
Helyi, oktató által vezetett élő Big Data tanfolyamok kezdődnek a Bevezetés az elemi koncepciók Big Data, majd előrehaladás a programozási nyelvek és módszertanok használt adatok elemzése. A nagyméretű adattárolás, az elosztott feldolgozás és a skálázhatóság lehetővé tételére szolgáló eszközök és infrastruktúrák megvitatásra, összehasonlításra és végrehajtásra kerülnek a demo gyakorlatban. A Big Data képzés "helyszíni élő képzés" vagy "távoli élő képzés" formájában érhető el. A helyszíni élő képzés helyi szinten valósulhat meg az ügyfél telephelyén Magyarország vagy a NobleProg vállalati oktatóközpontjaiban Magyarország . A távoli élőképzés interaktív, távoli asztal segítségével történik. NobleProg - a helyi oktatási szolgáltató
Machine Translated
Vélemények
Nagyon kézenfekvő volt, félidőn át töltöttük a dolgokat a Felhő / Keménytáblban, különböző parancsokat futtattunk, ellenőrztük a rendszert és így tovább. Az extra anyagok (könyvek, weboldalak stb.) Valóban nagyra értékelték, tovább kell tanulnunk. A létesítmények meglehetősen szórakoztatóak voltak, és nagyon praktikusak voltak, a klaszter beállítása a semmiből valóban jó volt.
Ericsson
Kurzus: Administrator Training for Apache Hadoop
Machine Translated
Sok gyakorló gyakorlatok.
Ericsson
Kurzus: Administrator Training for Apache Hadoop
Machine Translated
Ambari menedzsment eszköz. Képesség a Hadoop gyakorlati tapasztalatainak megvitatására a telekommunikációtól eltérő egyéb üzleti ügyekből.
Ericsson
Kurzus: Administrator Training for Apache Hadoop
Machine Translated
Az a tény, hogy az összes adat és szoftver már készen áll egy már elkészített VM-re, amelyet a tréner külső lemezekből készített.
vyzVoice
Kurzus: Hadoop for Developers and Administrators
Machine Translated
anyagválaszték
Maciej Jonczyk
Kurzus: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
a tudás rendszerezése az ML területén
Orange Polska
Kurzus: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Sok olyan kérdés, amelyet a képzés után lehet feltárni Kl
Klaudia Kłębek
Kurzus: Data Mining z wykorzystaniem R
Machine Translated
A tréner annyira jól ismertté vált, és olyan területeket érintett, amelyekbe érdekelt.
Mohamed Salama
Kurzus: Data Mining & Machine Learning with R
Machine Translated
Nagyon igényeihez igazítva.
Yashan Wang
Kurzus: Data Mining with R
Machine Translated
Richard nagyon nyugodt és módszeres, analitikus betekintéssel - pontosan azokkal a tulajdonságokkal, amelyek ahhoz szükségesek, hogy bemutassák ezt a módszert.
Kieran Mac Kenna
Kurzus: Spark for Developers
Machine Translated
Szeretem a gyakorlatokat.
Nour Assaf
Kurzus: Data Mining and Analysis
Machine Translated
A gyakorlati edzés és a tréner képessége egyszerűsített összetett témák megmagyarázására.
youssef chamoun
Kurzus: Data Mining and Analysis
Machine Translated
Az adott információ érdekes volt, és a legjobb rész a végén volt, amikor a Durex adatokkal rendelkeztünk, és olyan adatokkal dolgoztunk, amelyekről ismeretesek és műveletek végeztek, hogy eredményeket érjenek el.
Jessica Chaar
Kurzus: Data Mining and Analysis
Machine Translated
Leginkább a valódi élő példát adta a tréner.
Simon Hahn
Kurzus: Administrator Training for Apache Hadoop
Machine Translated
Igazán élveztem a Trainer nagy kompetenciáit.
Grzegorz Gorski
Kurzus: Administrator Training for Apache Hadoop
Machine Translated
Igazán élveztem a sok gyakorlati foglalkozást.
