Online Big Data Training in Italia

Questa formazione guidata dal formatore in Italia (online o sul posto) si rivolge a data scientist e ingegneri di livello intermedio che desiderano utilizzare Google Colab e Apache Spark per il processing e l'analisi dei big data.

Alla fine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di big data utilizzando Google Colab e Spark.
• Processare e analizzare grandi set di dati efficacemente con Apache Spark.
• Visualizzare i big data in un ambiente collaborativo.
• Integrare Apache Spark con strumenti basati sul cloud.

Stratio è una piattaforma centrata sui dati che integra big data, IA e governance in una singola soluzione. I moduli Rocket e Intelligence permettono l'esplorazione rapida dei dati, le trasformazioni e analisi avanzate negli ambienti aziendali.

Questo corso interattivo guidato da un istruttore (online o presenza) è rivolto a professionisti di livello intermedio che desiderano utilizzare efficacemente i moduli Rocket e Intelligence in Stratio con PySpark, focalizzandosi su strutture di loop, funzioni definite dall'utente e logica dei dati avanzata.

Alla fine del corso, i partecipanti saranno in grado di:

• Navigare e lavorare all'interno della piattaforma Stratio utilizzando i moduli Rocket e Intelligence.
• Applicare PySpark nel contesto di ingegneria dei dati, trasformazione e analisi.
• Utilizzare loop e logica condizionale per controllare i flussi di lavoro dei dati e le attività di ingegneria delle caratteristiche.
• Creare e gestire funzioni definite dall'utente (UDFs) per operazioni sui dati ripetibili in PySpark.

Formato del Corso

• Lezione interattiva e discussione.
• Numerose esercitazioni e pratica.
• Implementazione pratica in un ambiente di laboratorio live.

Opzioni per la Personalizzazione del Corso

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

Il Data Warehousing è la pratica di progettare, costruire e gestire repository centralizzati di dati che supportano l'analisi, la creazione di report e il processo decisionale.

Questo corso guidato da un istruttore (online o in presenza) è rivolto a professionisti dei dati di livello intermedio che desiderano modellare dati dimensionali, costruire pipeline ETL robuste e ottimizzare i carichi di lavoro analitici.

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

• Spiegare i concetti fondamentali del Data Warehousing e le sue architetture.
• Progettare modelli dimensionali e scegliere tra schemi a stella e a fiocco di neve.
• Costruire ed orchestrare pipeline ETL e ELT in modo affidabile.
• Distinguere i carichi di lavoro OLTP da quelli OLAP e ottimizzare per l'analisi.

Formato del Corso

• Lezione interattiva e discussione.
• Numerosi esercizi e pratica.
• Implementazione manuale in un ambiente lab dinamico.

Opzioni di Personalizzazione del Corso

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

I partecipanti che completeranno questo corso di formazione dal vivo con istruttore in Italia acquisiranno una comprensione pratica e reale di Big Data e delle relative tecnologie, metodologie e strumenti.

I partecipanti avranno l'opportunità di mettere in pratica queste conoscenze attraverso esercizi pratici. L'interazione di gruppo e il feedback dell'istruttore costituiscono una componente importante della classe.

Il corso inizia con un'introduzione ai concetti elementari di Big Data, quindi progredisce nei linguaggi di programmazione e nelle metodologie utilizzate per eseguire Data Analysis. Infine, discutiamo gli strumenti e l'infrastruttura che consentono Big Data lo storage, l'elaborazione distribuita e la Scalabilità.

Greenplum è una piattaforma di dati a processamento massicciamente parallelo (MPP) open source progettata per l'analisi e gli ambienti di grandi dimensioni.

Questo corso di formazione guidato dal docente (online o in sede) è rivolto a utenti tecnici intermedi ad avanzati che desiderano comprendere l'architettura interna di Greenplum, costruire modelli di dati ottimizzati e applicare SQL ad alto rendimento in ambienti distribuiti.

