Hadoop rendszergazdáknak Képzés

Célpontsáv:

A kurz az IT-szakembereket célozza, akik megoldást keresnek nagy adathalmazok tárolására és feldolgozására elosztott rendszerekben.

Előfeltételek:

Mélyreható ismeret Hadoop cluster-adminisztrációban.

A big adatelemzés a nagy mennyiségű és változatos adathalmazok elemezésének folyamata, amelynek célja korrelációk, rejtett minták és más hasznos információk feltárása.

Az egészségügy rendelkezik hatalmas mennyiségű összetett és heterogén orvosi és klinikai adattal. Az egészségi adatok big adatelemzése jelentős potenciállal bír a betegellátás javítására szolgáló információk megszerzésében. Ugyanakkor ezek az adathalmazok nagy mennyiségük miatt jelentősek kihívásokat jelentenek az elemzéseken és a klinikai környezetben való gyakorlati alkalmazásaival kapcsolatosan.

Ez a tanárvezetett, élőképes képzés (távoktatás) során a résztvevők megtanulják, hogyan végezhetnek big adatelemzést az egészségügyben, míg átmentek egy sor gyakorlati feladatokon és élő-labor gyakorlatokon.

A képzés végére a résztvevők képesek lesznek:

• Telepíteni és konfigurálni big adatelemző eszközöket, mint például az Hadoop MapReduce-t és a Spark-ot
• Megérteni az orvosi adatok jellemzőit
• Big adatelemzési technikákat alkalmazni az orvosi adatok kezelése céljából
• Vizsgálni a big adatszisztémákat és algoritmusokat egészségügyi alkalmazások kontextusában

Célcsoport

• Fejlesztők
• Adattudósok

Képzés formája

• Rész előadás, rész diskusszió, gyakorlatok és intenzív gyakorlással.

Megjegyzés

• Egy személyre szabott képzés kéréséhez lépjen kapcsolatba velünk a rendezésének meghatározásához.

Az Apache Hadoop a legnépszerűbb keretrendszer nagy adatok feldolgozásához kiszolgálóklaszterekben. Ez a tanfolyam bemutatja egy fejlesztőnek a Hadoop ökoszisztémájának különböző komponenseit (HDFS, MapReduce, Pig, Hive és HBase).

Az Apache Hadoop egyik legnépszerűbb keretrendszere a nagy adatok (Big Data) feldolgozásához kiszolgálóklasztereken. Ez a tanfolyam mélyebben értelmezhető az HDFS-ben történő adattárgyalásban, a fejlett Pig, Hive és HBase technikákat is tartalmazza. Ezek a fejlett programozási technikák nagy jelentőséggel bírnak tapasztalt Hadoop-fejlesztők számára.

Célcsoport: fejlesztők

Tartam: három nap

Formátum: előadások (50%) és gyakorlati laborok (50%).

Célpontsoportozat:

Ez a kurzus azt célozza, hogy a big data/Hadoop technológiát megkönnyítse és mutassa meg, hogy nem nehéz megérteni.

Ez az edző által vezetett, élő képzés Magyarország-ban (online vagy helyszíni) a rendszergazdák számára készült, akik tanulni szeretnének, hogyan állítsanak be, közzétegyenek és kezeljenek Hadoop fürtöket a vállalatukon belül.

A képzés végén a résztvevők:

• Képesek lesznek Apache Hadoopt telepíteni és konfigurálni.
• Megértsék a Hadoop-ekoszisztémában lévő négy fő összetevőt: HDFS, MapReduce, YARN és Hadoop Common-t.
• A Hadoop Distributed File System (HDFS)-et olyan módon használják, hogy a fürt méretét százokra vagy ezredekbe növelhetik.
• Beállítják az HDFS-t a helyszíni Spark telepítések adattároló rendszerének működéséhez.
• Beállítják a Spark-ot olyan alternatív adattárolási megoldások eléréséhez, mint az Amazon S3 és a NoSQL adatbázisrendszerek (pl. Redis, Elasticsearch, Couchbase, Aerospike stb.).
• Képesek lesznek rendszergazdai feladatokat elvégezni, mint például: üzembe helyezés, kezelés, monitorozás és biztonságossá tétele egy Apache Hadoop fürtnek.

Ez a kurzus bemutatja az HBase-t – egy NoSQL adattárolót a Hadoop felett. A kurzust fejlesztőknek és rendszergazdáknak szántuk, akik feladatukban az HBase alkalmazások fejlesztése vagy az HBase-fürtök adminisztrálása lesz.

Egy fejlesztőt vezet végig az HBase architektúráján, adatmodellezésén és alkalmazási területein. A kurzus továbbá bemutatja az HBase használatát a MapReduce-nal és néhány rendszergazdai témát is, amelyek kapcsolódnak a teljesítmény optimalizálásához. A kurzus nagyon gyakorlati jellegű, sok labor feladattal rendelkezik.

Tartam: 3 nap

Célcsoport: Fejlesztők & Rendszergazdák

Az Apache NiFi egy nyílt forráskódú, folyamat-alapú adatintegrációs és eseményfeldolgozási platform. Automatikus, valós idejű adatátvitelt, átalakítást és rendszerközvetítést tesz lehetővé különböző rendszerek között, web-alapú UI-vel és finom szemcsekontrollal.

Ez az oktatóvezetett, élő képzés (helyszínen vagy távolról) az középszintű adminisztrátorok és mérnökök számára szánva, akik az Apache NiFi adatfolyamokat szeretnék telepíteni, kezelni, biztonságosítani és optimalizálni gyártási környezetekben.

A képzés végén a résztvevők képesek lesznek:

• Apache NiFi csomagokat telepíteni, konfigurálni és karbantartani.
• Adatfolyamokat tervezni és kezelni különböző források és célok között.
• Folyamat-automatizálást, átirányítást és átalakítási logikát valósítani.
• Teljesítményt optimalizálni, műveleteket monitorozni és problémákat kezelni.

A képzés formája

• Interaktív előadás valós világbeli architektúra vitával.
• Pratikus laborok: folyamok építése, telepítése és kezelése.
• Szcenárium alapú gyakorlatok élő laborok környezetben.

A képzés testreszabási lehetőségei

• A képzés testreszabására kérjük, forduljon hozzánk, hogy rendezzük el.

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják az áramlásalapú programozás alapjait, miközben számos demó-bővítményt, komponenst és processzort fejlesztenek a Apache NiFi segítségével.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a NiFi architektúráját és adatfolyam-koncepcióit.
• Bővítmények fejlesztése NiFi és harmadik féltől származó API-k használatával.
• Egyedi fejlesztésű saját Apache Nifi processzort.
• Valós idejű adatok feldolgozása és feldolgozása eltérő és nem megszokott fájlformátumokból és adatforrásokból.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik szeretnék használni és integrálni a Sparkot, Hadoop és Python nagy és összetett adatkészletek feldolgozására, elemzésére és átalakítására.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges környezetet a nagy adatfeldolgozás megkezdéséhez a Spark, Hadoop és Python segítségével.
• Ismerje meg a Spark és Hadoop szolgáltatásait, alapvető összetevőit és architektúráját.
• Ismerje meg, hogyan integrálhatja a Sparkot, Hadoop és Python-et a nagy adatfeldolgozáshoz.
• Fedezze fel a Spark ökoszisztéma eszközeit (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka és Flume).
• A Netflix, a YouTube, az Amazon, a Spotify és az Google rendszeréhez hasonló együttműködésen alapuló szűrési ajánlórendszerek létrehozása.
• Használja Apache Mahout-ot a gépi tanulási algoritmusok méretezéséhez.