Hadoop for Developers (4 dager) 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.

Målgruppe:

Dette kurset er ment å gjøre big data/Hadoop-teknologi mindre mystisk og vise at det ikke er vanskelig å forstå.

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 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 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 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.

Big data analytics innebærer prosessen med å undersøke store mengder varierende datasett for å oppdage sammenhenger, skjulte mønstre og andre nyttige innsikter.

Helsenæringen har enorme mengder kompleks og heterogene medisinske og kliniske data. Ved å bruke big data analytics på helsedata, finnes det stort potensial for å utlede innsikter som kan forbedre leveringen av helseomsorgen. Imidlertid stiller størrelsen på disse datasettene store utfordringer i analyser og praktiske anvendelser i en klinisk miljø.

I denne instruktørledede, live-treningen (fjernta), vil deltakerne lære hvordan de kan utføre big data analytics i helsenæringen gjennom en rekke praksisøvelser i live-lab.

Avslutning på denne treningen vil deltakerne kunne:

• Installere og konfigurere big data analyseverktøy som Hadoop MapReduce og Spark
• Få en forståelse for egenskapene til medisinske data
• Bruke big data teknikker for å håndtere medisinske data
• Studere big data systemer og algoritmer i sammenhengen med helseanvendelser

Målgruppe

• Utviklere
• Datavitenskapsfolk

Kursformat

• Del foredrag, del diskusjon, øvelser og mye praksis.

Merk

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

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 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.