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

• Comprendere l'architettura senza condivisione e il modello di parallelismo di Greenplum.
• Progettare strutture di tabelle distribuite e partizioni ottimizzate per le prestazioni delle query.
• Utilizzare strategie di indicizzazione, formati di archiviazione e tecniche di progettazione fisica.
• Interpretare i piani EXPLAIN e ottimizzare le query utilizzando le best practice.

Formato del Corso

• Lezione interattiva e discussione.
• Numerosi esercizi e pratiche.
• Implementazione pratica in un ambiente live-lab.

Opzioni di Personalizzazione del Corso

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

Greenplum è una piattaforma dati open-source massicciamente parallela basata su PostgreSQL, progettata per l'analisi avanzata e il data warehousing su larga scala.

Questo corso di formazione guidato dal docente (online o in presenza) è rivolto a amministratori intermedi che desiderano installare, configurare e gestire efficacemente ambienti Greenplum, compresa la gestione degli aggiornamenti del sistema e delle librerie.

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

• Installare e configurare un cluster Greenplum pronto per la produzione.
• Gestire gli aggiornamenti del sistema e applicare patch in modo sicuro.
• Gestire le librerie Greenplum per l'analisi e le estensioni.
• Risolvere i problemi e monitorare i sistemi Greenplum.

Formato del Corso

• Lezione interattiva e discussione.
• Utilizzo pratico di Greenplum in un ambiente laboratorio controllato.
• Esercizi guidati focalizzati sulla configurazione del cluster, sui workflow di aggiornamento e sulle estensioni del sistema.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso basata sul vostro ambiente o piattaforma dati, contattateci per organizzare.

Questo corso di formazione guidato dall'instruttore, in Italia (online o in sede), è rivolto a professionisti dei dati di livello avanzato che desiderano ottimizzare i flussi di lavoro di elaborazione dei dati, garantire l'integrità dei dati e implementare soluzioni robuste per data lakehouse in grado di gestire le complessità delle moderne applicazioni big data.

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

• Acquisire una comprensione approfondita dell'architettura di Iceberg, inclusa la gestione dei metadati e l'organizzazione dei file.
• Configurare Iceberg per un rendimento ottimale in vari ambienti e integrarlo con più motori di elaborazione dei dati.
• Gestire tabelle di Iceberg su larga scala, eseguire complesse modifiche dello schema e gestire l'evoluzione delle partizioni.
• Dominare le tecniche per ottimizzare le prestazioni delle query e l'efficienza della scansione dei dati per grandi set di dati.
• Implementare meccanismi per garantire la coerenza dei dati, gestire le garanzie transazionali e affrontare i fallimenti in ambienti distribuiti.

Questo corso di formazione guidato dal docente (online o sul posto) è rivolto a professionisti dei dati di livello iniziale che desiderano acquisire le conoscenze e le competenze necessarie per utilizzare efficacemente Apache Iceberg per gestire dataset su larga scala, garantire l'integrità dei dati e ottimizzare i flussi di lavoro di elaborazione dei dati.

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

• Acquisire una comprensione approfondita dell'architettura, delle funzionalità e dei vantaggi di Apache Iceberg.
• Conoscere i formati tabellari, la partizionamento, l'evoluzione dello schema e le capacità di time travel.
• Installare e configurare Apache Iceberg in diversi ambienti.
• Creare, gestire e manipolare tabelle Iceberg.
• Comprendere il processo di migrazione dei dati da altri formati tabellari a Iceberg.

Questo corso guidato dall'instruttore (online o in sede) è rivolto a professionisti IT di livello intermedio che desiderano migliorare le proprie competenze in architettura dei dati, governance, cloud computing e tecnologie big data per gestire efficacemente e analizzare grandi set di dati all'interno delle loro organizzazioni.

