Курс за обучение по HBase for Developers

Публика:

Курсът е предназначен за ИТ специалисти, които търсят решение за съхранение и обработка на големи масиви от данни в разпределена системна среда

Goал:

Задълбочени познания по Hadoop администриране на клъстери.

Анализът на големи данни включва процеса на изследване на големи количества разнообразни набори от данни, за да се разкрият корелации, скрити модели и други полезни прозрения.

Здравната индустрия разполага с огромно количество сложни разнородни медицински и клинични данни. Прилагането на анализ на големи данни върху здравни данни представлява огромен потенциал за извличане на прозрения за подобряване на предоставянето на здравни грижи. Огромността на тези набори от данни обаче поставя големи предизвикателства в анализите и практическите приложения в клинична среда.

В това водено от инструктор обучение на живо (дистанционно) участниците ще се научат как да извършват анализ на големи данни в здравеопазването, докато преминават през поредица от практически лабораторни упражнения на живо.

До края на това обучение участниците ще могат:

Инсталирайте и конфигурирайте инструменти за анализ на големи данни като Hadoop MapReduce и Spark Разбирайте характеристиките на медицинските данни Прилагайте техники за големи данни за работа с медицински данни Изучавайте системи и алгоритми за големи данни в контекста на здравни приложения

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика.

Забележка

За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.

Когато традиционните технологии за съхранение не се справят с количеството данни, които трябва да съхранявате, има стотици алтернативи. Този курс се опитва да насочи участниците какви са алтернативите за съхранение и анализ Big Data и какви са техните плюсове и минуси.

Този курс е съсредоточен най-вече върху дискусия и представяне на решения, въпреки че практическите упражнения са достъпни при поискване.

Курсът е част от набора от умения за Data Scientist (Домейн: Данни и технологии).

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към администратори на бази данни или разработчици, които желаят да използват Microsoft Azure Cosmos DB за разработване и управление на приложения с висока реакция и ниска латентност.

До края на това обучение участниците ще могат:

• Осигурете необходимите ресурси на Cosmos DB, за да започнете изграждането на бази данни и приложения.
• Мащабирайте производителността и съхранението на приложения чрез използване на API в Cosmos DB.
• Управлявайте операциите с бази данни и намалете разходите чрез оптимизиране на ресурсите на Cosmos DB.

Курсът е посветен на ИТ специалисти, които търсят решение за съхранение и обработка на големи масиви от данни в разпределена системна среда

Цел на курса:

Получаване на знания относно Hadoop администриране на клъстер

Apache Hadoop е най-популярната рамка за обработка Big Data на клъстери от сървъри. В този три (по избор четири) дневен курс участниците ще научат за ползите за бизнеса и случаите на използване на Hadoop и неговата екосистема, как да планират внедряването и растежа на клъстера, как да инсталират, поддържат, наблюдават, отстраняват неизправности и оптимизират [2 ]. Те също така ще практикуват групово зареждане на данни в клъстер, ще се запознаят с различни Hadoop дистрибуции и ще практикуват инсталиране и управление на Hadoop инструменти за екосистеми. Курсът завършва с обсъждане на защитата на клъстера с Kerberos.

„...Материалите бяха много добре подготвени и подробно обхванати. Лабораторията беше много полезна и добре организирана“
— Андрю Нгуен, главен инженер по интегриране на DW, Microsoft Онлайн Advertising

Публика

Hadoop администратори

формат

Лекции и практически упражнения, приблизителен баланс 60% лекции, 40% лабораторни упражнения.

Apache Hadoop е най-популярната рамка за обработка Big Data на клъстери от сървъри. Този курс ще запознае програмиста с различни компоненти (HDFS, MapReduce, Pig, Hive и HBase) Hadoop екосистема.

Apache Hadoop е една от най-популярните рамки за обработка Big Data на клъстери от сървъри. Този курс се занимава с управление на данни в HDFS, Advanced Pig Hive и HBase. Тези усъвършенствани техники за програмиране ще бъдат от полза за опитни Hadoop разработчици.

Аудитория : разработчици

Продължителност: три дни

Формат: лекции (50%) и практически упражнения (50%).

Това водено от инструктор обучение на живо в България (онлайн или на място) представя Hortonworks Data Platform (HDP) и превежда участниците през внедряването на решението Spark + Hadoop.

До края на това обучение участниците ще могат:

• Използвайте Hortonworks за надеждно изпълнение на Hadoop в голям мащаб.
• Обединете възможностите за сигурност, управление и операции на Hadoop с гъвкавите аналитични работни процеси на Spark.
• Използвайте Hortonworks, за да проучите, валидирате, сертифицирате и поддържате всеки от компонентите в проект на Spark.
• Обработвайте различни видове данни, включително структурирани, неструктурирани, в движение и в покой.

Този курс обхваща как да използвате езика Hive SQL (AKA: Hive HQL, SQL на Hive, HiveQL) за хора, които извличат данни от Hive

Cloudera Impala е машина за заявки за масивна паралелна обработка (MPP) SQL с отворен код за Apache Hadoop клъстери.

Impala позволява на потребителите да изпращат заявки с ниска латентност SQL към данни, съхранявани в Hadoop Distributed File System и Apache Hbase, без да се изисква движение или трансформация на данни.

Публика

Този курс е насочен към анализатори и специалисти по данни, извършващи анализ на данни, съхранявани в Hadoop чрез Business Intelligence или SQL инструменти.

След този курс делегатите ще могат

• Извлечете значима информация от Hadoop клъстери с Impala.
• Напишете специфични програми за улесняване на Business интелигентността на Impala SQL диалекта.
• Отстраняване на неизправности Impala.

Релационните бази данни са предпочитаната технология за съхраняване, извличане и запитване на данни. Релационните бази данни позволяват на потребителите да организират своите данни, като използват структуриран, добре дефиниран набор от модели (модел). Въпреки че този подход работи добре за съхраняване на данни, които са стандартизирани и добре разбрани предварително (помислете за приложение за регистрация в болница, което съхранява записи на пациенти със същия последователен набор от предварително дефинирани полета... ID на пациента, собствено име, фамилия име, дата на последно посещение и др.), има ограничения за този модел. За организации, чиито входящи данни не са добре дефинирани (помислете за онлайн формуляр за запитване за стартиращ бизнес, който все още е в процес на експериментиране с различни полета за събиране на данни за посетителите, премахване и добавяне на полета, докато отиват, за да се приспособят към променящия се характер на бизнес), всички установени дефиниции за това как данните трябва да се поберат в съществуваща база данни ще трябва редовно да се предефинират. Това би изисквало пресъздаване на модела на данни (схема), който диктува структурата на данните и неговите разрешени типове данни, за да поддържа различни типове входни данни и т.н., преди нови данни да могат да бъдат записани в базата данни.

Въведете не SQL (не само SQL) бази данни. Никакви SQL бази данни не освобождават потребителите от необходимостта да дефинират предварително структурата на входящите данни, което им позволява да вмъкват и актуализират нови данни в движение. NoSQL базите данни често са по-бързи от релационните бази данни и могат да обработват много големи количества данни с лекота. No SQL базите данни също се мащабират по-добре от релационните бази данни, поради способността им ефективно да разделят данните между много сървъри (клъстер) и да балансират натоварването при достъпа до тези данни. No SQL базите данни се интегрират особено добре с приложения, които поддържат анализи в реално време, персонализиране на сайтове, IoT и мобилни приложения

В това обучение на живо, водено от инструктор, участниците ще разберат архитектурата, принципите на проектиране и функционалността на най-популярните NoSQL бази данни, докато настройват, работят и оценяват редица NoSQL бази данни в лабораторна среда на живо. Целта на това обучение е да даде възможност на участниците интелигентно да оценят, предложат и внедрят подходящо решение за база данни NoSQL в рамките на тяхната организация.

До края на това обучение участниците ще могат:

Инсталирайте и конфигурирайте различни типове NoSQL бази данни, включително MongoDB, Cassandra, Redis и Neo4j Разберете предимствата и недостатъците на NoSQL бази данни срещу релационни бази данни Разберете основните формати на данни, използвани от NoSQL бази данни и как тези формати може да се използва с предимство при разработване на съвременни приложения (десктоп, мобилни, облачни, IoT) Извършване на операции за създаване, вмъкване, актуализиране, изтриване в NoSQL база данни Настройване на смесена среда както с релационна база данни, така и с NoSQL работа в тандем Конфигурирайте клъстер от база данни NoSQL за разпределяне на обработката на много големи масиви от данни Разберете последиците за сигурността от използването на база данни NoSQL Разположете и мащабирайте база данни NoSQL в производствена среда

Публика

Database професионалисти Архитекти на данни Стратези на данни Мениджъри на проекти Разработчици на приложения, желаещи да интегрират гъвкаво решение за база данни в своето приложение

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Забележка

За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.

redis

nosql

Scylla е разпределено NoSQL хранилище на данни с отворен код. Той е съвместим с Apache Cassandra, но работи при значително по-висока пропускателна способност и по-ниски закъснения.

В този курс участниците ще научат за функциите и архитектурата на Scylla, като същевременно придобият практически опит с настройката, администрирането, наблюдението и отстраняването на проблеми със Scylla.

Публика

Database администратори Разработчици Системни инженери

Формат на курса

Курсът е интерактивен и включва обсъждане на принципите и подходите за внедряване и управление на разпределени бази данни и клъстери на Scylla. Курсът включва тежък компонент от практически упражнения и практика.