Data Warehouse Training in Pécs

Ez az oktató által vezetett, élő képzés a Pécs-ban (online vagy helyszíni) középszintű adatmérnököknek szól, akik szeretnék megtanulni, hogyan használják a Azure Data Lake Storage Gen2-t hatékony adatelemzési megoldásokhoz. A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Azure Data Lake Storage Gen2 architektúráját és főbb jellemzőit.
• Optimalizálja az adattárolást és a hozzáférést a költségek és a teljesítmény érdekében.
• Integrálja a Azure Data Lake Storage Gen2-t más Azure szolgáltatásokkal elemzési és adatfeldolgozási célokra.
• Megoldások fejlesztése a Azure Data Lake Storage Gen2 API használatával.
• A gyakori problémák elhárítása és a tárolási stratégiák optimalizálása.

Ez az oktató által vezetett, élő képzés a Pécs-ban (online vagy helyszíni) azoknak a középszintű informatikai szakembereknek szól, akik szeretnének átfogó ismereteket szerezni az IBM DataStage-ről mind adminisztratív, mind fejlesztési szempontból, lehetővé téve számukra ennek kezelését és felhasználását. hatékony eszközt a saját munkahelyükön. A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a DataStage alapfogalmait.
• Ismerje meg a DataStage környezetek hatékony telepítését, konfigurálását és kezelését.
• Csatlakozzon különféle adatforrásokhoz, és hatékonyan nyerje ki az adatokat adatbázisokból, egyszerű fájlokból és külső forrásokból.
• Hatékony adatbetöltési technikák alkalmazása.

Apache Kylin egy szélsőséges, elosztott elemzési motor a nagy adatokhoz. 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

Az Amazon Redshift egy petabytescale cloudbased adatraktár szolgáltatás az AWS-ben Ebben az oktatott, élő képzésben a résztvevők megtanulják az Amazon Redshift alapjait A képzés végére a résztvevők képesek lesznek: Telepítse és konfigurálja az Amazon Redshift programot Adatok betöltése, konfigurálása, telepítése, lekérdezése és megjelenítése az Amazon Redshift segítségével Közönség Fejlesztők Informatikai szakemberek A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat jegyzet Ha erre a kurzusra személyre szabott képzést szeretne kérni, kérjük, vegye fel velünk a kapcsolatot .

A kurzus a Data Scientist készségkészlet része (Domain: Data and Technology).

Apache Druid egy nyílt forrású, oszlop-orientált, elosztott adattároló, Java írva. Úgy tervezték, hogy hatalmas mennyiségű eseményadatot gyorsan elnyeljen, és az alacsony késleltetésű OLAP-lekérdezéseket végre tudja hajtani ezekre az adatokra. A Druidot általában üzleti intelligencia alkalmazásokban használják nagy mennyiségű valós idejű és történelmi adat elemzésére. Kiválóan alkalmas gyors, interaktív, analitikus műszerfalak táplálására a végfelhasználók számára. A Druidot olyan cégek használják, mint az Alibaba, az Airbnb, a Cisco , az eBay, a Netflix, a Paypal és a Yahoo. Ebben az oktató által irányított, élő kurzusban felfedezzük az adattárház-megoldások néhány korlátozását, és megvitatjuk, hogy a Druid hogyan egészítheti ki ezeket a technológiákat, hogy rugalmas és méretezhető adatfolyam-elemzési köteget képezzen. Számos példán keresztül járunk, és lehetőséget biztosítunk a résztvevőknek a Druid-alapú megoldások laboratóriumi környezetben történő megvalósítására és tesztelésére.

A tantárgy formátuma

• Rész előadás, rész vita, nehéz gyakorlati gyakorlat, alkalmi tesztek a megértés felmérésére

Ez az oktató által vezetett, élő képzés a Pécs-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik több csomópontból álló Greenplum adatbázist szeretnének létrehozni.A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a Pivotal Greenplum-ot.
• Az adatok modellezése a jelenlegi igényeknek és a jövőbeni bővítési terveknek megfelelően.
• Különböző technikák alkalmazása az adatok több csomópont közötti elosztására.
• Növelje az adatbázis teljesítményét hangolással.
• A Greenplum adatbázis figyelése és hibaelhárítása.

Ez az oktató által vezetett, élő képzés a Pécs-ban (online vagy helyszíni) azoknak a rendszergazdáknak szól, akik szeretnének beállítani Greenplum Database az üzleti intelligencia és az adattárház megoldásokat.A képzés végére a résztvevők képesek lesznek:

• Címfeldolgozási igények kielégítése a Greenplum segítségével.
• ETL műveletek végrehajtása adatfeldolgozáshoz.
• Használja ki a meglévő lekérdezésfeldolgozási infrastruktúrákat.

A Mem SQL egy memóriában elosztott, elosztott SQL adatbázis-kezelő rendszer felhők és helyszíni szolgáltatások számára. Ez egy valós idejű adattárház, amely azonnal betekintést nyújt az élő és a történeti adatokból. Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják a Mem SQL fejlesztés és adminisztráció alapvető elemeit. A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Mem SQL kulcsfogalmait és jellemzőit
• Telepítse, tervezze, karbantartsa és működtesse a Mem SQL
• Optimalizálja a sémákat a Mem SQL
• Javítsa a lekérdezéseket a Mem SQL
• Benchmark teljesítmény a Mem SQL
• A Mem SQL használatával valós idejű adatalapú alkalmazásokat készíthet

Közönség

• Fejlesztők
• A rendszergazdák
• Működési mérnökök

A tantárgy formátuma

• Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat

Ezen az oktató által vezetett, élő képzésen a Pécs-ban a résztvevők megtanulják, hogyan kell Data Vault-et építeni.A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a Data Vault 2.0 mögött meghúzódó architektúrát és tervezési koncepciókat, valamint annak interakcióját a Big Data, NoSQL és AI között.
• Használjon adattároló technikákat, hogy lehetővé tegye az adattárházban lévő előzményadatok auditálását, nyomon követését és ellenőrzését.
• Konzisztens és megismételhető ETL (Extract, Transform, Load) folyamat kialakítása.
• Építsen és telepítsen nagymértékben méretezhető és megismételhető raktárakat.