Corso di formazione HBase per sviluppatori

Pubblico Obiettivo:

Il corso è destinato ai professionisti IT in cerca di una soluzione per archiviare e processare grandi insiemi di dati in un ambiente di sistema distribuito.

Goal:

Conoscenze approfondite nell'amministrazione del cluster Hadoop.

L'analisi dei big data coinvolge il processo di esaminare grandi quantità di set di dati vari per scoprire correlazioni, pattern nascosti e altre utili intuizioni.

L'industria sanitaria dispone di enormi quantità di dati medici e clinici complessi e eterogenei. L'applicazione dell'analisi dei big data ai dati sanitari presenta un enorme potenziale per derivare intuizioni che migliorino la fornitura di cure sanitarie. Tuttavia, l'enormità di questi set di dati comporta grandi sfide nelle analisi e nelle applicazioni pratiche in un ambiente clinico.

In questo training guidato dall'instruttore (remoto), i partecipanti impareranno come eseguire l'analisi dei big data in campo sanitario attraverso una serie di esercizi pratica guidati dal vivo.

Al termine di questo training, i partecipanti saranno in grado di:

• Installare e configurare strumenti di analisi dei big data come Hadoop MapReduce e Spark
• Comprendere le caratteristiche dei dati medici
• Applicare tecniche di big data per gestire i dati medici
• Studiare sistemi e algoritmi di big data nel contesto delle applicazioni sanitarie

Pubblico di riferimento

• Sviluppatori
• Data Scientists

Formato del Corso

• Parte lezione, parte discussione, esercizi e pratica intensiva.

Note

• Per richiedere un training personalizzato per questo corso, si prega di contattarci per organizzarlo.

Quando le tecnologie di archiviazione tradizionali non gestiscono la quantità di dati che si desidera memorizzare, esistono centinaia di alternative. Questo corso cerca di guidare i partecipanti nell'identificazione delle alternative per l'archiviazione e l'analisi dei Big Data, evidenziando i loro punti di forza e le debolezze.

Il corso si concentra principalmente sulla discussione e sulla presentazione delle soluzioni, anche se esercitazioni pratiche sono disponibili su richiesta.

Il corso fa parte del set di competenze del Data Scientist (Dominio: Dati e Tecnologia).

Questo corso di formazione guidato da istruttori in Italia (online o in sede) è rivolto a amministratori di database o sviluppatori che desiderano utilizzare Microsoft Azure Cosmos DB per sviluppare e gestire applicazioni altamente reattive e a bassa latenza.

Al termine di questo corso, i partecipanti saranno in grado di:

• Fornire le risorse necessarie di Cosmos DB per iniziare a creare database e applicazioni.
• Scalare le prestazioni e lo storage delle applicazioni utilizzando API in Cosmos DB. 
• Gestire operazioni di database e ridurre i costi ottimizzando le risorse di Cosmos DB.

Apache Hadoop è il framework più popolare per il processing Big Data su cluster di server. In questo corso di tre (opzionalmente quattro) giorni, gli iscritti impareranno i benefici aziendali e i casi d'uso per Hadoop ed il suo ecosistema, come pianificare la distribuzione e lo scaling del cluster, come installare, mantenere, monitorare, risolvere problemi e ottimizzare Hadoop. Praticheranno anche il caricamento di dati bulk sul cluster, si familiarizzeranno con varie distribuzioni di Hadoop, ed impareranno a installare e gestire gli strumenti dell'ecosistema Hadoop. Il corso si conclude con una discussione sulla sicurezza del cluster tramite Kerberos.

"...I materiali sono stati preparati molto bene e coperti in modo approfondito. La Lab è stata molto utile ed organizzata bene"— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Target

Amministratori di Hadoop

Formato

Lezioni e laboratori pratici, equilibrio approssimativo 60% lezioni, 40% laboratorio.

Apache Hadoop è il framework più popolare per l'elaborazione di Big Data su cluster di server. Questo corso introdurrà gli sviluppatori a vari componenti dell'ecosistema Hadoop, tra cui HDFS, MapReduce, Pig, Hive e HBase.

Apache Hadoop è uno dei framework più popolari per l'elaborazione di Big Data su cluster di server. Questo corso si concentra sulla gestione dei dati in HDFS, Pig avanzato, Hive e HBase. Queste tecniche di programmazione avanzate saranno utili agli sviluppatori Hadoop esperti.

Pubblico: sviluppatori

Durata: tre giorni

Formato: lezioni (50%) e laboratori pratici (50%).

Pubblico Obiettivo:

Questo corso è progettato per demistificare la tecnologia big data/Hadoop e mostrare che non è difficile da comprendere.

Questo corso di formazione diretto dall'instruttore (online o in presenza) è rivolto agli amministratori di sistema che desiderano imparare come configurare, distribuire e gestire cluster Hadoop all'interno della loro organizzazione.

Al termine di questo corso, i partecipanti saranno in grado di:

• Installare e configurare Apache Hadoop.
• Comprendere i quattro principali componenti nell'ecosistema Hadoop: HDFS, MapReduce, YARN e Hadoop Common.
• Utilizzare il Hadoop Distributed File System (HDFS) per scalare un cluster a centinaia o migliaia di nodi.
• Configurare HDFS come motore di archiviazione per distribuzioni Spark on-premise.
• Configurare Spark per accedere a soluzioni di archiviazione alternative come Amazon S3 e sistemi database NoSQL come Redis, Elasticsearch, Couchbase, Aerospike, ecc.
• Eseguire attività amministrative come provisioning, gestione, monitoraggio e protezione di un cluster Apache Hadoop.

Apache NiFi è una piattaforma open-source, basata sui flussi, per l'integrazione dei dati e il processo degli eventi. Consente di automatizzare il routing, la trasformazione e la mediazione del sistema in tempo reale tra sistemi diversi, con un'interfaccia web e un controllo granulare.

Questo training guidato dal docente (in loco o remoto) è rivolto a amministratori e ingegneri di livello intermedio che desiderano distribuire, gestire, proteggere e ottimizzare i flussi di dati NiFi in ambienti di produzione.

Al termine di questo training, i partecipanti saranno in grado di:

• Installare, configurare e mantenere cluster Apache NiFi.
• Progettare e gestire flussi di dati da sorgenti e destinazioni varie.
• Implementare logiche di automazione dei flussi, routing e trasformazione.
• Ottimizzare le prestazioni, monitorare le operazioni e risolvere problemi.

Formato del Corso

• Lezione interattiva con discussione su architetture reali.
• Laboratori pratici: costruire, distribuire e gestire flussi.
• Esercizi basati su scenari in un ambiente live-lab.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare l'evento.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno i fondamenti della programmazione basata sul flusso mentre sviluppano una serie di estensioni, componenti e processori demo utilizzando Apache NiFi.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Comprendi l'architettura e i concetti del flusso di dati di NiFi.
• Sviluppa estensioni utilizzando NiFi e API di terze parti.
• Sviluppare su misura il proprio processore Apache Nifi.
• Acquisisci ed elabora dati in tempo reale da formati di file e origini dati diversi e non comuni.

I database relazionali sono stati la tecnologia di scelta per archiviare, recuperare e interrogare i dati. I database relazionali consentono agli utenti di organizzare i loro dati utilizzando un insieme strutturato e ben definito di schemi (modello). Sebbene questo approccio funzioni bene per archiviare dati standardizzati e ben compresi in anticipo (pensate a un'applicazione di registrazione ospedaliera che contiene le cartelle cliniche dei pazienti con lo stesso insieme coerente di campi predefiniti... ID del paziente, nome, cognome, data dell'ultimo visita, ecc.), esistono limitazioni in questo modello. Per le organizzazioni i cui dati in entrata non sono ben definiti (pensate a un modulo di richiesta online per una startup che sta ancora sperimentando con diversi campi per la raccolta dei dati dei visitatori, rimuovendo e aggiungendo campi man mano per adattarsi alla natura mutevole dell'attività), le definizioni stabilite su come i dati dovrebbero essere integrati in un database esistente dovrebbero essere ridefinite regolarmente. Ciò richiederebbe di ricreare il modello dei dati (schema) che dettano la struttura dei dati e i tipi di dati consentiti per supportare diversi tipi di input, ecc., prima che nuovi dati possano essere salvati nel database.

Entrano in gioco i database NoSQL (Not Only SQL). I database NoSQL liberano gli utenti dall'obbligo di predefinire la struttura dei dati in entrata, consentendo loro di inserire e aggiornare nuovi dati al volo. I database NoSQL sono spesso più veloci dei database relazionali e possono gestire quantità enormi di dati con facilità. I database NoSQL scalano meglio dei database relazionali, grazie alla loro capacità di suddividere i dati in modo efficiente tra molti server (cluster) e bilanciare il carico di accesso a questi dati. I database NoSQL si integrano particolarmente bene con applicazioni che supportano l'analisi in tempo reale, la personalizzazione del sito, IoT e le app mobili.

In questo training guidato dal formatore, i partecipanti comprenderanno l'architettura, i principi di progettazione e la funzionalità dei database NoSQL più popolari mentre configurano, operano e valutano un numero di database NoSQL in un ambiente lab live. L'obiettivo di questo training è quello di abilitare i partecipanti a valutare, proporre e implementare una soluzione di database NoSQL appropriata all'interno della loro organizzazione.

Al termine di questo training, i partecipanti saranno in grado di:

• Installare e configurare diversi tipi di database NoSQL, inclusi MongoDB, Cassandra, Redis e Neo4j
• Comprendere i vantaggi e gli svantaggi dei database NoSQL rispetto ai database relazionali
• Comprendere i formati dati sottostanti utilizzati dai database NoSQL e come questi formati possano essere utilizzati a proprio vantaggio nello sviluppo di applicazioni moderne (desktop, mobile, cloud, IoT)
• Eseguire operazioni create, insert, update, delete in un database NoSQL
• Configurare un ambiente ibrido con sia un database relazionale che uno NoSQL che lavorano insieme
• Configurare un cluster di database NoSQL per distribuire il processing di set di dati molto grandi
• Comprendere le implicazioni sulla sicurezza dell'uso di un database NoSQL
• Distribuire e scalare un database NoSQL in un ambiente di produzione

Pubblico di riferimento

• Professionisti del database
• Architetti dei dati
• Strategi dei dati
• Gestori di progetti
• Sviluppatori di applicazioni che desiderano integrare una soluzione di database flessibile nella loro applicazione

Formato del corso

• Parte lezione, parte discussione, esercizi e molto pratiche mani alla macchina

Note

• Per richiedere un training personalizzato per questo corso, contattateci per organizzare.

Redis

nosql

Scylla è un archivio dati distribuito open source NoSQL. È compatibile con Apache Cassandra ma funziona a throughput significativamente più elevati e latenze inferiori.

In questo corso, i partecipanti impareranno a conoscere le funzionalità e l'architettura di Scilla acquisendo esperienza pratica con la configurazione, l'amministrazione, il monitoraggio e la risoluzione dei problemi di Scilla.

Pubblico

• Database Amministratori
• Gli sviluppatori
• Ingegneri di sistema

Formato del corso

• Il corso è interattivo e include discussioni sui principi e gli approcci per l'implementazione e la gestione dei database distribuiti e dei cluster Scilla.
• Il corso include una forte componente di esercizi pratici e pratica.