Hadoop oktatás Magyarország

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik szeretnék használni és integrálni a Sparkot, a Hadoop-ot és a Python-et 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 a Hadoop szolgáltatásait, alapvető összetevőit és architektúráját.
• Ismerje meg, hogyan integrálhatja a Sparkot, a Hadoop-ot és a Pythont a nagy adatfeldolgozáshoz.
• Fedezze fel a Spark ökoszisztéma eszközeit (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka és Flume).
• A Netflixhez, a YouTube-hoz, az Amazonhoz, a Spotifyhoz és a Google-hoz hasonló együttműködésen alapuló szűrési ajánlási rendszereket építhet.
• Az Apache Mahout segítségével méretezheti a gépi tanulási algoritmusokat.

Ez a tanfolyam ismerteti a Hive SQL nyelv használatát (AKA: Hive HQL, SQL on Hive , Hive QL) azok számára, akik adatokat Hive a Hive

A Datameer a Hadoopra épülő üzleti intelligencia és elemzési platform Ez lehetővé teszi a végfelhasználók számára, hogy könnyedén hozzáférjenek, feltárhassanak és korrelálhassanak nagy méretű, strukturált, félig strukturált és strukturálatlan adatokat Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a Datameert, hogy leküzdjék a Hadoop meredek tanulási görbéjét, miközben átmegyek egy sor nagy adatforrás létrehozásán és elemzésén A képzés végére a résztvevők képesek lesznek: Hozzon létre, gondoskodjon és interaktíven vizsgálja meg a vállalati adatok tóját Hozzáférés az üzleti intelligencia adattárházakhoz, tranzakciós adatbázisokhoz és más analitikus üzletekhez Használjon táblázatos felhasználói felületet a végfelhasználói adatfeldolgozó csővezetékek tervezéséhez Az előre telepített funkciók elérése komplex adatkapcsolatok feltérképezéséhez Használja a draganddrop varázslókat az adatok megjelenítéséhez és az irányítópultok létrehozásához A lekérdezési eredmények elemzéséhez táblázatokat, diagramokat, grafikonokat és térképeket használjon Közönség Adatelemzők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .

A kurzus olyan informatikai szakemberek számára készült, akik megoldást keresnek a nagy adatállományok tárolására és feldolgozására elosztott rendszerkörnyezetben A tanfolyam célja: Ismerje meg a Hadoop klaszter adminisztrációját

Közönség: A kurzus olyan informatikai szakemberek számára készült, akik megoldást keresnek a nagy adatállományok tárolására és feldolgozására elosztott rendszerkörnyezetben Go : Mély tudás a Hadoop klaszter adminisztrációról.

Közönség: Ez a kurzus célja a nagy adatok / hadoop technológiák demisztifikálása, és azt, hogy nem nehéz megérteni.

Az Apache Hadoop a legnépszerűbb keretrendszer a Big Data feldolgozásához a kiszolgálók csoportjain. Ez a tanfolyam bemutatja egy fejlesztő a különböző elemek (HDFS, MapReduce, Pig, Hive és HBase) Hadoop ökoszisztéma.

Az Apache Hadoop az egyik legnépszerűbb keretrendszer a Big Data feldolgozására a kiszolgálók csoportjain. Ez a kurzus a HDFS, az előrehaladott Pig, Hive és a HBase adatkezelésére terjed ki. Ezek a fejlett programozási technikák hasznosak lesznek a tapasztalt Hadoop fejlesztők számára. Közönség : fejlesztők Időtartam: három nap Formátum: előadások (50%) és gyakorlati laborok (50%).

Ez a kurzus bemutatja a HBase-t, a Hadoop tetején lévő SQL tárolót. A kurzus olyan fejlesztők számára készült, akik HBase-t használnak alkalmazások fejlesztésére, és a rendszergazdákat, akik a HBase klasztereket kezeli. A HBase architektúrán és az adatmodellezésen és a HBase alkalmazásfejlesztésen keresztül fejlesztőt fogunk végezni. Megvitatja a MapReduce-t a HBase-val, és néhány, a teljesítmény-optimalizálással kapcsolatos adminisztrációs témát. A tanfolyam nagyon praktikus, sok laboratóriumi gyakorlattal.
Időtartam : 3 nap Közönség : fejlesztők és adminisztrátorok

Az Apache Hadoop a legnépszerűbb keretrendszer a Big Data feldolgozásához a kiszolgálók csoportjain. Ebben a három (adott esetben négy) nappal Természetesen a résztvevők megismerkedhetnek az üzleti előnyöket és használati esetek a Hadoop és az ökoszisztéma, hogyan kell tervezni klaszter kiépítése és a növekedés, hogyan kell telepíteni, karbantartani, monitor, hibaelhárítás és optimalizálja Hadoop . A klaszter tömeges Hadoop megismertetik, megismerkedhetnek a Hadoop különböző elosztásaival, és gyakorolják a Hadoop ökoszisztéma eszközök telepítését és kezelését. A kurzus befejeződik, amikor megvitatjuk a fürtöt a Kerberossal. „… Az anyagok nagyon jól felkészültek és alaposan lefedtek. A Lab nagyon hasznos és jól szervezett volt ”
- Andrew Nguyen, a fő integrációs DW mérnök, a Microsoft Online Advertising Közönség Hadoop rendszergazdák Formátum Előadások és gyakorlati laboratóriumok, közelítő egyensúly 60% előadások, 40% laboratóriumok.

