento kurz nyní!

Publikum

• Vývojáři softwaru a ETL
• Profesionálové na sálové počítače
• Datoví vědci
• Analytici velkých dat
• Hadoop profesionálové

Formát kurzu

• Část přednáška, část diskuse, cvičení a těžké praktické cvičení

V tomto živém školení vedeném instruktorem v České republice (na místě nebo na dálku) se účastníci naučí, jak nasadit a spravovat Apache NiFi v živém laboratorním prostředí.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Apachi NiFi.
• Zdroj, transformace a správa dat z nesourodých, distribuovaných zdrojů dat, včetně databází a velkých datových jezer.
• Automatizujte datové toky.
• Povolit analýzu streamování.
• Aplikujte různé přístupy ke zpracování dat.
• Transformujte Big Data do obchodních postřehů.

V tomto živém školení pod vedením instruktora v České republice se účastníci naučí základy programování založeného na toku při vývoji řady demo rozšíření, komponent a procesorů pomocí Apache NiFi.

Na konci tohoto školení budou účastníci schopni:

• Pochopte architekturu a koncepty toku dat NiFi.
• Vyvíjejte rozšíření pomocí NiFi a API třetích stran.
• Vlastní vývoj vlastního procesoru Apache Nifi.
• Ingestujte a zpracujte data v reálném čase z různorodých a neobvyklých formátů souborů a zdrojů dat.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) představuje principy a přístupy za distribuovaným streamem a dávkovým zpracováním dat a provede účastníky vytvořením aplikace pro streamování dat v reálném čase v Apache Flink.

Na konci tohoto školení budou účastníci schopni:

• Nastavte prostředí pro vývoj aplikací pro analýzu dat.
• Pochopte, jak funguje knihovna pro zpracování grafů (Gelly) Apache Flink.
• Zabalte, spouštějte a monitorujte aplikace pro streamování dat založené na Flink, odolné proti chybám.
• Zvládejte různé pracovní zátěže.
• Provádějte pokročilé analýzy.
• Nastavte víceuzlový cluster Flink.
• Měřte a optimalizujte výkon.
• Integrujte Flink s různými Big Data systémy.
• Porovnejte funkce Flink s funkcemi jiných rámců pro zpracování velkých dat.

V tomto živém školení pod vedením instruktora v České republice se účastníci naučí, jak používat Python a Spark společně k analýze velkých dat při práci na praktických cvičeních.

Na konci tohoto školení budou účastníci schopni:

• Naučte se používat Spark s Python k analýze Big Data.
• Pracujte na cvičeních, která napodobují případy ze skutečného světa.
• Použijte různé nástroje a techniky pro analýzu velkých dat pomocí PySpark.

V tomto živém školení pod vedením instruktora v České republice se účastníci seznámí s nabídkou technologií a implementačními přístupy pro zpracování grafových dat. Cílem je identifikovat objekty reálného světa, jejich charakteristiky a vztahy, poté tyto vztahy modelovat a zpracovat je jako data pomocí přístupu Graph Computing (také známého jako Graph Analytics). Začínáme širokým přehledem a zužujeme se na konkrétní nástroje, když procházíme řadou případových studií, praktických cvičení a živých nasazení.

Na konci tohoto školení budou účastníci schopni:

• Pochopte, jak jsou grafová data uchovávána a procházena.
• Vyberte nejlepší rámec pro daný úkol (od databází grafů po rámce pro dávkové zpracování.)
• Implementujte Hadoop, Spark, GraphX a Pregel k provádění grafových výpočtů na mnoha strojích paralelně.
• Podívejte se na problémy s velkými daty v reálném světě z hlediska grafů, procesů a průchodů.

Tento kurz je určen pro vývojáře a datové vědce, kteří chtějí porozumět umělé inteligenci a implementovat ji do svých aplikací. Zvláštní pozornost je věnována analýze dat, distribuované umělé inteligenci a zpracování přirozeného jazyka.

MLlib je knihovna Spark pro strojové učení (ML). Jeho cílem je učinit praktické strojové učení škálovatelné a snadné. Skládá se z běžných výukových algoritmů a utilit, včetně klasifikace, regrese, shlukování, kolaborativního filtrování, redukce rozměrů, stejně jako optimalizačních primitiv nižší úrovně a rozhraní API na vyšší úrovni.

Dělí se na dva balíčky:

spark.mllib obsahuje původní API postavené na RDD. spark.ml poskytuje API vyšší úrovně postavené na DataFrames pro vytváření kanálů ML.

Publikum

Tento kurz je zaměřen na inženýry a vývojáře, kteří chtějí využít vestavěnou knihovnu strojů pro Apache Spark