Jacek Pieczątka
Kurzus: Administrator Training for Apache Hadoop
Machine Translated
megoszthatja a koncepció diagramját és a mintákat a piszkos képpel M
Mark Yang - FMR
Kurzus: Spark for Developers
Machine Translated
Úgy gondoltam, hogy az információ érdekes.
Allison May
Kurzus: Data Visualization
Machine Translated
Nagyra értékelem, hogy Jeff olyan adatokat és példákat használt fel, amelyek az oktatási adatokra vonatkoztak. Érdekes és interaktívvá tette.
Carol Wells Bazzichi
Kurzus: Data Visualization
Machine Translated
Tanulni az összes grafikon típusról és arról, hogy mire használják őket. Tanulás a zűrzavar értékéről. Tanulni az időadatok megjelenítési módszereiről.
Susan Williams
Kurzus: Data Visualization
Machine Translated
A tréner lelkes volt.
Diane Lucas
Kurzus: Data Visualization
Machine Translated
Nagyon tetszett a tartalom / oktató.
Craig Roberson
Kurzus: Data Visualization
Machine Translated
Praktikus tanuló vagyok, és ezt sok mindent megtett.
Lisa Comfort
Kurzus: Data Visualization
Machine Translated
Tetszett a példák.
Peter Coleman
Kurzus: Data Visualization
Machine Translated
Általában hasznot húzott a példák.
Peter Coleman
Kurzus: Data Visualization
Machine Translated
Élveztem a jó valós példákat, a meglévő jelentések áttekintését.
Ronald Parrish
Kurzus: Data Visualization
Machine Translated
Alkalmazható forgatókönyvek és esetek
zhaopeng liu - Fmr
Kurzus: Spark for Developers
Machine Translated
Esettanulmány
国栋 张
Kurzus: Spark for Developers
Machine Translated
az ülés minden részét
Eric Han - Fmr
Kurzus: Spark for Developers
Machine Translated
Nagyon hasznos voltam az edző hajlandósága, hogy többet tudjak megosztani.
Balaram Chandra Paul
Kurzus: A practical introduction to Data Analysis and Big Data
Machine Translated
Sokkal többet tudunk az egész környezetről.
John Kidd
Kurzus: Spark for Developers
Machine Translated
A tréner érdekes és szórakoztató, ami egész nap egész napos edzést segíti.
Ryan Speelman
Kurzus: Spark for Developers
Machine Translated
Azt hiszem, a trénernek kiváló stílusa volt a humor és az élet történeteinek ötvözésével, hogy a tárgyakat könnyen elérhetővé tegye. Nagyon ajánlom ezt a professzort a jövőben.
Kurzus: Spark for Developers
Machine Translated
Nagyon tetszett az interaktív tanulási mód.
Luigi Loiacono
Kurzus: Data Analysis with Hive/HiveQL
Machine Translated
Nagyon gyakorlati képzés volt, tetszett a gyakorlati gyakorlatok.
Proximus
Kurzus: Data Analysis with Hive/HiveQL
Machine Translated
A jó áttekintés, a jó egyensúly az elmélet és a gyakorlatok között volt előnyös.
Proximus
Kurzus: Data Analysis with Hive/HiveQL
Machine Translated
Élveztem a dinamikus interakciót és a "gyakorlati" témát, köszönhetően a virtuális gépnek, nagyon stimuláló !.
Philippe Job
Kurzus: Data Analysis with Hive/HiveQL
Machine Translated
Ernesto nagyszerű munkát végzett a Spark és a különböző modulok magas szintű elképzeléseinek magyarázatával.
Michael Nemerouf
Kurzus: Spark for Developers
Machine Translated
A tréner kompetenciáját és ismereteit kihasználtam.
Jonathan Puvilland
Kurzus: Data Analysis with Hive/HiveQL
Machine Translated
Általában előnyös volt a technológiák bemutatása.
Continental AG / Abteilung: CF IT Finance
Kurzus: A practical introduction to Data Analysis and Big Data
Machine Translated
Összességében a tartalom jó volt.
