Grunnleggende kunnskap om Big Data og databasesystemer Treningskurs

Målgruppe:

Kurset er ment for IT-spesialister som ser etter en løsning for å lagre og behandle store datasett i en distribusjonssystemmiljø.

Goal:

Dypt kunnskap om Hadoop klusteradministrasjon.

Denne instruktørledede, live opplæringen (online eller på sted) er rettet mot mellomnivå dataforskere og ingeniører som ønsker å bruke Google Colab og Apache Spark for behandling og analyse av store datasett.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Opprette en stor data-miljø ved bruk av Google Colab og Spark.
• Behandle og analysere store datasett effektivt med Apache Spark.
• Visualisere store data i et samarbeidsmiljø.
• Integrere Apache Spark med skyløsninger.

Dette instruktørledede, live-treningen i Norge (online eller på lokasjon) er rettet mot databasadministratører eller utviklere som ønsker å bruke Microsoft Azure Cosmos DB til å utvikle og administrere høyresponsivt og lav-latens-applikasjoner.

Ved treningens slutt vil deltakerne kunne:

• Sette opp nødvendige Cosmos DB-resurser for å begynne med å bygge databaser og applikasjoner.
• Skalere applikasjonens ytelse og lagring ved hjelp av APIer i Cosmos DB.
• Administrere databaseoperasjoner og redusere kostnader ved å optimere Cosmos DB-resurser.

Apache Hadoop er det mest populære rammeverket for behandling på klustre av servere. I dette tre (valgfritt, fire) dagers kurs vil deltakerne lære om de forretningsmessige fordeler og bruksområdene for Hadoop og dets økosystem, hvordan man planlegger klusterutplassering og vekst, hvordan man installerer, vedlikeholder, overvåker, feilsøker og optimaliserer Hadoop. De vil også øve på klusterbulkdataopplasting, bli kjent med ulike Hadoop-distribusjoner og øve på installasjon og administrasjon av Hadoop-økosystemverktøy. Kurset avsluttes med en diskusjon om å sikre kluster med Kerberos.

“…Materialene var svært godt forberedt og dekket grundig. Laboratoriene var svært nyttige og godt organisert”— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Målgruppe

Hadoop-administratorer

Format

Forelesninger og praktiske laboratorier, omtrentlig balanse 60% forelesninger, 40% laboratorier.

Apache Hadoop er den mest populære rammen for å behandle Big Data på serverkluster. Denne kursen vil introdusere en utvikler til ulike komponenter (HDFS, MapReduce, Pig, Hive og HBase) i Hadopen økosystemet.

Apache Hadoop er en av de mest populære rammenettene for å behandle stordata på serverklustre. Dette kurset dykker dyp ned i datalagring i HDFS, avansert Pig, Hive og HBase. Disse avanserte programmeringsteknikkene vil være til nytte for utviklere med erfaring i Hadoop.

Målgruppe: utviklere

Varighet: tre dager

Format: forelesninger (50%) og praktiske øvelser (50%).

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot systemadministratorer som ønsker å lære hvordan de konfigurerer, distribuerer og administrerer Hadoop klynger i organisasjonen deres.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Apache Hadoop.
• Forstå de fire hovedkomponentene i Hadoop-økosystemet: HDFS, MapReduce, YARN og Hadoop Common.
• Bruk Hadoop Distributed File System (HDFS) for å skalere en klynge til hundrevis eller tusenvis av noder.
• Konfigurer HDFS for å fungere som lagringsmotor for Spark-distribusjoner på stedet.
• Sett opp Spark for å få tilgang til alternative lagringsløsninger som Amazon S3 og NoSQL databasesystemer som Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Utfør administrative oppgaver som klargjøring, administrasjon, overvåking og sikring av en Apache Hadoop-klynge.

Denne kursen introduserer HBase – en NoSQL-lagring på toppen av Hadoop. Kursen er ment for utviklere som vil bruke HBase til å utvikle applikasjoner, og for administratorer som vil administrere HBase-kluster.

Vi vil veilede en utvikler gjennom HBase-arkitekturen og data-modellering og applikasjonsutvikling på HBase. Den vil også diskutere bruk av MapReduce med HBase, og noen administrative emner knyttet til ytelsesoptimalisering. Kurset er svært praktisk med mange labøvelser.

