Big Data Training Courses

Python è un linguaggio di programmazione scalabile, flessibile e ampiamente utilizzato per la scienza dei dati e l'apprendimento automatico. Spark è un motore di elaborazione dei dati utilizzato per la ricerca, l'analisi e la trasformazione dei big data, mentre Hadoop è un framework della libreria software per lo storage e il trattamento dei dati su larga scala. Questo allenamento diretto da istruttori (online o on-site) è rivolto a sviluppatori che vogliono utilizzare e integrare Spark, Hadoop, e Python per elaborare, analizzare e trasformare grandi e complessi set di dati. Al termine di questo corso, i partecipanti saranno in grado di:

Crea l'ambiente necessario per iniziare il trattamento dei big data con Spark, Hadoop, e Python. Comprendere le caratteristiche, i componenti chiave e l'architettura di Spark e Hadoop. Scopri come integrare Spark, Hadoop, e Python per il trattamento dei big data. Esplora gli strumenti nell'ecosistema Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka, e Flume). Costruisci sistemi di raccomandazione di filtrazione collaborativa simili a Netflix, YouTube, Amazon, Spotify e Google. Apache Mahout per scalare gli algoritmi di apprendimento automatico.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Waikato Environment for Knowledge Analysis (Weka) è un software di visualizzazione del mining di dati open source. Fornisce una raccolta di algoritmi di apprendimento automatico per la preparazione dei dati, la classificazione, il clustering e altre attività di mining dei dati. Questo istruttore guidato, la formazione in diretta (online o on-site) è rivolto ad analisti di dati e scienziati di dati che vogliono utilizzare Weka per svolgere compiti di mining dei dati. Al termine di questo corso, i partecipanti saranno in grado di:

Installazione e configurazione Weka Comprendere il Weka ambiente e il lavoro. Eseguire i compiti di mining dei dati utilizzando Weka.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

IBM SPSS Modeler è un software utilizzato per la miniera dei dati e l'analisi del testo. Fornisce un insieme di strumenti di mining dei dati che possono costruire modelli predettivi e svolgere compiti di analisi dei dati. Questo allenamento guidato da istruttori, in diretta (online o on-site) è rivolto agli analisti dei dati o a chiunque desideri utilizzare SPSS Modeler per svolgere attività di mining dei dati. Al termine di questo corso, i partecipanti saranno in grado di:

Conoscere i fondamenti della miniera dei dati. Scopri come importare e valutare la qualità dei dati con il Modeller. Sviluppare, implementare e valutare i modelli di dati in modo efficiente.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

I partecipanti che completano questa formazione guidata da istruttori, in diretta, acquisteranno una comprensione pratica e reale della Big Data e delle sue tecnologie, metodologie e strumenti correlati. I partecipanti avranno l'opportunità di mettere questa conoscenza in pratica attraverso esercizi pratici. L'interazione di gruppo e il feedback degli istruttori costituiscono un componente importante della classe. Il corso inizia con un'introduzione ai concetti elementari di Big Data, poi si sviluppa nelle lingue di programmazione e nelle metodologie utilizzate per eseguire Data Analysis. Infine, stiamo discutendo gli strumenti e le infrastrutture che consentono Big Data storage, elaborazione distribuita e Scalabilità. Il formato del corso

Parziale lezione, parziale discussione, pratica e implementazione, occasionale quiz per misurare il progresso.

Python è un linguaggio di programmazione di alto livello famoso per la sua sintassi chiara e la leggibilità del codice. Spark è un motore di elaborazione dei dati utilizzato per interrogare, analizzare e trasformare i big data. PySpark consente agli utenti di interfacciare Spark con Python . In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno come usare Python e Spark insieme per analizzare i big data mentre lavorano su esercizi pratici. Al termine di questa formazione, i partecipanti saranno in grado di:

• Scopri come utilizzare Spark con Python per analizzare i Big Data .
• Lavora su esercizi che imitano le circostanze del mondo reale.
• Usa diversi strumenti e tecniche per l'analisi dei big data usando PySpark .