A Hadoop a legnépszerűbb nagy adatfeldolgozási keretrendszer .

Ezen az oktató által vezetett tréningen a Magyarország-ban a résztvevők megtanulják a Hadoop ökoszisztéma alapvető összetevőit, és megtanulják, hogyan használhatók ezek a technológiák nagy léptékű problémák megoldására. Ezen alapok elsajátításával a résztvevők javítani tudják e rendszerek fejlesztőivel és megvalósítóival, valamint az adatkutatókkal és elemzőkkel való kommunikációs képességeiket, amelyek számos IT-projektben részt vesznek.Közönség

• Projektmenedzserek, akik a Hadoop-t kívánják megvalósítani meglévő fejlesztési vagy informatikai infrastruktúrájukba
• Projektmenedzserek, akiknek többfunkciós csapatokkal kell kommunikálniuk, amelyekben big data mérnökök, adattudósok és üzleti elemzők vannak

Az Apache Samza egy nyílt forrású, közel-valós idejű, aszinkron számítási keret az adatfolyam-feldolgozáshoz. Az Apache Kafka t használja az üzenetküldéshez, és az Apache Hadoop YARN-t hibatűréshez, a processzor elkülönítéséhez, a biztonsághoz és az erőforrás-kezeléshez. Ez az oktató által vezetett, élő képzés bemutatja az üzenetküldő rendszerek és az elosztott adatfolyam-feldolgozás mögött meghúzódó alapelveket, miközben a résztvevőket egy minta Samza-alapú projekt létrehozásával és a feladat végrehajtásával járja el. A képzés végére a résztvevők képesek lesznek:

• A Samza segítségével egyszerűsítheti az üzenetek előállításához és fogyasztásához szükséges kódot.
• Válasszuk szét az üzenetek kezelését egy alkalmazásról.
• Használja a Samzát a valósidejű aszinkron számítás megvalósításához.
• Használjon adatfeldolgozást, hogy magasabb absztrakciót biztosítson az üzenetküldő rendszerek felett.

Közönség

• Fejlesztők

A tantárgy formátuma

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

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban (helyszíni vagy távoli) a résztvevők megtanulják, hogyan telepítsék és kezeljék a Apache NiFi-t élő laborkörnyezetben.A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja az Apachi NiFi-t.
• Forrása, átalakítása és kezelése különböző, elosztott adatforrásokból, beleértve az adatbázisokat és a nagy adatforrásokat.
• Automatizálja az adatfolyamokat.
• Engedélyezze a streamelési elemzést.
• Alkalmazzon különféle megközelítéseket az adatfeldolgozáshoz.
• Alakítsa át Big Data üzleti betekintést.

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.

Hadoop egy népszerű Big Data feldolgozási keret. Python egy magas szintű programozási nyelv híres a világos szintax és a kódolhatóság. Ebben az oktató által vezetett, élő képzésben a résztvevők megtanulják, hogyan kell dolgozni Hadoop, MapReduce, Pig, és Spark használatával Python, miközben több példa és használati esetek. A képzés befejezése után a résztvevők képesek lesznek:

• Ismerje meg az alapvető fogalmakat Hadoop, MapReduce, Pig, és Spark
• Használja Python Hadoop Distributed File System (HDFS), MapReduce, Pig, és Spark
• Használja a Snakebite-t, hogy programozottan hozzáférjen a HDFS-hez Python
• Használja a mrjobot a MapReduce munkák írásához Python
• Írja meg a Spark programokat Python
• Kiterjeszti a sertés funkcionalitását Python UDF-k használatával
• Menedzsment MapReduce munkák és Pig scripts használatával Luigi

közönség

• Fejlesztők
• IT szakemberek

A kurzus formázása

• Részes előadások, részes viták, gyakorlatok és nehéz gyakorlatok

A nagy adatelemzés magában foglalja a nagy mennyiségű, változatos adatkészlet vizsgálatát a korrelációk, rejtett minták és egyéb hasznos betekintések feltárása érdekében. Az egészségügyi ágazat hatalmas mennyiségű komplex, heterogén orvosi és klinikai adatot tartalmaz. A nagy adatelemzés alkalmazása az egészségügyi adatokra hatalmas potenciállal jár ahhoz, hogy betekintést szerezzen az egészségügyi ellátás javításában. Ezen adatkészletek hatalmassága azonban nagy kihívást jelent az elemzésekben és a klinikai környezetben történő gyakorlati alkalmazásokban. Ebben az oktató által vezetett, élő (távoli) képzésen a résztvevők megtanulják, hogyan végezzen nagy adatelemzést az egészségben, miközben gyakorlati élő laboratóriumi gyakorlatokat végeznek. A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja a nagy adatelemző eszközöket, például a Hadoop MapReduce és a Spark
• Megérteni az orvosi adatok jellemzőit
• Nagyméretű technikák alkalmazása az orvosi adatok kezelésére
• Tanulmányozza a nagy adatrendszereket és algoritmusokat az egészségügyi alkalmazások összefüggésében

Közönség

• Fejlesztők
• Adattudósok

A tantárgy formátuma

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

jegyzet

• Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a rendszergazdáknak szól, akik szeretnék megtanulni, hogyan állíthatnak be, telepíthetnek és kezelhetnek Hadoop fürtöket szervezetükön belül.A képzés végére a résztvevők képesek lesznek:

• Telepítse és konfigurálja az Apache Hadoop-ot.
• Ismerje meg a Hadoop ökoszisztéma négy fő összetevőjét: HDFS, MapReduce, YARN és Hadoop Common.
• A Hadoop Distributed File System (HDFS) segítségével a fürt több száz vagy több ezer csomópontra méretezhető.
• Állítsa be a HDFS-t, hogy tárolómotorként működjön a helyszíni Spark-telepítésekhez.
• Állítsa be a Sparkot az olyan alternatív tárolási megoldások eléréséhez, mint az Amazon S3 és a NoSQL adatbázisrendszerek, például a Redis, az Elasticsearch, a Couchbase, az Aerospike stb.
• Adminisztratív feladatok végrehajtása, például egy Apache Hadoop-fürt létrehozása, kezelése, figyelése és biztonsága.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) bemutatja Hortonworks Data Platform (HDP) és végigvezeti a résztvevőket a Spark + Hadoop megoldás bevezetésén.A képzés végére a résztvevők képesek lesznek:

A Hortonworks segítségével megbízhatóan futtathatja a Hadoop-t nagy léptékben. Egyesítse a Hadoop biztonsági, irányítási és működési képességeit a Spark agilis analitikai munkafolyamataival. A Hortonworks segítségével vizsgálja meg, érvényesítse, hitelesítse és támogassa a Spark-projekt egyes összetevőit. Különböző típusú adatokat dolgozhat fel, beleértve a strukturált, strukturálatlan, mozgásban lévő és nyugalmi adatokat.

Apache Ambari egy nyílt forrású felügyeleti platform az Apache Hadoop fürtök biztosításához, kezeléséhez, felügyeletéhez és biztonságához. Ebben az oktató által vezetett élő képzésen a résztvevők megtanulják az Ambari által biztosított menedzsment eszközöket és gyakorlatokat a Hadoop klaszterek sikeres kezeléséhez. A képzés végére a résztvevők képesek lesznek:

• Állítson be egy élő Big Data fürtöt az Ambari használatával
• Alkalmazza az Ambari speciális szolgáltatásait és funkcióit különböző felhasználási esetekre
• Zökkenőmentesen adjon hozzá és távolítson el csomópontokat, ha szükséges
• Javítsa a Hadoop fürt teljesítményét hangolás és csípés révén

Közönség

• DevOps
• Rendszergazdák
• DBA
• Hadoop tesztelési szakemberek

A tantárgy formátuma

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

A Cloudera Impala egy nyílt forráskódú, masszívan párhuzamos feldolgozású (MPP) SQL lekérdezőmotor Apache Hadoop-fürtökhöz.Az Impala lehetővé teszi a felhasználók számára, hogy alacsony késleltetésű SQL lekérdezéseket adjanak ki a Hadoop Distributed File Systemben és az Apache Hbase-ben tárolt adatokhoz anélkül, hogy adatmozgatást vagy átalakítást kellene végezniük.KözönségEz a kurzus azoknak az elemzőknek és adattudósoknak szól, akik üzleti intelligencia vagy SQL eszközök segítségével elemzést végeznek a Hadoopban tárolt adatokon.A tanfolyam után a küldöttek képesek lesznek

Az Impala segítségével értelmes információkat nyerhet ki a Hadoop-fürtökből. Írjon konkrét programokat az Impala SQL Dialektus üzleti intelligenciájának megkönnyítésére. Impala hibaelhárítása.