Varighet: 3 dager

Målgruppe: Utviklere & Administratører

Apache NiFi er en open source, flytdriftsbasert dataintegrering- og hendelseshåndteringplattform. Det muliggjør automatisert, sanntids-datarouting, -transformasjon og systemmediasjon mellom ulike systemer, med en webbasert brukergrensesnitt og detaljert kontroll.

Dette instruktørførte, live-utdanningskurs (på stedet eller fjern) er rettet mot mellemnivåadministratorer og ingeniører som ønsker å distribuere, administrere, sikre og optimalisere NiFi-dataflyter i produksjonsmiljøer.

Av slutten av dette kurset vil deltakerne kunne:

• Installere, konfigurere og vedlikeholde Apache NiFi-kluster.
• Utforme og administrere dataflyter fra ulike kilder og mottakere.
• Implementere flytautomatisering, -ruting og transformasjonslogikk.
• Optimalisere ytelse, overvåke operasjonen og feilsøke problemer.

Kursformat

• Interaktiv forelesning med diskusjon om virkelige arkitekturer.
• Håndsom lab: bygge, distribuere og administrere flyter.
• Situasjonsbaserte øvelser i et live-lab-miljø.

Kurs tilpasningsmuligheter

• For å be om et tilpasset kurs, vennligst kontakt oss for å organisere det.

I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære det grunnleggende om flytbasert programmering når de utvikler en rekke demo-utvidelser, komponenter og prosessorer ved hjelp av Apache NiFi.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå NiFis arkitektur og dataflytkonsepter.
• Utvikle utvidelser ved å bruke NiFi og tredjeparts APIer.
• Tilpasset utvikle sin egen Apache Nifi-prosessor.
• Ta inn og behandle sanntidsdata fra forskjellige og uvanlige filformater og datakilder.

Denne opplæringen gir en praktisk innføring i å bygge skalerbare databehandlings- og maskinlæringsarbeidsflyter ved hjelp av PySpark. Deltakerne lærer hvordan Apache Spark fungerer i moderne Big Data-ekosystemer, og hvordan man effektivt behandler store datasett ved hjelp av prinsippene for distribuert datateknikk.

I denne instruktørledede, live-treningen i Norge vil deltakerne lære å bruke Python og Spark sammen for å analysere store data mens de jobber med praktiske øvelser.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær hvordan du bruker Spark med Python for å analysere Big Data.
• Arbeid med øvelser som etterligner virkelige tilfeller.
• Bruk forskjellige verktøy og teknikker for stordataanalyse ved hjelp av PySpark.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke og integrere Spark, Hadoop og Python for å behandle, analysere og transformere store og komplekse datasett.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige miljøet for å begynne å behandle store data med Spark, Hadoop og Python.
• Forstå funksjonene, kjernekomponentene og arkitekturen til Spark og Hadoop.
• Lær hvordan du integrerer Spark, Hadoop og Python for behandling av store data.
• Utforsk verktøyene i Spark-økosystemet (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka og Flume).
• Bygg anbefalingssystemer for samarbeidsfiltrering som ligner på Netflix, YouTube, Amazon, Spotify og Google.
• Bruk Apache Mahout til å skalere maskinlæringsalgoritmer.

Stratio er en data-sentrert plattform som integrerer store data, kunstig intelligens og styring i én løsning. Dets Rocket- og Intelligence-moduler gjør det mulig å utforske, transformere og analysere data raskt i virksomhetsmiljøer.

Denne veiledede, live-treningen (online eller på stedet) er rettet mot mellomnivås dataprofessionelle som ønsker å bruke Rocket- og Intelligence-modulene i Stratio effektivt med PySpark, med fokus på løkkestrukturer, brukerdefinerte funksjoner og avansert data-logikk.

Ved slutten av denne treningen vil deltakerne kunne:

• Navigere og jobbe i Stratio-plattformen ved hjelp av Rocket- og Intelligence-modulene.
• Bruke PySpark i sammenheng med datainnlesing, -transformasjon og -analyse.
• Bruke løkker og betinget logikk for å kontrollere data-arbeidsflyt og uttrekk av egenskaper.
• Opprette og administrere brukerdefinerte funksjoner (UDFs) for gjenbrukbare dataoperasjoner i PySpark.

Kursformat

• Interaktiv foredrag og diskusjon.
• Masse øvelser og praksis.
• Praktisk implementering i et live-lab-miljø.

Kurstilpasningsoptions

• For å forespørre en tilpasset trening for dette kurset, vennligst kontakt oss for å ordne det.