Alla fine di questo corso, i partecipanti saranno in grado di:

• Comprendere i concetti e i componenti fondamentali delle varie architetture dei dati.
• Acquisire una comprensione completa dei principi di governance dei dati e della loro importanza negli ambienti regolatori.
• Implementare e gestire framework di governance dei dati come Dama e Togaf.
• Sfruttare le piattaforme cloud per un'efficiente archiviazione, elaborazione e gestione dei dati.

Questo corso di formazione guidato dal docente (online o in sede) è rivolto a data engineer di livello intermedio che desiderano imparare come utilizzare Azure Data Lake Storage Gen2 per soluzioni analitiche efficaci.

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

• Comprendere l'architettura e le funzionalità chiave di Azure Data Lake Storage Gen2.
• Ottimizzare il archiviazione e l'accesso ai dati per costi e prestazioni.
• Integrare Azure Data Lake Storage Gen2 con altri servizi di Azure per analisi e elaborazione dei dati.
• Sviluppare soluzioni utilizzando l'API di Azure Data Lake Storage Gen2.
• Risolvere i problemi comuni e ottimizzare le strategie di archiviazione.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli sviluppatori che desiderano utilizzare e integrare Spark, Hadoop e Python per elaborare, analizzare e trasformare set di dati grandi e complessi.

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

• Configurare l'ambiente necessario per iniziare a elaborare i big data con Spark, Hadoop e Python.
• Comprendere le funzionalità, i componenti principali e l'architettura di Spark e Hadoop.
• Scopri come integrare Spark, Hadoop e Python per l'elaborazione dei big data.
• Esplora gli strumenti nell'ecosistema Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka e Flume).
• Crea sistemi di raccomandazione di filtraggio collaborativi simili a Netflix, YouTube, Amazon, Spotify e Google.
• Usa Apache Mahout per ridimensionare gli algoritmi di machine learning.

Big Data e Advanced Analytics è l'applicazione di tecniche sofisticate e strumenti per analizzare grandi set di dati complessi in modo da ottenere indicazioni azionabili e prendere decisioni strategiche.

Questo corso guidato dall'insegnante (in linea o sul posto) è rivolto a professionisti avanzati dei dati che desiderano sfruttare metodi analitici di vanguardia e tecnologie big data per l'analisi predittiva, prescriptiva ed in tempo reale.

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

• Progettare e implementare pipeline di elaborazione dati a grande scala sia per dati strutturati che non strutturati.
• Applicare tecniche avanzate di machine learning e deep learning su grandi set di dati.
• Sfruttare i framework di calcolo distribuito per l'analisi in tempo reale e lo streaming dei dati.
• Integrare l'analisi big data nei sistemi di intelligence aziendale e di presa delle decisioni.

Formato del Corso

• Lettura interattiva e discussione.
• Molte esercitazioni e pratica.
• Esecuzione pratica in un ambiente di laboratorio live.

Opzioni di Personalizzazione del Corso

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

Questo corso di formazione guidato dal docente (online o in sede) è rivolto a professionisti IT di livello intermedio che desiderano acquisire una comprensione completa di IBM DataStage sia da un punto di vista amministrativo che di sviluppo, permettendogli di gestire e utilizzare efficacemente questo strumento nei rispettivi luoghi di lavoro.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere i concetti fondamentali di DataStage.
• Imparare come installare, configurare e gestire efficacemente gli ambienti DataStage.
• Connettersi a varie fonti dati ed estrarre dati in modo efficiente da database, file di testo e fonti esterne.
• Implementare tecniche efficaci per il caricamento dei dati.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli amministratori di sistema di livello principiante e intermedio che desiderano distribuire, gestire e ottimizzare i cluster Spark.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare Apache Spark in vari ambienti.
• Gestisci le risorse del cluster e monitora le applicazioni Spark.
• Ottimizzare le prestazioni dei cluster Spark.
• Implementa misure di sicurezza e garantisci un'elevata disponibilità.
• Eseguire il debug e risolvere i problemi comuni di Spark.

I partecipanti che completano questa formazione guidata dal docente in Italia acquisiranno una comprensione pratica ed orientata al mondo reale di Big Data e delle sue tecnologie, metodologie e strumenti correlati.

