Hadoop Školení v Prague

Toto živé školení vedené instruktorem v Prague (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 is the most popular Big Data processing framework.

V tomto školení pod vedením instruktora v Prague 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 Prague (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 Prague (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 Prague 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 is an open source massively parallel processing (MPP) SQL query engine for Apache Hadoop clusters. Impala enables users to issue low-latency SQL queries to data stored in Hadoop Distributed File System and Apache Hbase without requiring data movement or transformation. Audience This course is aimed at analysts and data scientists performing analysis on data stored in Hadoop via Business Intelligence or SQL tools. After this course delegates will be able to

• Extract meaningful information from Hadoop clusters with Impala.
• Write specific programs to facilitate Business Intelligence in Impala SQL Dialect.
• Troubleshoot 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 Prague (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.