Hadoop Školení v Brno

Toto živé školení vedené instruktorem v Brno (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat a integrovat Spark, Hadoop a Python ke zpracování, analýze a transformaci velkých a komplexních souborů dat.Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné prostředí, abyste mohli začít zpracovávat velká data pomocí Spark, Hadoop a Python.
• Pochopte funkce, základní komponenty 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).
• Vytvářejte společné systémy doporučení filtrování podobné jako Netflix, YouTube, Amazon, Spotify a Google.
• Použijte Apache Mahout ke škálování algoritmů strojového učení.

Tento kurz se zabývá tím, jak používat jazyk Hive SQL (AKA: Hive HQL, SQL on Hive, HiveQL) pro lidi, kteří extrahují data z Hive

Datameer je platforma business intelligence a analýzy postavená na Hadoop. Umožňuje koncovým uživatelům přistupovat, prozkoumávat a korelovat rozsáhlá, strukturovaná, polostrukturovaná a nestrukturovaná data snadno použitelným způsobem.V tomto živém školení vedeném instruktorem se účastníci naučí, jak používat Datameer k překonání strmé křivky učení Hadoop, když procházejí nastavením a analýzou řady zdrojů velkých dat.Na konci tohoto školení budou účastníci schopni:

Vytvářejte, spravujte a interaktivně prozkoumávejte podnikové datové jezero Access datové sklady business intelligence, transakční databáze a další analytická úložiště Použijte uživatelské rozhraní tabulkového procesoru k navrhování komplexních kanálů zpracování dat Access předpřipravené funkce k prozkoumání složité vztahy dat Použijte průvodce přetažením k vizualizaci dat a vytvoření řídicích panelů Použití tabulek, grafů, grafů a map k analýze výsledků dotazů

Publikum

Datové analytiky

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Publikum:Kurz je určen pro IT specialisty, kteří hledají řešení pro ukládání a zpracování velkých datových sad v prostředí distribuovaného systémuGoal:Hluboké znalosti Hadoop administrace clusteru.

Analýza velkých dat zahrnuje proces zkoumání velkého množství různých datových sad s cílem odhalit korelace, skryté vzorce a další užitečné poznatky.Zdravotnický průmysl má obrovské množství komplexních heterogenních lékařských a klinických dat. Použití analýzy velkých dat na zdravotní data představuje obrovský potenciál při získávání poznatků pro zlepšení poskytování zdravotní péče. Obrovské množství těchto datových souborů však představuje velké výzvy v analýzách a praktických aplikacích v klinickém prostředí.V tomto živém školení (na dálku) vedeném instruktorem se účastníci naučí, jak provádět analýzu velkých dat ve zdraví, když projdou řadou praktických cvičení v laboratoři.Na konci tohoto školení budou účastníci schopni:

Nainstalujte a nakonfigurujte nástroje pro analýzu velkých objemů dat, jako je Hadoop MapReduce a Spark Pochopte vlastnosti lékařských dat Použití technik velkých dat pro práci s lékařskými daty Studujte systémy a algoritmy velkých dat v kontextu zdravotnických aplikací

Publikum

Vývojáři Data Scientists

Formát kurzu

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

Poznámka

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

Kurz je určen IT specialistům, kteří hledají řešení pro ukládání a zpracování velkých datových sad v prostředí distribuovaného systémuCíl kurzu:Získání znalostí o administraci clusteru Hadoop

Apache Hadoop je nejpopulárnější framework pro zpracování velkých dat na clusterech serverů. V tomto třídenním (volitelně čtyřdenním) kurzu se účastníci dozvědí o obchodních výhodách a případech použití pro Hadoop a jeho ekosystém, jak plánovat nasazení a růst clusteru, jak instalovat, udržovat, monitorovat, odstraňovat problémy a optimalizovat [2 ]. Procvičí si také hromadné načítání dat clusteru, seznámí se s různými Hadoop distribucemi a procvičí si instalaci a správu Hadoop ekosystémových nástrojů. Kurz je zakončen diskusí o zabezpečení clusteru s Kerberos.„…Materiály byly velmi dobře připravené a důkladně zakryté. Laboratoř byla velmi nápomocná a dobře organizovaná“ — Andrew Nguyen, hlavní integrační DW inženýr, Microsoft Online reklamaPublikumHadoop správciFormátPřednášky a praktické laboratoře, přibližná bilance 60 % přednášek, 40 % laboratoří.

