Hadoop for Developers (4 days) Treningskurs

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) introduserer Hortonworks Data Platform (HDP) og leder deltakerne gjennom utrullingen av Spark + Hadoop-løsningen.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Bruk Hortonworks til å kjøre Hadoop pålitelig i stor skala.
• Foren Hadoops sikkerhet, styring og drift med Sparks smidige analytiske arbeidsflyter.
• Bruk Hortonworks til å undersøke, validere, sertifisere og støtte hver av komponentene i et Spark-prosjekt.
• Behandle ulike typer data, inkludert strukturert, ustrukturert, i bevegelse og i hvile.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot fagfolk på middels til avansert nivå som ønsker å lære administrasjonsverktøyene og praksisene som tilbys av Ambari for å lykkes med å administrere Hadoop klynger.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp en live Big Data-klynge med Ambari.
• Bruk Ambaris avanserte funksjoner og funksjoner på ulike bruksområder.
• Legg til og fjern noder sømløst etter behov.
• Forbedre ytelsen til en Hadoop klynge gjennom tuning og tweaking.

Cloudera Impala er en åpen kildekode massivt parallel processing (MPP) SQL søkemotor for Apache Hadoop klynger.

Impala gjør det mulig for brukere å sende spørsmål med lav latens SQL til data lagret i Hadoop Distribuert filsystem og Apache Hbase uten å kreve dataflytting eller transformasjon.

Publikum

Dette kurset er rettet mot analytikere og dataforskere som utfører analyser på data lagret i Hadoop via Business Intelligence eller SQL verktøy.

Etter dette kurset vil delegatene kunne

• Trekk ut meningsfull informasjon fra Hadoop klynger med Impala.
• Skriv spesifikke programmer for å lette Business Intelligens i Impala SQL Dialekt.
• Feilsøking Impala.

Dette kurset dekker hvordan du bruker Hive SQL språk (AKA: Hive HQL, SQL on Hive , Hive QL) for folk som henter ut data fra Hive

Publikum:

Kurset er beregnet på IT-spesialister på jakt etter en løsning for å lagre og behandle store datasett i et distribuert systemmiljø

Goal:

Dyp kunnskap om Hadoop klyngeadministrasjon.

Big data analytics innebærer prosessen med å undersøke store mengder varierte datasett for å avdekke korrelasjoner, skjulte mønstre og annen nyttig innsikt.

Helseindustrien har enorme mengder komplekse heterogene medisinske og kliniske data. Å bruke big data-analyse av helsedata gir et stort potensial i å oppnå innsikt for å forbedre leveransen av helsetjenester. Imidlertid gir enorme datasett store utfordringer i analyser og praktiske applikasjoner i et klinisk miljø.

I denne instruktørledede liveopplæringen (ekstern) vil deltakerne lære å utføre big data-analyse innen helse når de går gjennom en serie praktiske live-lab-øvelser.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer verktøy for analyse av big data som Hadoop MapReduce og Spark
• Forstå egenskapene til medisinsk data
• Bruk big data-teknikker for å håndtere medisinske data
• Studer store datasystemer og algoritmer i sammenheng med helseprogrammer

Publikum

• Utviklere
• Dataforskere

Kursets format

• Delforelesning, deldiskusjon, øvelser og tung praktisk øvelse.

Merk

• For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

I denne instruktørledede, live-opplæringen i Norge vil deltakerne lære hvordan de bruker Datameer for å overvinne Hadoops bratte læringskurve mens de går gjennom oppsettet og analysen av en rekke store datakilder.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Opprett, kurater og utforsk en bedriftsdatainnsjø interaktivt.
• Access datavarehus for forretningsintelligens, transaksjonsdatabaser og andre analytiske butikker.
• Bruk et regnearkbrukergrensesnitt for å designe ende-til-ende databehandlingsrørledninger.
• Access forhåndsbygde funksjoner for å utforske komplekse dataforhold.
• Bruk dra-og-slipp-veivisere for å visualisere data og lage dashbord.
• Bruk tabeller, diagrammer, grafer og kart for å analysere søkeresultater.

Kurset er dedikert til IT-spesialister som leter etter en løsning for å lagre og behandle store datasett i distribuert systemmiljø

Kursmål:

Få kunnskap om Hadoop klyngeadministrasjon

Apache Hadoop er det mest populære rammeverket for behandling Big Data på klynger av servere. På dette tre (valgfritt, fire) dagers kurset vil deltakerne lære om forretningsfordelene og brukstilfellene for Hadoop og dets økosystem, hvordan man planlegger klyngedistribusjon og vekst, hvordan man installerer, vedlikeholder, overvåker, feilsøker og optimaliserer [2 ]. De vil også øve på bulkdatabelastning, bli kjent med forskjellige Hadoop distribusjoner og øve på å installere og administrere Hadoop økosystemverktøy. Kurset avsluttes med en diskusjon om å sikre klynge med Kerberos.

“...Materialene var veldig godt forberedt og dekket grundig. Laboratoriet var veldig hjelpsomt og godt organisert”
— Andrew Nguyen, hovedintegrasjon DW-ingeniør, Microsoft Online Advertising

Publikum

Hadoop administratorer

Format

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

Apache Hadoop er et av de mest populære rammeverkene for behandling av Big Data på klynger av servere. Dette kurset går inn i datahåndtering i HDFS, avansert Pig, Hive og HBase. Disse avanserte programmeringsteknikkene vil være fordelaktige for erfarne Hadoop utviklere.

Målgruppe : utviklere

Varighet: tre dager

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

Hadoop er det mest populære Big Data prosesseringsrammeverket.

I denne instruktørledede opplæringen i Norge vil deltakerne lære kjernekomponentene i Hadoop-økosystemet og hvordan disse teknologiene kan brukes til å løse store problemer. Ved å lære disse grunnlagene vil deltakerne forbedre deres evne til å kommunisere med utviklerne og implementerne av disse systemene, så vel som dataviterne og analytikerne som mange IT-prosjekter involverer.

Publikum

• Prosjektledere som ønsker å implementere Hadoop i sin eksisterende utvikling eller IT-infrastruktur
• Prosjektledere som trenger å kommunisere med tverrfunksjonelle team som inkluderer stordataingeniører, dataforskere og forretningsanalytikere

Publikum:

Dette kurset er ment å avmystifisere big data/hadoop-teknologi og vise at det ikke er vanskelig å forstå.

Hadoop er et populært Big Data prosesseringsrammeverk. Python er et programmeringsspråk på høyt nivå kjent for sin klare syntaks og kodelesbarhet.

I denne instruktørledede, live-opplæringen vil deltakerne lære å jobbe med Hadoop, MapReduce, Pig og Spark ved å bruke Python mens de går gjennom flere eksempler og brukssaker.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå de grunnleggende konseptene bak Hadoop, MapReduce, Pig og Spark
• Bruk Python med Hadoop Distribuert filsystem (HDFS), MapReduce, Pig og Spark
• Bruk Snakebite for å få programmatisk tilgang til HDFS innen Python
• Bruk mrjob til å skrive MapReduce-jobber i Python
• Skriv Spark-programmer med Python
• Utvid funksjonaliteten til gris ved å bruke Python UDF-er
• Administrer MapReduce-jobber og Pig-skript ved hjelp av Luigi

Publikum

• Utviklere
• IT-fagfolk

Format på kurset

• Del forelesning, del diskusjon, øvelser og tung praktisk praksis

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.