Sameer Rohadia
Kurzus: A practical introduction to Data Analysis and Big Data
Machine Translated
Példa gyakorlatok; gyakorlati tapasztalat megosztása
澳新银行
Kurzus: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Kocka és DV
Alan Xie
Kurzus: Data Vault: Building a Scalable Data Warehouse
Machine Translated
A tanár ismerete az adattárházról átfogó, és dicséri azt! -
澳新银行
Kurzus: Data Vault: Building a Scalable Data Warehouse
Machine Translated
A tanár részletesen kifejtette és megvitatta a hangulatot
澳新银行
Kurzus: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Michael az edző nagyon ismerős és ügyes a Big Data és R. témájáról. Nagyon rugalmas és gyorsan testreszabja a képzést az ügyfelek igényeinek megfelelően. Ő is nagyon képes megoldani a technikai és tárgyi problémákat útközben. Fantasztikus és szakmai képzés !.
Xiaoyuan Geng - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurzus: Programming with Big Data in R
Machine Translated
Nagyon élveztem az új csomagok bevezetését.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurzus: Programming with Big Data in R
Machine Translated
Azt hiszem, a trénernek kiváló stílusa volt a humor és az élet történeteinek ötvözésével, hogy a tárgyakat könnyen elérhetővé tegye. Nagyon ajánlom ezt a professzort a jövőben.
Kurzus: Spark for Developers
Machine Translated
Big Data Course Outlines
Ez az oktató által vezetett, élő képzés (online vagy online) olyan fejlesztőknek szól, akik szeretnék használni és integrálni a Spark-t, Hadoop, és Python a nagy és összetett adatkészletek feldolgozására, elemzésére és átalakítására.
A képzés befejezése után a résztvevők képesek lesznek:
Hozzon létre a szükséges környezetet a nagy adatok feldolgozásának megkezdéséhez a Spark, Hadoop, és Python segítségével. Ismerje meg a tulajdonságokat, a központi összetevőket és az építészet a Spark és Hadoop. Ismerje meg, hogyan kell integrálni a Spark, Hadoop, és Python a nagy adatfeldolgozás. Fedezze fel az eszközöket a Spark ökoszisztémában (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka és Flume). Hozzon létre együttműködő szűrő ajánlás rendszerek hasonló Netflix, YouTube, Amazon, Spotify, és Google. Használja az Apache Mahout-ot a gépi tanulási algoritmusok méretezéséhez.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ez az oktató által vezetett, élő képzés (online vagy online) célja az adatelemzők és az adattudósok, akik szeretnék használni Weka az adatbányászati feladatok elvégzésére.
A képzés befejezése után a résztvevők képesek lesznek:
Beállítása és konfigurálása Weka Ismerje meg a Weka környezetet és a munkabankot. Az adatbányászati feladatok elvégzése Weka.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Ez az oktató által vezetett, élő képzés (online vagy online) az adatok elemzői vagy bárki, aki szeretné használni SPSS Modeler az adatok bányászati tevékenységek elvégzésére.
A képzés befejezése után a résztvevők képesek lesznek:
Ismerje meg az adatbányászat alapjait. Ismerje meg, hogyan kell importálni és értékelni az adatminőséget a Modellerrel. Fejleszteni, telepíteni és értékelni az adatmodelleket hatékonyan.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
A résztvevőknek lehetőségük lesz arra, hogy ezt a tudást gyakorlati gyakorlatokon keresztül gyakorolják. A csoportos interakció és az oktató visszajelzése az osztály fontos eleme.
A tanfolyam az alapvető koncepciók bevezetésével kezdődik Big Data, majd előrehalad a programozási nyelvekbe és a módszertanokba Data Analysis. Végül megvitatjuk azokat az eszközöket és infrastruktúrát, amelyek lehetővé teszik Big Data tárolást, elosztott feldolgozást és Scala kapacitást.
A kurzus formája
Részes előadások, részes viták, gyakorlati gyakorlatok és végrehajtás, alkalmi kérdőívek a haladás mérésére.
By the end of this training, participants will be able to:
- Learn how to use Spark with Python to analyze Big Data.
- Work on exercises that mimic real world cases.
- Use different tools and techniques for big data analysis using PySpark.