I partecipanti avranno l'opportunità di mettere in pratica queste conoscenze attraverso esercizi pratici. L'interazione del gruppo e il feedback dell'insegnante costituiscono una componente importante della formazione.

Il corso inizia con un'introduzione ai concetti fondamentali dei Big Data, poi prosegue con i linguaggi di programmazione e le metodologie utilizzate per l'analisi dei dati. Infine, discutiamo degli strumenti e dell'infrastruttura che abilitano lo storage dei Big Data, il processing distribuito e la scalabilità.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno come utilizzare Python e Spark insieme per analizzare i big data mentre lavorano su esercizi pratici.

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

• Scopri come utilizzare Spark con Python per analizzare Big Data.
• Lavora su esercizi che imitano casi del mondo reale.
• Utilizzare diversi strumenti e tecniche per l'analisi dei big data utilizzando PySpark.

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.

I progressi tecnologici e l'aumento della quantità di informazioni stanno trasformando la conduzione degli affari in molti settori, incluso quello pubblico. Le amministrazioni pubbliche generano e archiviano dati digitali a un ritmo sempre crescente, grazie alla rapida diffusione di dispositivi mobili e applicazioni, sensori intelligenti e dispositivi, soluzioni di cloud computing e portali orientati ai cittadini. Man mano che le informazioni digitali si espandono e diventano più complesse, la gestione, l'elaborazione, il salvataggio, la sicurezza e la disposizione dei dati diventano a loro volta sempre più intricate. Nuovi strumenti di acquisizione, ricerca, scoperta e analisi stanno aiutando le organizzazioni ad ottenere informazioni dai propri dati non strutturati. Il mercato pubblico si trova a un punto di svolta, riconoscendo che l'informazione è un bene strategico e che il governo deve proteggere, utilizzare e analizzare sia i dati strutturati che quelli non strutturati per meglio servire e soddisfare le esigenze operative. Mentre i leader pubblici cercano di evolvere verso organizzazioni guidate dai dati per raggiungere con successo i propri obiettivi, stanno stabilendo le basi per correlare le interdipendenze tra eventi, persone, processi e informazioni.

Soluzioni ad alto valore per il governo saranno create da una combinazione delle tecnologie più innovative:

• Dispositivi mobili e applicazioni
• Servizi cloud
• Tecnologie di business sociale e networking
• Big Data e analisi

L'IDC prevede che entro il 2020 l'industria IT raggiungerà i $5 trilioni, circa $1.7 trilioni in più rispetto a oggi, e che il 80% della crescita dell'industria sarà guidato da queste tecnologie di terza piattaforma. A lungo termine, queste tecnologie saranno strumenti chiave per affrontare la complessità dell'aumento delle informazioni digitali. Il Big Data è una delle soluzioni intelligenti del settore e consente al governo di prendere decisioni più efficaci basandosi su pattern rilevati dall'analisi di grandi volumi di dati, strutturati o non strutturati.

Ma raggiungere questi risultati richiede molto più che semplicemente accumulare quantità massicce di dati. “Comprendere il significato di questi volumi di Big Data richiede strumenti e tecnologie all'avanguardia in grado di analizzare ed estrarre conoscenze utili da flussi vasti e diversificati di informazioni,” hanno scritto Tom Kalil e Fen Zhao dell'Ufficio di Scienza e Tecnologia della Casa Bianca in un post sul blog OSTP.

La Casa Bianca ha compiuto un passo per aiutare gli enti a trovare queste tecnologie quando, nel 2012, ha istituito l'Iniziativa Nazionale di Ricerca e Sviluppo Big Data. L'iniziativa ha incluso più di $200 milioni per sfruttare al meglio l'esplosione del Big Data e gli strumenti necessari per analizzarlo.