Apache Hadoop je nejpopulárnější framework pro zpracování velkých dat na clusterech serverů. Tento kurz seznámí vývojáře s různými komponentami (HDFS, MapReduce, Pig, Hive a HBase) ekosystémem Hadoop. 

Apache Hadoop je jedním z nejpopulárnějších frameworků pro zpracování velkých dat na clusterech serverů. Tento kurz se ponoří do správy dat v HDFS, pokročilém Pig, Hive a HBase. Tyto pokročilé programovací techniky budou přínosem pro zkušené vývojáře Hadoop.Publikum: vývojářiDoba trvání: tři dnyFormát: přednášky (50 %) a praktické cvičení (50 %). 

Hadoop je nejoblíbenější Big Data zpracovatelský rámec.

V tomto školení pod vedením instruktora v Brno se účastníci seznámí se základními složkami Hadoop ekosystému a jak lze tyto technologie použít k řešení rozsáhlých problémů. Osvojením si těchto základů si účastníci zlepší svou schopnost komunikovat s vývojáři a implementátory těchto systémů, stejně jako s datovými vědci a analytiky, které mnoho IT projektů zahrnuje.Publikum

• Projektoví manažeři, kteří chtějí implementovat Hadoop do svého stávajícího vývoje nebo IT infrastruktury
• Projektoví manažeři, kteří potřebují komunikovat s mezifunkčními týmy, které zahrnují velké datové inženýry, datové vědce a obchodní analytiky

Publikum:Tento kurz je určen k demystifikaci big data/hadoop technologie a ukázat, že není těžké porozumět.

Hadoop je populární Big Data zpracovatelský rámec. Python je programovací jazyk vysoké úrovně známý pro jeho jasný syntax a čitelnost kódu. V tomto instruktorově vedeném, živém tréninku se účastníci dozví, jak pracovat s Hadoop, MapReduce, Pig, a Spark pomocí Python, jak postupují prostřednictvím několika příkladů a používají případy. Po ukončení tohoto tréninku budou účastníci schopni:

• Pochopte základní pojmy za Hadoop, MapReduce, Pig a Spark
• Používejte Python s Hadoop Distributed File System (HDFS), MapReduce, Pig a Spark
• Použijte Snakebite pro programový přístup k HDFS v rámci Python
• Použijte mrjob psát MapReduce práce v Python
• Napsat Spark programy s Python
• Rozšiřte funkčnost prasat pomocí Python UDF
• Řízení MapReduce pracovních míst a Pig scripts pomocí Luigi

publikum

• Vývojáři
• IT profesionálové

Formát kurzu

• Částečná přednáška, částečná diskuse, cvičení a těžká praxe

Toto živé školení vedené instruktorem v Brno (online nebo na místě) je zaměřeno na systémové administrátory, kteří se chtějí naučit, jak nastavit, nasadit a spravovat Hadoop clustery v rámci své organizace.Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte Apache Hadoop.
• Pochopte čtyři hlavní součásti ekoystému Hadoop: HDFS, MapReduce, YARN a Hadoop Common.
• Použijte Hadoop Distributed File System (HDFS) ke škálování clusteru na stovky nebo tisíce uzlů.
• Nastavte HDFS tak, aby fungoval jako úložný modul pro místní nasazení Spark.
• Nastavte Spark pro přístup k alternativním úložným řešením, jako jsou databázové systémy Amazon S3 a NoSQL, jako jsou Redis, Elasticsearch, Couchbase, Aerospike atd.
• Provádějte administrativní úkoly, jako je poskytování, správa, monitorování a zabezpečení clusteru Apache Hadoop.