Ebben az oktató által vezetett, élő tanfolyamon bemutatjuk a KDD-ben részt vevő folyamatokat, és számos gyakorlatot végzünk az ilyen folyamatok végrehajtásának gyakorlására.
közönség
Adatelemzők vagy bárki, aki érdekli, hogy megtanulják, hogyan kell értelmezni az adatokat a problémák megoldására
A kurzus formája
A KDD elméleti megbeszélése után az oktató bemutatja a valós élet eseteit, amelyek felkérik a KDD alkalmazását a probléma megoldására. A résztvevők előkészítik, kiválasztják és tisztítják a minta adatkészleteket, és az adatokkal kapcsolatos előzetes ismereteiket használják fel, hogy a megfigyeléseik eredményei alapján megoldásokat javasoljanak.
Ebben az oktató által vezetett élő képzésben a résztvevők megtanulják, hogyan kell használni Apache Kylin egy valós idejű adattároló létrehozását.
A képzés befejezése után a résztvevők képesek lesznek:
Valós idejű streaming adatok fogyasztása a Kylin használatával Használja Apache Kylin's erőteljes funkciók, gazdag SQL interfész, spark fedés és másodlagos lekérdezés lassúság
Megjegyzések
A Kylin legújabb verzióját használjuk (a jelen írás alapján, Apache Kylin v2.0)
közönség
Big Data mérnökök Big Data Az elemzők
A kurzus formázása
Részes előadások, részes viták, gyakorlatok és nehéz gyakorlatok
Ez az oktató által irányított, élő (helyszíni vagy távoli) képzés olyan adattudósok számára szól, akik az Excel bányászatát kívánják használni.
A képzés végére a résztvevők képesek lesznek:
- Fedezze fel az adatokat az Excel segítségével az adatok bányászatához és elemzéséhez.
- Használjon Microsoft algoritmusokat az adatbányászathoz.
- Megérteni az Excel adatbányászat fogalmait.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljen.
Ebben az oktató által vezetett, élő képzésben a résztvevők megtanulják, hogyan kell telepíteni, konfigurálni és használni Dremio az adatelemzési eszközök és az alapvető adattárak egységes rétege.
A képzés befejezése után a résztvevők képesek lesznek:
Beállítása és beállítása Dremio Több adatforrásra vonatkozó lekérdezések végrehajtása, függetlenül a helyétől, méretétől vagy szerkezetétől Integrálja Dremio BI és adatforrások, mint például Tableau és Elasticsearch
közönség
adattudósok Business Az elemzők Adatmérnökök
A kurzus formázása
Részes előadások, részes viták, gyakorlatok és nehéz gyakorlatok
jegyzetek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
A helyszíni oktatók által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet az Apache Arrow t különféle Data Science keretekkel integrálni, hogy eltérő adatforrásokból érhessenek el adatokat.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja az Apache Arrow elosztott fürtözött környezetben
- Az Apache Arrow segítségével különféle adatforrásokból érheti el az adatokat
- Az Apache Arrow segítségével megkerülheti az összetett ETL csővezetékek építésének és karbantartásának szükségességét
- Elemezze az adatokat különálló adatforrások között anélkül, hogy össze kellene foglalnia azokat egy központi adattárba
Közönség
- Adattudósok
- Adatmérnökök
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
jegyzet
- Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
High-value government solutions will be created from a mashup of the most disruptive technologies:
- Mobile devices and applications
- Cloud services
- Social business technologies and networking
- Big Data and analytics
IDC predicts that by 2020, the IT industry will reach $5 trillion, approximately $1.7 trillion larger than today, and that 80% of the industry's growth will be driven by these 3rd Platform technologies. In the long term, these technologies will be key tools for dealing with the complexity of increased digital information. Big Data is one of the intelligent industry solutions and allows government to make better decisions by taking action based on patterns revealed by analyzing large volumes of data — related and unrelated, structured and unstructured.
But accomplishing these feats takes far more than simply accumulating massive quantities of data.“Making sense of thesevolumes of Big Datarequires cutting-edge tools and technologies that can analyze and extract useful knowledge from vast and diverse streams of information,” Tom Kalil and Fen Zhao of the White House Office of Science and Technology Policy wrote in a post on the OSTP Blog.