Le sfide poste dal Big Data sono quasi altrettanto imponenti quanto promettenti le sue potenzialità. Lo stoccaggio efficiente dei dati è una di queste sfide. I budget sono sempre limitati, quindi gli enti devono minimizzare il prezzo per megabyte dello stoccaggio e mantenere i dati facilmente accessibili in modo che gli utenti possano ottenerli quando lo desiderano e come ne hanno bisogno. Il backup di quantità massicce di dati rende la sfida ancora più complessa.

L'analisi efficace dei dati è un'altra sfida principale. Molti enti utilizzano strumenti commerciali che consentono loro di setacciare le enormi quantità di dati, individuando tendenze che possono aiutarli a operare più efficientemente. (Uno studio recente di MeriTalk ha rilevato che i responsabili IT federali ritengono che il Big Data possa aiutare gli enti a risparmiare oltre $500 miliardi mentre soddisfano anche gli obiettivi operativi.).

Strumenti di Big Data sviluppati su misura stanno permettendo agli enti di affrontare la necessità di analizzare i propri dati. Ad esempio, il Gruppo di Analisi dei Dati Computazionali del Laboratorio Nazionale Oak Ridge ha reso disponibile il suo sistema di analisi dei dati Piranha ad altri enti. Il sistema ha aiutato i ricercatori medici a individuare un collegamento che può avvisare i dottori sull'insorgenza di aneurismi aortici prima del loro verificarsi. Viene anche utilizzato per compiti più comuni, come setacciare le curriculum vitae per connettere candidati e responsabili delle assunzioni.

Giorno 1 - fornisce una panoramica generale delle aree tematiche fondamentali di Big Data. Il modulo è suddiviso in una serie di sezioni, ciascuna accompagnata da un esercizio pratico.

Giorno 2 - esplora una gamma di argomenti che riguardano le pratiche e gli strumenti di analisi per gli ambienti Big Data. Non si occupa di dettagli di implementazione o programmazione, ma mantiene la copertura a un livello concettuale, concentrandosi su temi che permettono ai partecipanti di sviluppare una comprensione completa delle funzioni e delle caratteristiche di analisi comuni offerte dalle soluzioni Big Data.

Giorno 3 - fornisce una panoramica delle aree tematiche fondamentali e essenziali relative all'architettura della piattaforma di soluzioni Big Data. Copre i meccanismi Big Data necessari per lo sviluppo di una piattaforma di soluzioni Big Data e le opzioni architettoniche per assemblare una piattaforma di elaborazione dati. Vengono presentati anche scenari comuni per fornire una comprensione di base di come venga generalmente utilizzata una piattaforma di soluzioni Big Data.

Giorno 4 - si basa sul Giorno 3 esplorando temi avanzati relativi all'architettura della piattaforma di soluzioni Big Data. In particolare, vengono introdotti e discussi diversi strati architettonici che compongono la piattaforma di soluzioni Big Data, incluse le fonti dati, l'ingresso dei dati, lo storage dei dati, l'elaborazione dei dati e la sicurezza.

Giorno 5 - copre un numero di esercizi e problemi progettati per testare la capacità dei partecipanti di applicare le conoscenze sugli argomenti trattati nei Giorni 3 e 4.

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.

In questa formazione dal vivo condotta da un istruttore in Italia, i partecipanti apprenderanno la mentalità con cui approcciare le tecnologie Big Data, valutare il loro impatto sui processi e sulle politiche esistenti e implementare queste tecnologie allo scopo di identificare attività criminali e prevenire la criminalità. Saranno esaminati casi di studio di organizzazioni di forze dell'ordine in tutto il mondo per ottenere informazioni sui loro approcci di adozione, sfide e risultati.

Al termine di questa formazione, i partecipanti saranno in grado di:

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

I Big Data sono un termine che si riferisce a soluzioni destinate allo stoccaggio e al processing di grandi set di dati. Sviluppate inizialmente da Google, queste soluzioni Big Data si sono evolute ed hanno ispirato altri progetti simili, molti dei quali disponibili come open-source. R è un linguaggio di programmazione molto popolare nel settore finanziario.

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).

In questa sessione di formazione in aula, esploreremo il Big Data. I partecipanti avranno esempi pratici basati su computer e esercizi di caso studio da svolgere con strumenti di Big Data rilevanti.

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.

Il corso è dedicato agli specialisti IT in cerca di una soluzione per archiviare e processare grandi insiemi di dati in un ambiente di sistema distribuito

Obiettivo del corso:

Acquisire conoscenze riguardanti l'administrazione del cluster Hadoop

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 il processing Big Data su cluster di server. Questo corso introducirà uno sviluppatore ai vari componenti (HDFS, MapReduce, Pig, Hive e HBase) dell'ecosistema Hadoop.

Apache Hadoop è uno dei framework più popolari per il processing Big Data su cluster di server. Questo corso si occupa della gestione dei dati in HDFS, Pig avanzato, Hive, e HBase.  Queste tecniche di programmazione avanzate saranno utili ai sviluppatori esperti di Hadoop.

Destinatari: 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.

Questo corso introduce HBase – uno store NoSQL su Hadoop. Il corso è destinato a sviluppatori che useranno HBase per sviluppare applicazioni e amministratori che gestiranno cluster HBase.

Percorreremo con lo sviluppatore l'architettura di HBase, la modellazione dei dati e lo sviluppo delle applicazioni su HBase. Discuteremo anche l'uso di MapReduce con HBase e alcuni argomenti amministrativi relativi all'ottimizzazione delle prestazioni. Il corso è molto pratico, con numerosi esercizi in laboratorio.

Durata: 3 giorni

Pubblico: Sviluppatori e Amministratori

In questo corso guidato dall'instruttore (in loco o remoto), i partecipanti impareranno come configurare e integrare diversi framework di Stream Processing con sistemi di archiviazione dei dati Big Data esistenti e applicazioni software correlate e microservizi.

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

• Installare e configurare diversi framework di Stream Processing, come Spark Streaming e Kafka Streaming.
• Capire e selezionare il framework più appropriato per l'attività.
• Elaborare i dati in modo continuo, concorrente e record per record.
• Integrare le soluzioni di Stream Processing con database esistenti, data warehouse, data lake, ecc.
• Integrare la libreria di elaborazione di stream più appropriata con applicazioni aziendali e microservizi.

Questo corso di formazione guidato dal docente in Italia (online o in sede) è rivolto a professionisti tecnici che desiderano imparare come implementare una strategia di machine learning sfruttando al massimo i dati big.

Alla fine di questo corso, i partecipanti saranno in grado di:

• Comprendere l'evoluzione e le tendenze del machine learning.
• Sapere come il machine learning viene utilizzato in diversi settori.
• Familiarizzarsi con gli strumenti, le competenze e i servizi disponibili per implementare il machine learning all'interno di un'organizzazione.
• Capire come il machine learning può essere utilizzato per migliorare la data mining e l'analisi dei dati.
• Imparare cos'è una piattaforma backend per i dati e come viene utilizzata dalle aziende.
• Comprendere il ruolo che i dati big e le applicazioni intelligenti stanno svolgendo in diversi settori.

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.

Questo corso di formazione guidato dal docente (online o in loco) è rivolto ai data scientist che desiderano utilizzare il stack SMACK per costruire piattaforme di elaborazione dei dati per soluzioni a grandi dimensioni.

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

• Implementare un'architettura della pipeline dei dati per l'elaborazione dei grandi volumi di dati.
• Sviluppare un'infrastruttura cluster con Apache Mesos e Docker.
• Analizzare i dati con Spark e Scala.
• Gestire dati non strutturati con Apache Cassandra.

Questo training guidato dal formatore in Italia (online o in presenza) è rivolto agli ingegneri che desiderano configurare e implementare il sistema Apache Spark per l'elaborazione di grandi quantità di dati.

Alla fine di questo corso, i partecipanti saranno in grado di:

• Installare e configurare Apache Spark.
• Lettura rapida ed analisi di grandi quantità di dati.
• Capire le differenze tra Apache Spark e Hadoop MapReduce e quando utilizzare ciascuno dei due.
• Integrare Apache Spark con altri strumenti di apprendimento automatico.

L'andamento della curva di apprendimento di Apache Spark si intensifica lentamente all'inizio, richiedendo molto sforzo per ottenere i primi risultati. Questo corso mira a superare la prima parte difficile. Dopo aver completato il corso, i partecipanti comprenderanno le basi di Apache Spark, sapranno distinguere chiaramente RDD da DataFrame, impareranno l'API Python e Scala, capiranno gli esecutori e i task, ecc. Inoltre, seguendo le best practice, questo corso si concentra fortemente sulla distribuzione nel cloud, su Databricks e AWS. Gli studenti comprenderanno anche le differenze tra AWS EMR e AWS Glue, uno dei servizi Spark più recenti di AWS.

PUBBLICO:

Data Engineer, DevOps, Data Scientist

OBBIETTIVO:

Questo corso introdurrà Apache Spark. Gli studenti impareranno come Spark si inserisce nell'ecosistema Big Data e come utilizzare Spark per l'analisi dei dati. Il corso coprirà la shell di Spark per l'analisi dei dati interattiva, le interne di Spark, le API di Spark, Spark SQL, il streaming di Spark, e l'apprendimento automatico e GraphX.

PUBBLICO OBBIETTIVO :

Sviluppatori / Analisti dei Dati

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori che desiderano utilizzare Spark NLP, basato su Apache Spark, per sviluppare, implementare e scalare modelli e pipeline di elaborazione del testo in linguaggio naturale.

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

• Configura l'ambiente di sviluppo necessario per iniziare a costruire pipeline NLP con Spark NLP.
• Comprendere le caratteristiche, l'architettura e i vantaggi dell'utilizzo Spark NLP.
• Utilizzare i modelli pre-addestrati disponibili in Spark NLP per implementare l'elaborazione del testo.
• Scopri come creare, addestrare e scalare Spark NLP modelli per progetti di produzione.
• Applica la classificazione, l'inferenza e l'analisi del sentiment su casi d'uso reali (dati clinici, approfondimenti sul comportamento dei clienti, ecc.).

Spark SQL è il modulo di Apache Spark per lavorare con dati strutturati e non strutturati. Spark SQL fornisce informazioni sulla struttura dei dati e sul calcolo che viene eseguito. Queste informazioni possono essere utilizzate per eseguire ottimizzazioni. Due utilizzi comuni di Spark SQL sono:
- l'esecuzione di query SQL.
- la lettura di dati da un'installazione esistente di Hive.

In questa formazione guidata dal docente (in presenza o a distanza), i partecipanti impareranno come analizzare vari set di dati utilizzando Spark SQL.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installare e configurare Spark SQL.
• Eseguire l'analisi dei dati utilizzando Spark SQL.
• Eseguire query su set di dati in diversi formati.
• Visualizzare i dati e i risultati delle query.

Formato del Corso

• Lezione interattiva e discussione.
• Molti esercizi e pratica.
• Implementazione pratica 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.

Questo corso di formazione guidato da un istruttore (online o in presenza) è rivolto a persone tecniche che desiderano distribuire Talend Open Studio for Big Data per semplificare il processo di lettura e analisi dei dati Big.

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

• Installare e configurare Talend Open Studio for Big Data.
• Connettersi a sistemi di Big Data come Cloudera, HortonWorks, MapR, Amazon EMR e Apache.
• Comprendere e impostare i componenti e i connettori Big Data di Open Studio.
• Configurare parametri per generare automaticamente codice MapReduce.
• Utilizzare l'interfaccia a trascinamento e rilascio di Open Studio per eseguire processi Hadoop.
• Prototipare pipeline di Big Data.
• Automatizzare progetti di integrazione di Big Data.