Tento kurz představuje HBase – obchod č.SQL na vrcholu Hadoop. Kurz je určen pro vývojáře, kteří budou používat HBase k vývoji aplikací, a administrátory, kteří budou spravovat clustery HBase.Provedeme vývojáře architekturou HBase a datovým modelováním a vývojem aplikací na HBase. Bude také diskutovat o používání MapReduce s HBase a některých tématech správy souvisejících s optimalizací výkonu. Kurz je velmi praktický se spoustou laboratorních cvičení.Doba trvání: 3 dnyPublikum: Vývojáři a správci

V tomto živém školení vedeném instruktorem v Brno (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 vedeném instruktorem v Brno 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.

Apache Samza je open-source asynchronní výpočetní framework pro zpracování streamů téměř v reálném čase. Používá Apache Kafka pro zasílání zpráv a Apache Hadoop YARN pro odolnost proti chybám, izolaci procesoru, zabezpečení a správu zdrojů.Toto živé školení vedené instruktorem představuje principy systémů zasílání zpráv a distribuovaného zpracování datových proudů, přičemž účastníky provede vytvořením vzorového projektu založeného na Samze a provedením úlohy.Na konci tohoto školení budou účastníci schopni:

Použijte Samza ke zjednodušení kódu potřebného k vytváření a používání zpráv. Oddělte zpracování zpráv od aplikace. Použijte Samza k implementaci asynchronních výpočtů téměř v reálném čase. Použijte zpracování toku k zajištění vyšší úrovně abstrakce oproti systémům zasílání zpráv.

Publikum

Vývojáři

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Cloudera Impala je dotazovací stroj s otevřeným zdrojovým kódem pro masivní paralelní zpracování (MPP) SQL pro clustery Apache Hadoop.Impala umožňuje uživatelům zadávat dotazy s nízkou latencí SQL na data uložená v Hadoop Distributed File System a Apache Hbase bez nutnosti přesunu nebo transformace dat.PublikumTento kurz je zaměřen na analytiky a datové vědce provádějící analýzu dat uložených v Hadoop prostřednictvím nástrojů Business Intelligence nebo SQL.Po tomto kurzu budou moci delegáti

Extrahujte smysluplné informace z klastrů Hadoop pomocí Impala. Napište specifické programy pro usnadnění Business Intelligence v Impala SQL Dialect. Odstraňování problémů s Impala.

Apache Ambari je open-source platforma pro správu pro poskytování, správu, monitorování a zabezpečení clusterů Apache Hadoop.V tomto živém školení vedeném instruktorem se účastníci naučí manažerské nástroje a postupy poskytované Ambari k úspěšnému řízení Hadoop klastrů.Na konci tohoto školení budou účastníci schopni:

Nastavení živého clusteru velkých dat pomocí Ambari Aplikujte pokročilé funkce a funkce Ambari na různé případy použití Bezproblémové přidávání a odebírání uzlů podle potřeby Zlepšete Hadoop výkon clusteru pomocí ladění a ladění

Publikum

DevOps System Administrators DBA Hadoop odborníci na testování

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

Toto živé školení vedené instruktorem v Brno (online nebo na místě) představuje Hortonworks Data Platform (HDP) a provede účastníky nasazením řešení Spark + Hadoop.Na konci tohoto školení budou účastníci schopni:

Použijte Hortonworks ke spolehlivému provozu Hadoop ve velkém měřítku. Sjednoťte možnosti zabezpečení, správy a provozu Hadoop s agilními analytickými pracovními postupy Spark. Použijte Hortonworks k prozkoumání, ověření, certifikaci a podpoře každé z komponent v projektu Spark. Zpracovávejte různé typy dat, včetně strukturovaných, nestrukturovaných, v pohybu a v klidu.