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Questo corso illustra come utilizzare il linguaggio Hive SQL (AKA: Hive HQL, SQL on Hive , Hive QL) per le persone che estraggono dati da Hive

La scoperta della conoscenza in database (KDD) è il processo di scoperta di conoscenze utili da una raccolta di dati. Le applicazioni di vita reale per questa tecnica di mining dei dati includono marketing, rilevamento di frodi, telecomunicazioni e produzione. In questo corso guidato da insegnanti, in diretta, introduciamo i processi coinvolti nel KDD e realizziamo una serie di esercizi per praticare la realizzazione di questi processi. Il pubblico

Analisti di dati o chiunque sia interessato a imparare come interpretare i dati per risolvere i problemi

Il formato del corso

Dopo un dibattito teorico di KDD, l'insegnante presenterà casi di vita reale che richiedono l'applicazione di KDD per risolvere un problema. I partecipanti prepareranno, selezioneranno e purneranno i set di dati di campione e utilizzeranno le loro conoscenze precedenti sui dati per proporre soluzioni basate sui risultati delle loro osservazioni.

Apache Kylin è un motore di analisi estremamente distribuito per i big data. In questo allenamento diretto da istruttori, i partecipanti impareranno come utilizzare Apache Kylin per installare un magazzino di dati in tempo reale. Al termine di questo corso, i partecipanti saranno in grado di:

Consumo di dati in tempo reale tramite Kylin Utilize Apache Kylin's funzionalità potenti, richi SQL interfaccia, spark cubing e latenza della domanda subseconda

Nota

Utilizziamo la versione più recente di Kylin (sulla base di questa scrittura, Apache Kylin v2.0)

Il pubblico

Ingegnere Big Data Big Data Gli analisti

Il formato del corso

Lezioni parziali, discussioni parziali, esercizi e pratiche pesanti

Datameer è una piattaforma di analisi e business intelligence basata su Hadoop Consente agli utenti finali di accedere, esplorare e correlare dati di grandi dimensioni, strutturati, semistrutturati e non strutturati in modo facile da usare In questo corso di formazione dal vivo, istruito, i partecipanti impareranno come utilizzare Datameer per superare la curva di apprendimento ripida di Hadoop mentre passano attraverso l'installazione e l'analisi di una serie di fonti di dati di grandi dimensioni Alla fine di questa formazione, i partecipanti saranno in grado di: Creare, curare e esplorare in modo interattivo un lago di dati aziendali Accedere ai data warehouse aziendali, ai database transazionali e ad altri negozi di analisi Utilizzare l'interfaccia utente di un foglio di calcolo per progettare condotte di elaborazione dati endtoend Accedi a funzioni preconfigurate per esplorare relazioni dati complesse Utilizzare le procedure guidate di draganddrop per visualizzare i dati e creare dashboard Utilizza tabelle, grafici, grafici e mappe per analizzare i risultati delle query Pubblico Analisti di dati Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

Il data mining è il processo di identificazione dei modelli nei big data con metodi di data science come l'apprendimento automatico. Utilizzando Excel come suite di analisi dei dati, gli utenti possono eseguire il data mining e l'analisi. Questa formazione dal vivo con istruttore (in loco o remoto) è rivolta agli scienziati dei dati che desiderano utilizzare Excel per il data mining. Al termine di questa formazione, i partecipanti saranno in grado di:

• Esplora i dati con Excel per eseguire il data mining e l'analisi.
• Utilizza gli algoritmi Microsoft per il data mining.
• Comprendi i concetti nel data mining di Excel .

Formato del corso

• Conferenza e discussione interattiva.
• Molti esercizi e pratiche.
• Implementazione pratica in un ambiente live-lab.

Opzioni di personalizzazione del corso

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

Dremio è una piattaforma di dati open source "self-service" che accelera la ricerca di diversi tipi di fonti di dati. Dremio integra con database relativi, Apache Hadoop, MongoDB, Amazon S3, ElasticSearch, e altre fonti di dati. Supporta SQL e fornisce un web UI per le domande di costruzione. In questo allenamento diretto da istruttori, i partecipanti impareranno come installare, configurare e utilizzare Dremio come strato unificante per gli strumenti di analisi dei dati e i repositori dei dati di base. Al termine di questo corso, i partecipanti saranno in grado di:

Installazione e configurazione Dremio Eseguire domande contro diverse fonti di dati, indipendentemente dalla posizione, dalla dimensione o dalla struttura Integrare Dremio con BI e fonti di dati come Tableau e Elasticsearch

Il pubblico

scienziati dati Business Gli analisti Ingegnere dati

Il formato del corso

Lezioni parziali, discussioni parziali, esercizi e pratiche pesanti

Notizie

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Apache Drill è un motore di query SQL colonnare senza memoria, distribuito e inmemoria per Hadoop, NoSQL e altri sistemi di archiviazione di file e cloud La potenza di Apache Drill risiede nella sua capacità di unire i dati da più archivi di dati utilizzando un'unica query Apache Drill supporta numerosi database NoSQL e file system, inclusi HBase, MongoDB, MapRDB, HDFS, MapRFS, Amazon S3, Azure Blob Storage, Google Cloud Storage, Swift, NAS e file locali Apache Drill è la versione open source del sistema Dremel di Google, disponibile come servizio di infrastruttura denominato Google BigQuery In questo corso di formazione dal vivo, istruito, i partecipanti apprenderanno i fondamenti di Apache Drill, quindi sfrutteranno la potenza e la convenienza di SQL per interrogare interattivamente i big data su più origini dati, senza scrivere codice I partecipanti impareranno anche come ottimizzare le loro query Drill per l'esecuzione SQL distribuita Alla fine di questa formazione, i partecipanti saranno in grado di: Esegui l'esplorazione "selfservice" su dati strutturati e semistrutturati su Hadoop Interrogazione anche di dati sconosciuti tramite query SQL Comprendere come Apache Drills riceve ed esegue query Scrivi query SQL per analizzare diversi tipi di dati, inclusi i dati strutturati in Hive, i dati semistrutturati nelle tabelle HBase o MapRDB e i dati salvati in file come Parquet e JSON Utilizzare Apache Drill per eseguire il discovery di schema onthefly, ignorando la necessità di operazioni ETL e schema complesse Integrazione di Apache Drill con strumenti di BI (Business Intelligence) come Tableau, Qlikview, MicroStrategy ed Excel Pubblico Analisti di dati Scienziati di dati Programmatori SQL Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

Apache Arrow è un framework di elaborazione dati in memoria open source. Viene spesso utilizzato insieme ad altri strumenti di data science per accedere a diversi data store per l'analisi. Si integra bene con altre tecnologie come database GPU , librerie e strumenti di machine learning, motori di esecuzione e framework di visualizzazione dei dati. In questa formazione dal vivo condotta da un istruttore in loco, i partecipanti impareranno come integrare Apache Arrow con vari framework di Data Science per accedere ai dati da diverse fonti di dati. Al termine di questa formazione, i partecipanti saranno in grado di:

• Installa e configura Apache Arrow in un ambiente cluster distribuito
• Utilizzare la Apache Arrow per accedere ai dati da origini dati diverse
• Utilizzare Apache Arrow per aggirare la necessità di costruire e mantenere complesse pipeline ETL
• Analizza i dati attraverso diverse fonti di dati senza doverli consolidare in un repository centralizzato

Pubblico

• Data scientist
• Ingegneri dei dati

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Nota

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

L'obiettivo del corso è consentire ai partecipanti di acquisire una padronanza di come lavorare con il linguaggio SQL nel database Oracle per l'estrazione dei dati a livello intermedio.

Per soddisfare la conformità dei regolatori, i CSP (fornitori di servizi di Communication ) possono attingere all'analisi dei Big Data che non solo li aiuta a soddisfare la conformità, ma nell'ambito dello stesso progetto possono aumentare la soddisfazione del cliente e quindi ridurre il churn. Infatti, poiché la conformità è correlata alla qualità del servizio legata a un contratto, qualsiasi iniziativa volta a soddisfare la conformità migliorerà il "vantaggio competitivo" dei CSP. Pertanto, è importante che i regolatori siano in grado di consigliare / guidare una serie di pratiche analitiche sui Big Data per i CSP che saranno di reciproco vantaggio tra i regolatori e i CSP. Il corso è composto da 8 moduli (4 il giorno 1 e 4 il giorno 2)

Advances in technologies and the increasing amount of information are transforming how business is conducted in many industries, including government. Government data generation and digital archiving rates are on the rise due to the rapid growth of mobile devices and applications, smart sensors and devices, cloud computing solutions, and citizen-facing portals. As digital information expands and becomes more complex, information management, processing, storage, security, and disposition become more complex as well. New capture, search, discovery, and analysis tools are helping organizations gain insights from their unstructured data. The government market is at a tipping point, realizing that information is a strategic asset, and government needs to protect, leverage, and analyze both structured and unstructured information to better serve and meet mission requirements. As government leaders strive to evolve data-driven organizations to successfully accomplish mission, they are laying the groundwork to correlate dependencies across events, people, processes, and information. High-value government solutions will be created from a mashup of the most disruptive technologies:

• Mobile devices and applications
• Cloud services
• Social business technologies and networking
• Big Data and analytics

IDC predicts that by 2020, the IT industry will reach $5 trillion, approximately $1.7 trillion larger than today, and that 80% of the industry's growth will be driven by these 3rd Platform technologies. In the long term, these technologies will be key tools for dealing with the complexity of increased digital information. Big Data is one of the intelligent industry solutions and allows government to make better decisions by taking action based on patterns revealed by analyzing large volumes of data — related and unrelated, structured and unstructured. But accomplishing these feats takes far more than simply accumulating massive quantities of data.“Making sense of thesevolumes of Big Datarequires cutting-edge tools and technologies that can analyze and extract useful knowledge from vast and diverse streams of information,” Tom Kalil and Fen Zhao of the White House Office of Science and Technology Policy wrote in a post on the OSTP Blog. The White House took a step toward helping agencies find these technologies when it established the National Big Data Research and Development Initiative in 2012. The initiative included more than $200 million to make the most of the explosion of Big Data and the tools needed to analyze it. The challenges that Big Data poses are nearly as daunting as its promise is encouraging. Storing data efficiently is one of these challenges. As always, budgets are tight, so agencies must minimize the per-megabyte price of storage and keep the data within easy access so that users can get it when they want it and how they need it. Backing up massive quantities of data heightens the challenge. Analyzing the data effectively is another major challenge. Many agencies employ commercial tools that enable them to sift through the mountains of data, spotting trends that can help them operate more efficiently. (A recent study by MeriTalk found that federal IT executives think Big Data could help agencies save more than $500 billion while also fulfilling mission objectives.). Custom-developed Big Data tools also are allowing agencies to address the need to analyze their data. For example, the Oak Ridge National Laboratory’s Computational Data Analytics Group has made its Piranha data analytics system available to other agencies. The system has helped medical researchers find a link that can alert doctors to aortic aneurysms before they strike. It’s also used for more mundane tasks, such as sifting through résumés to connect job candidates with hiring managers.

Giorno 1: offre una panoramica di alto livello delle principali aree tematiche sui Big Data . Il modulo è diviso in una serie di sezioni, ognuna delle quali è accompagnata da un esercizio pratico. Giorno 2: esplora una serie di argomenti che mettono in relazione pratiche e strumenti di analisi per ambienti Big Data . Non si occupa di dettagli di implementazione o programmazione, ma mantiene invece la copertura a livello concettuale, concentrandosi su argomenti che consentono ai partecipanti di sviluppare una comprensione completa delle comuni funzioni di analisi e caratteristiche offerte dalle soluzioni Big Data . Giorno 3: fornisce una panoramica delle aree tematiche fondamentali ed essenziali relative all'architettura della piattaforma di soluzioni Big Data . Copre i meccanismi di Big Data necessari per lo sviluppo di una piattaforma di soluzione di Big Data e opzioni di architettura per l'assemblaggio di una piattaforma di elaborazione dati. Vengono inoltre presentati scenari comuni per fornire una comprensione di base di come viene generalmente utilizzata una piattaforma di soluzioni Big Data . Giorno 4: si basa sul Giorno 3 esplorando argomenti avanzati relativi all'architettura Big Data piattaforma di soluzioni Big Data . In particolare, vengono introdotti e discussi diversi livelli architettonici che compongono la piattaforma di soluzione Big Data , tra cui origini dati, ingresso dati, archiviazione dati, elaborazione e sicurezza dei dati. Giorno 5: copre una serie di esercizi e problemi progettati per testare la capacità dei delegati di applicare la conoscenza degli argomenti trattati nei giorni 3 e 4.

I progressi nelle tecnologie e la crescente quantità di informazioni stanno trasformando il modo in cui viene condotta l'applicazione della legge. Le sfide poste dai Big Data sono quasi scoraggianti come la promessa dei Big Data . La memorizzazione efficiente dei dati è una di queste sfide; analizzarlo efficacemente è un altro. In questo corso di formazione dal vivo con istruttore, i partecipanti impareranno la mentalità con cui affrontare le tecnologie dei Big Data , valutare il loro impatto sui processi e sulle politiche esistenti e implementare queste tecnologie allo scopo di identificare l'attività criminale e prevenire la criminalità. Verranno esaminati casi di studio da parte delle forze dell'ordine di tutto il mondo per ottenere approfondimenti sugli approcci, le sfide e i risultati relativi all'adozione. Al termine di questa formazione, i partecipanti saranno in grado di:

• Combina la tecnologia dei Big Data con i tradizionali processi di raccolta dei dati per mettere insieme una storia durante un'indagine
• Implementare soluzioni industriali di archiviazione e elaborazione dei big data per l'analisi dei dati
• Preparare una proposta per l'adozione degli strumenti e dei processi più adeguati per consentire un approccio basato sui dati alle indagini penali

Pubblico

• Specialisti delle forze dell'ordine con un background tecnico

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Obiettivo : questo corso di formazione mira ad aiutare i partecipanti a capire perché i Big Data stanno cambiando la nostra vita e come sta alterando il modo in cui le aziende ci vedono come consumatori. In effetti, gli utenti di big data nelle aziende scoprono che i big data liberano una grande quantità di informazioni e approfondimenti che si traducono in maggiori profitti, costi ridotti e meno rischi. Tuttavia, il lato negativo era la frustrazione a volte quando si poneva troppa enfasi sulle singole tecnologie e non si concentrava abbastanza sui pilastri della gestione dei big data. I partecipanti impareranno durante questo corso come gestire i big data usando i suoi tre pilastri di integrazione dei dati, governance dei dati e sicurezza dei dati al fine di trasformare i big data in un reale valore aziendale. Diversi esercizi condotti su un caso di studio sulla gestione dei clienti aiuteranno i partecipanti a comprendere meglio i processi sottostanti.

Big Data è un termine che si riferisce a soluzioni destinate alla memorizzazione e all'elaborazione di grandi set di dati. Sviluppate inizialmente da Go ogle, queste soluzioni di Big Data hanno evoluto e ispirato altri progetti simili, molti dei quali sono disponibili come open-source. R è un linguaggio di programmazione popolare nel settore finanziario.

Quando le tecnologie di archiviazione tradizionali non gestiscono la quantità di dati che è necessario archiviare, ci sono centinaia di alternative. Questo corso cerca di guidare i partecipanti quali sono le alternative per archiviare e analizzare i Big Data e quali sono i loro pro e contro. Questo corso si concentra principalmente sulla discussione e la presentazione di soluzioni, sebbene siano disponibili esercitazioni pratiche su richiesta.

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

This classroom based training session will explore Big Data. Delegates will have computer based examples and case study exercises to undertake with relevant big data tools

Pubblico Se cerchi di dare un senso ai dati a cui hai accesso o desideri analizzare i dati non strutturati disponibili in rete (come Twitter, Linked in, ecc ...) questo corso fa per te. Si rivolge principalmente ai decisori e alle persone che devono scegliere quali dati devono essere raccolti e quali vale la pena analizzare. Non si rivolge alle persone che configurano la soluzione, ma quelle persone trarranno beneficio dal quadro generale. Modalità di consegna Durante il corso, ai delegati verranno presentati esempi funzionanti di tecnologie prevalentemente open source. Seguiranno brevi lezioni con presentazione e semplici esercitazioni da parte dei partecipanti Contenuto e software utilizzati Tutto il software utilizzato viene aggiornato ogni volta che il corso viene eseguito, quindi controlliamo le versioni più recenti possibili. Copre il processo dall'ottenimento, formattazione, elaborazione e analisi dei dati, per spiegare come automatizzare il processo decisionale con l'apprendimento automatico.

I big data sono insiemi di dati così voluminosi e complessi che i tradizionali software applicativi per l'elaborazione dei dati non sono adeguati per gestirli. Le sfide relative ai big data comprendono l'acquisizione di dati, l'archiviazione dei dati, l'analisi dei dati, la ricerca, la condivisione, il trasferimento, la visualizzazione, l'interrogazione, l'aggiornamento e la riservatezza delle informazioni.

Questa formazione dal vivo con istruttore (in loco o remoto) è rivolta a persone tecniche che desiderano apprendere come implementare una strategia di apprendimento automatico massimizzando l'utilizzo dei big data. Al termine di questa formazione, i partecipanti dovranno:

• Comprendi l'evoluzione e le tendenze dell'apprendimento automatico.
• Sapere come l'apprendimento automatico viene utilizzato in diversi settori.
• Acquisire familiarità con gli strumenti, le competenze e i servizi disponibili per implementare l'apprendimento automatico all'interno di un'organizzazione.
• Comprendi come l'apprendimento automatico può essere utilizzato per migliorare il data mining e l'analisi.
• Scopri cos'è un back-end di dati medio e come viene utilizzato dalle aziende.
• Comprendi il ruolo svolto dai big data e dalle applicazioni intelligenti in tutti i settori.

Formato del corso

• Conferenza e discussione interattiva.
• Molti esercizi e pratiche.
• Implementazione pratica in un ambiente live-lab.

Opzioni di personalizzazione del corso

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

Apache Sqoop è un'interfaccia della riga di comando per lo spostamento di dati da database relazionali e Hadoop. Apache Flume è un software distribuito per la gestione dei Big Data. Utilizzando Sqoop e Flume, gli utenti possono trasferire dati tra sistemi e importare Big Data in architetture di archiviazione come Hadoop. Questa formazione dal vivo con istruttore (in loco o a distanza) è rivolta agli ingegneri software che desiderano utilizzare Sqoop e Flume per il trasferimento dei dati tra sistemi. Al termine di questa formazione, i partecipanti saranno in grado di:

• Ingrandisci i Big Data con Sqoop e Flume.
• Inserimento di dati da più origini dati.
• Spostare i dati da database relazionali a HDFS e Hive.
• Esportare dati da HDFS in un database relazionale.

Formato del corso

• Lezione interattiva e discussione.
• Un sacco di esercizi e pratica.
• Implementazione pratica in un ambiente live-lab.

Opzioni di personalizzazione del corso

• Per richiedere una formazione personalizzata per questo corso, vi preghiamo di contattarci per organizzare.

Talend Open Studio per Big Data è uno strumento ETL open source per il trattamento dei big data. Include un ambiente di sviluppo per interagire con Big Data fonti e obiettivi, e svolgere lavori senza dover scrivere codice. Questo allenamento guidato da istruttori, dal vivo (online o on-site) è rivolto a persone tecniche che desiderano implementare Talend Open Studio per Big Data per semplificare il processo di lettura e crunching attraverso Big Data. Al termine di questo corso, i partecipanti saranno in grado di:

Installare e configurare Talend Open Studio per Big Data. Connettiti con sistemi Big Data come Cloudera, HortonWorks, MapR, Amazon EMR e Apache. Comprendere e installare i componenti e i connettori di big data di Open Studio. Configurare i parametri per generare automaticamente il codice MapReduce. Utilizzare l'interfaccia drag-and-drop di Open Studio's per eseguire Hadoop lavori. Il prototipo dei big data pipeline. Progetti di integrazione dei big data.

Il formato del corso

Interattiva lezione e discussione. Molti esercizi e pratiche. Implementazione a mano in un ambiente live-lab.

Opzioni di personalizzazione del corso

Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Vespa è un motore open source per l'elaborazione e il trattamento dei big data creato da Yahoo È utilizzato per rispondere alle domande degli utenti, formulare raccomandazioni e fornire contenuti e annunci personalizzati in tempo reale Questo corso di formazione dal vivo con istruttore introduce le sfide di offrire dati di grandi dimensioni e partecipa ai partecipanti attraverso la creazione di un'applicazione in grado di calcolare le risposte alle richieste degli utenti, su dataset di grandi dimensioni in tempo reale Alla fine di questa formazione, i partecipanti saranno in grado di: Usa Vespa per calcolare rapidamente i dati (memorizzare, cercare, classificare, organizzare) al momento di servire mentre un utente aspetta Implementa Vespa in applicazioni esistenti che includono ricerca di funzionalità, consigli e personalizzazione Integrare e distribuire Vespa con i sistemi di big data esistenti come Hadoop e Storm Pubblico Sviluppatori Formato del corso Lezione di parte, discussione parziale, esercitazioni e pratica intensiva .

Alluxio è un sistema di archiviazione distribuito virtuale open source che unisce sistemi di archiviazione diversi e consente alle applicazioni di interagire con i dati a velocità di memoria. È utilizzato da aziende come Intel, Baidu e Alibaba. In questo allenamento guidato da istruttori, i partecipanti impareranno come utilizzare Alluxio per collegare diversi framework di calcolo con i sistemi di archiviazione e gestire efficacemente i dati di scala multi-petabyte mentre passano attraverso la creazione di un'applicazione con Alluxio. Al termine di questo corso, i partecipanti saranno in grado di:

Sviluppare un'applicazione con Alluxio Connettere i sistemi di big data e le applicazioni mantenendo uno spazio di nome Estratto efficiente di valore da grandi dati in qualsiasi formato di archiviazione Migliorare le prestazioni del lavoro Sviluppare e gestire Alluxio indipendente o clusterato

Il pubblico

Scienziato dei dati Sviluppatore amministratore del sistema

Il formato del corso

Lezioni parziali, discussioni parziali, esercizi e pratiche pesanti