Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
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