The White House took a step toward helping agencies find these technologies when it established the National Big Data Research and Development Initiative in 2012. The initiative included more than $200 million to make the most of the explosion of Big Data and the tools needed to analyze it.
The challenges that Big Data poses are nearly as daunting as its promise is encouraging. Storing data efficiently is one of these challenges. As always, budgets are tight, so agencies must minimize the per-megabyte price of storage and keep the data within easy access so that users can get it when they want it and how they need it. Backing up massive quantities of data heightens the challenge.
Analyzing the data effectively is another major challenge. Many agencies employ commercial tools that enable them to sift through the mountains of data, spotting trends that can help them operate more efficiently. (A recent study by MeriTalk found that federal IT executives think Big Data could help agencies save more than $500 billion while also fulfilling mission objectives.).
Custom-developed Big Data tools also are allowing agencies to address the need to analyze their data. For example, the Oak Ridge National Laboratory’s Computational Data Analytics Group has made its Piranha data analytics system available to other agencies. The system has helped medical researchers find a link that can alert doctors to aortic aneurysms before they strike. It’s also used for more mundane tasks, such as sifting through résumés to connect job candidates with hiring managers.
Ha megpróbálja megérteni az adatokból, amelyekhez hozzáférhet, vagy elemezni kívánja a net strukturált adatokat (például Twitter, Linked in, stb.), Ez a kurzus az Ön számára.
Leginkább a döntéshozóknak és azoknak az embereknek szól, akiknek ki kell választaniuk, hogy milyen adatokat érdemes gyűjteni és mit érdemes elemezni.
Nem a megoldást konfiguráló emberekre irányul.
Szállítási mód
A tanfolyam során a küldöttek többnyire nyílt forráskódú technológiákkal foglalkozó példákat mutatnak be.
A rövid előadásokat előadások és egyszerű gyakorlatok követik a résztvevők
Tartalom és szoftver
Minden használt szoftver frissül minden alkalommal, amikor a kurzust futtatják, így ellenőrizzük a legújabb verziókat.
Ez az adatgyűjtés, -formázás, -feldolgozás és -elemzés folyamatát foglalja magában, hogy elmagyarázza, hogyan automatizálható a döntéshozatali folyamat a gépi tanulással.
2. nap - a Big Data környezetek elemzési gyakorlataival és eszközeivel kapcsolatos témaköröket vizsgálja. Nem kerül be a megvalósításba vagy programozási részletekbe, hanem a fogalom szintjén tartja a lefedettséget, és olyan témákra összpontosít, amelyek lehetővé teszik a résztvevők számára a Big Data megoldások által kínált közös elemzési funkciók és funkciók átfogó megértését.
3. nap - áttekintést ad a Big Data megoldás platform architektúrájához kapcsolódó alapvető és alapvető témakörökről. Magában foglalja a Big Data megoldások platformjának és az adatfeldolgozó platform összeszereléséhez szükséges architekturális lehetőségek fejlesztéséhez szükséges Big Data mechanizmusokat. Gyakori forgatókönyvek is bemutatásra kerülnek, hogy alapvető ismereteket kapjanak arról, hogyan használják általában a Big Data megoldást.
4. nap - a 3. napra építve a Big Data megoldás platform architektúrájához kapcsolódó fejlett témák feltárásával. Különösen a Big Data megoldás platformját alkotó különböző építészeti rétegeket ismertetik és tárgyalják, beleértve az adatforrásokat, az adatok bejutását, az adatok tárolását, az adatfeldolgozást és a biztonságot.
Az 5. nap számos olyan gyakorlattal és problémával foglalkozik, amelyek célja, hogy teszteljék a küldöttek azon képességét, hogy a 3. és 4. napra vonatkozó témaköröket tudják alkalmazni.
Ez a kurzus többnyire a megoldások megvitatására és bemutatására összpontosít, bár a gyakorlati gyakorlatok igény szerint rendelkezésre állnak.
