Hadoop Training in Budapest

Ez az oktató által vezetett, élő képzés a Budapest-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 .

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.

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.

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

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.

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%).

Hadoop is the most popular Big Data processing framework.

Ezen az oktató által vezetett tréningen a Budapest-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

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

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

Ez az oktató által vezetett, élő képzés a Budapest-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 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

Ezen az oktató által vezetett, élő képzésen a Budapest-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 Budapest-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.

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

Cloudera Impala is an open source massively parallel processing (MPP) SQL query engine for Apache Hadoop clusters. Impala enables users to issue low-latency SQL queries to data stored in Hadoop Distributed File System and Apache Hbase without requiring data movement or transformation. Audience This course is aimed at analysts and data scientists performing analysis on data stored in Hadoop via Business Intelligence or SQL tools. After this course delegates will be able to

• Extract meaningful information from Hadoop clusters with Impala.
• Write specific programs to facilitate Business Intelligence in Impala SQL Dialect.
• Troubleshoot Impala.

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

Ez az oktató által vezetett, élő képzés a Budapest-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.