Struttura del corso

Fondamenti di Data-Intensive Platform Engineering

  • Introduzione alle applicazioni ad alta intensità di dati
  • Sfide nell'ingegneria delle piattaforme per i big data
  • Cenni preliminari sulle architetture di elaborazione dei dati

Modellazione dei dati e Management

  • Principi di modellazione dei dati per la scalabilità
  • Opzioni di archiviazione e ottimizzazione dei dati
  • Gestione del ciclo di vita dei dati in un ambiente distribuito

Big Data Quadri di elaborazione

  • Panoramica degli strumenti per l'elaborazione dei big data (Hadoop, Spark, Flink)
  • Elaborazione batch vs. elaborazione in streaming
  • Impostazione di una pipeline di elaborazione dei Big Data

Piattaforme di analisi in tempo reale

  • Progettazione per l'analisi in tempo reale
  • Motori di elaborazione del flusso (Flussi di Kafka, Apache Storm)
  • Creazione di dashboard e visualizzazioni in tempo reale

Orchestrazione della pipeline di dati

  • Gestione del flusso di lavoro con Apache Airflow e altri
  • Automatizzare le pipeline di dati per l'efficienza
  • Monitoraggio e avvisi per le pipeline di dati

Sicurezza e conformità della piattaforma

  • Best practice di sicurezza per le piattaforme di dati
  • Garantire la privacy dei dati e la conformità alle normative
  • Implementazione di controlli di accesso ai dati sicuri

Ottimizzazione e ottimizzazione delle prestazioni

  • Tecniche per l'ottimizzazione della velocità effettiva e della latenza dei dati
  • Strategie di scalabilità per piattaforme ad alta intensità di dati
  • Benchmarking e monitoraggio delle prestazioni

Casi di studio e best practice

  • Analisi delle implementazioni di successo della piattaforma dati
  • Lezioni apprese dai leader del settore
  • Tendenze emergenti nell'ingegneria delle piattaforme ad alta intensità di dati

Progetto Capstone

  • Progettazione di una soluzione di piattaforma per un'applicazione ad alta intensità di dati
  • Implementazione di un prototipo della pipeline di elaborazione dei dati
  • Valutazione delle prestazioni e della scalabilità della piattaforma

Riepilogo e prossime tappe

Requisiti

  • Comprensione delle strutture dati e degli algoritmi di base
  • Esperienza con la programmazione Java, Scala o Python
  • Familiarità con i concetti di base delle basi di dati e SQL

Pubblico

  • Sviluppatori di software
  • Ingegneri dei dati
  • Cavi tecnici
 21 ore

Numero di Partecipanti



Prezzo per Partecipante

Recensioni (3)

Corsi relativi

Advanced Platform Engineering: Scaling with Microservices and Kubernetes

35 ore

DevOps and Platform Engineering: A Collaborative Approach

14 ore

Platform Engineering Fundamentals

14 ore

Platform Engineering for Business Strategy and Management

21 ore

Platform Engineering with Cloud-Native Technologies

28 ore

Platform Engineering for Developers

21 ore

Platform Engineering: Security and Compliance

28 ore

AI-Augmented Software Engineering (AIASE)

14 ore

AI Coding Assistants: Enhancing Developer Productivity

7 ore

FlexNet Publisher Fundamentals

14 ore

Impacted Function Point (IFP)

7 ore

SNAP IFPUG Software Size Estimation and Measurement

14 ore

Software Engineering

35 ore

Unit of Software Measurement Parameterization (UMSP)

7 ore

The Principal Engineer - Masterclass

14 ore

Categorie relative