A tanfolyam 8 modulból áll (4 az 1. napon és 4 a 2. napon)
Ebben oktató által vezetett, az élő képzés, a résztvevők megtanulják a gondolkodásmód, amellyel megközelíteni Big Data technológiák azok hatásának értékelése a meglévő folyamatok és politikák, és alkalmazza ezeket a technológiákat azonosítása céljából bűncselekmények és a bűncselekmények megelőzésére. A világ minden részén működő rendészeti szervezetek esettanulmányait megvizsgálják, hogy betekintést nyerjenek elfogadási megközelítéseikbe, kihívásaiba és eredményeikbe.
A képzés végére a résztvevők képesek lesznek:
- Kombinálja a Big Data technológiát a hagyományos adatgyűjtési folyamatokkal, hogy egy történetet összeállítson a nyomozás során
- Ipari nagy adattárolási és -feldolgozási megoldások végrehajtása az adatok elemzéséhez
- Készítsen elő javaslatot a bűnügyi nyomozás adatközpontú megközelítését lehetővé tevő legmegfelelőbb eszközök és folyamatok elfogadására
Közönség
- Rendészeti szakemberek műszaki háttérrel
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
A résztvevők ezen a tanfolyamon megtanulják, hogyan kell kezelni a nagy adatokat az adatintegráció, az adatkezelés és az adatbiztonság három pillére segítségével, hogy a nagy adatokat valódi üzleti értékké alakítsák. Az ügyfélmenedzsment esettanulmánya alapján végzett különféle gyakorlatok segítenek a résztvevőknek megérteni a mögöttes folyamatokat.
A képzés végére a résztvevők:
- Megérteni a gépi tanulás fejlődését és trendeit.
- Tudja, hogy a gépi tanulást hogyan használják a különböző iparágakban.
- Ismerkedjen meg a szervezeten belüli gépi tanulás megvalósításához rendelkezésre álló eszközökkel, készségekkel és szolgáltatásokkal.
- Tudja meg, hogyan lehet a gépi tanulást felhasználni az adatbányászat és az elemzés javítására.
- Tudja meg, mi az adatközép háttér és hogyan használják azt a vállalkozások.
- Tudja meg, hogy a nagy adatok és az intelligens alkalmazások milyen szerepet játszanak az iparágakban.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
Ez az oktató által vezetett, élő képzés (helyszíni vagy távoli) olyan szoftvermérnököknek szól, akik a Sqoop és flume-t kívánják használni a rendszerek közötti adatátvitelhez.
A képzés végére a résztvevők:
- Big data lenyelése sqoop és flume.
- Több adatforrásból származó adatok betöltése.
- Adatok áthelyezése relációs adatbázisokból HDFS-re és Hive.
- Adatok exportálása a HDFS-ből relációs adatbázisba.
A tanfolyam formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laborkörnyezetben.
Tanfolyam testreszabási beállításai
- Ahhoz, hogy személyre szabott képzést igényeljen ehhez a tanfolyamhoz, kérjük, vegye fel velünk a kapcsolatot, hogy megszervezze.
Ez az oktató által vezetett, élő képzés (online vagy online) azoknak a technikai személyeknek szól, akik az Open Studio telepítését szeretnék Big Data az olvasás és az olvasás folyamatának egyszerűsítésére Big Data keresztül.
A képzés befejezése után a résztvevők képesek lesznek:
Telepítse és konfigurálja Talend Open Studio for Big Data. Csatlakozzon olyan Big Data rendszerekhez, mint a Cloudera, a HortonWorks, a MapR, az Amazon EMR és az Apache. Megértése és telepítése Open Studio's nagy adatkomponensek és csatlakozók. Állítsa be a paramétereket, hogy automatikusan generálja a MapReduce kódot. Használja az Open Studio's drag-and-drop interfész futtatásához Hadoop munkák. Prototípus nagy adatcsövek. Nagy adatintegrációs projektek automatizálása.
A kurzus formája
Interaktív előadás és vita. Rengeteg gyakorlat és gyakorlat. Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Course goal:
Getting knowledge regarding Hadoop cluster administration
Last Updated: