Lokala instruktörer ledda Big Data-kurser börjar med en introduktion till elementära begrepp i Big Data, sedan framsteg i programmeringsspråk och metoder som används för att utföra Data Analysis. Verktyg och infrastruktur för att möjliggöra stor datalagring, distribuerad bearbetning och skalbarhet diskuteras, jämförs och implementeras i demo övningar. Stor dataträning är tillgänglig som "live-träning" eller "fjärr-live-träning". Utbildning på plats kan genomföras lokalt på kundlokaler i Sverige eller i NobleProgs företagsutbildningscenter i Sverige . Fjärrutbildning sker genom en interaktiv fjärrskrivbord. NobleProg - Din lokala utbildningsleverantör
Machine Translated
Vittnesmål
Det faktum att all data och programvara var redo att användas på en redan förberedd VM, som tillhandahålls av tränaren i externa skivor.
vyzVoice
Kurs: Hadoop for Developers and Administrators
Machine Translated
utbud av material
Maciej Jonczyk
Kurs: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
systematisering av kunskap inom ML
Orange Polska
Kurs: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Många problem som kan utforskas efter träningen
Klaudia Kłębek
Kurs: Data Mining z wykorzystaniem R
Machine Translated
Tränaren var så kunnig och inkluderade områden jag var intresserad av.
Mohamed Salama
Kurs: Data Mining & Machine Learning with R
Machine Translated
Mycket skräddarsydd för behoven.
Yashan Wang
Kurs: Data Mining with R
Machine Translated
Richard är väldigt lugn och metodisk, med en analytisk inblick - exakt de egenskaper som behövs för att presentera denna typ av kurs.
Kieran Mac Kenna
Kurs: Spark for Developers
Machine Translated
Jag tycker om de övningar som gjorts.
Nour Assaf
Kurs: Data Mining and Analysis
Machine Translated
Den praktiska träningen och tränarens förmåga att förklara komplexa ämnen i enkla termer.
youssef chamoun
Kurs: Data Mining and Analysis
Machine Translated
Den givna informationen var intressant och det bästa var mot slutet när vi fick Data från Durex och arbetade med Data vi är bekanta med och utför verksamhet för att få resultat.
Jessica Chaar
Kurs: Data Mining and Analysis
Machine Translated
Jag tyckte mest om tränaren som gav riktiga levande exempel.
Simon Hahn
Kurs: Administrator Training for Apache Hadoop
Machine Translated
Jag njöt verkligen av Trainer's stora kompetenser.
Grzegorz Gorski
Kurs: Administrator Training for Apache Hadoop
Machine Translated
Jag njöt verkligen av de många hands-on-sessionerna.
Jacek Pieczątka
Kurs: Administrator Training for Apache Hadoop
Machine Translated
dela konceptdiagram och även prov för smutsiga händer
Mark Yang - FMR
Kurs: Spark for Developers
Machine Translated
Jag trodde att informationen var intressant.
Allison May
Kurs: Data Visualization
Machine Translated
Jag uppskattade verkligen att Jeff utnyttjade data och exempel som var tillämpliga på utbildningsdata. Han gjorde det intressant och interaktivt.
Carol Wells Bazzichi
Kurs: Data Visualization
Machine Translated
Lär dig om alla karttyper och vad de används för. Att lära sig värdet av cluttering. Lär dig om metoderna för att visa tidsdata.
Susan Williams
Kurs: Data Visualization
Machine Translated
Trainer var entusiastisk.
Diane Lucas
Kurs: Data Visualization
Machine Translated
Jag gillade verkligen innehållet / instruktören.
Craig Roberson
Kurs: Data Visualization
Machine Translated
Jag är en praktisk lärare och det var något han gjorde mycket av.
Lisa Comfort
Kurs: Data Visualization
Machine Translated
Jag gillade exemplen.
Peter Coleman
Kurs: Data Visualization
Machine Translated
Jag brukar dra nytta av exemplen.
Peter Coleman
Kurs: Data Visualization
Machine Translated
Jag njöt av de goda riktiga exemplen, recensioner av befintliga rapporter.
Ronald Parrish
Kurs: Data Visualization
Machine Translated
Tillämpliga scenarier och fall
zhaopeng liu - Fmr
Kurs: Spark for Developers
Machine Translated
Fallanalys
国栋 张
Kurs: Spark for Developers
Machine Translated
alla delar av denna session
Eric Han - Fmr
Kurs: Spark for Developers
Machine Translated
Jag hade verkligen nytta av tränarens vilja att dela mer.
Balaram Chandra Paul
Kurs: A practical introduction to Data Analysis and Big Data
Machine Translated
Vi vet mycket mer om hela miljön.
John Kidd
Kurs: Spark for Developers
Machine Translated
Tränaren gjorde klassen intressant och underhållande vilket hjälper ganska lite med träning hela dagen.
Ryan Speelman
Kurs: Spark for Developers
Machine Translated
Jag tycker att tränaren hade en utmärkt stil att kombinera humor och verkliga historier för att göra ämnena till hands mycket tillvägagångssätt. Jag rekommenderar starkt denna professor i framtiden.
Kurs: Spark for Developers
Machine Translated
Gillade väldigt mycket det interaktiva sättet att lära sig.
Luigi Loiacono
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Det var en mycket praktisk träning, jag tyckte om de praktiska övningarna.
Proximus
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Jag fick nytta av den goda översikten, god balans mellan teori och övningar.
Proximus
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Jag njöt av den dynamiska interaktionen och "hands-on" ämnet, tack vare Virtual Machine, mycket stimulerande !.
Philippe Job
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Ernesto gjorde ett bra jobb för att förklara de höga koncepten att använda Spark och dess olika moduler.
Michael Nemerouf
Kurs: Spark for Developers
Machine Translated
Jag fick nytta av tränarens kompetens och kunskap.
Jonathan Puvilland
Kurs: Data Analysis with Hive/HiveQL
Machine Translated
Jag brukar dra nytta av presentationen av teknik.
Continental AG / Abteilung: CF IT Finance
Kurs: A practical introduction to Data Analysis and Big Data
Machine Translated
Sammantaget var innehållet bra.
Sameer Rohadia
Kurs: A practical introduction to Data Analysis and Big Data
Machine Translated
Exempel övningar; Praktisk arbetslivserfarenhet
澳新银行
Kurs: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Kub och DV
Alan Xie
Kurs: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Läraren har en omfattande kunskap om datalagret.
澳新银行
Kurs: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Läraren förklarade i detalj och diskuterade atmosfären
澳新银行
Kurs: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Michael tränaren är mycket kunnig och skicklig om ämnet Big Data och R. Han är väldigt flexibel och anpassar snabbt träningsmötet för kundernas behov. Han är också mycket kapabel att lösa tekniska och ämnesproblem på resande fot. Fantastisk och professionell träning !.
Xiaoyuan Geng - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurs: Programming with Big Data in R
Machine Translated
Jag njöt verkligen av införandet av nya paket.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurs: Programming with Big Data in R
Machine Translated
Läraren, Mr. Michael Yan, interagerade mycket bra med publiken, instruktionen var tydlig. Läraren ger också utrymme för att lägga till mer information baserat på förfrågningarna från eleverna under utbildningen.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurs: Programming with Big Data in R
Machine Translated
Ämnet och takten var perfekta.
Tim - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Kurs: Programming with Big Data in R
Machine Translated
Exemplet och träningsmaterialet var tillräckligt och gjorde det lätt att förstå vad du gör.
Teboho Makenete
Kurs: Data Science for Big Data Analytics
Machine Translated
Detta är en av de bästa praktiska med övningar programmeringskurser jag någonsin har tagit.
Laura Kahn
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Detta är en av de bästa online-träning som jag någonsin har tagit i min 13 åriga karriär. Fortsätt det stora arbetet !.
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Det var väldigt hands-on, vi tillbringade halva tiden faktiskt gör saker i Clouded / Hardtop, kör olika kommandon, kontrollerar systemet, och så vidare. De extra materialen (böcker, webbplatser, etc.) blev uppskattade, vi måste fortsätta att lära oss. Installationerna var ganska roliga och mycket praktiskt, klustret setup från början var riktigt bra.
Ericsson
Kurs: Administrator Training for Apache Hadoop
Machine Translated
Jag tycker att tränaren hade en utmärkt stil att kombinera humor och verkliga historier för att göra ämnena till hands mycket tillvägagångssätt. Jag rekommenderar starkt denna professor i framtiden.
Kurs: Spark for Developers
Machine Translated
Detta är en av de bästa online-träning som jag någonsin har tagit i min 13 åriga karriär. Fortsätt det stora arbetet !.
Kurs: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Big Data läroplaner
Kurs Namn
Varaktighet
Översikt
Kurs Namn
Varaktighet
Översikt
14 timmar
Översikt
Go al:
Lära sig att arbeta med SPSS på självständighetsnivå
Adressaterna:
Analytiker, forskare, forskare, studenter och alla de som vill skaffa sig förmågan att använda SPSS-paketet och lära sig populär datateknik.
Lära sig att arbeta med SPSS på självständighetsnivå
Adressaterna:
Analytiker, forskare, forskare, studenter och alla de som vill skaffa sig förmågan att använda SPSS-paketet och lära sig populär datateknik.
35 timmar
Översikt
Förskott i teknik och den ökande informationen förändras hur verksamheten bedrivs i många branscher, inklusive regeringen Regeringsdatautveckling och digitala arkiveringshastigheter ökar på grund av den snabba tillväxten av mobila enheter och applikationer, smarta sensorer och enheter, cloud computing-lösningar och portföljerportaler Eftersom digital information expanderar och blir mer komplex blir informationshantering, bearbetning, lagring, säkerhet och disposition också mer komplex Nya inspelnings-, sök-, upptäckts- och analysverktyg hjälper organisationer att få insikter från deras ostrukturerade data Regeringsmarknaden ligger på en tipppunkt och inser att information är en strategisk tillgång och regeringen behöver skydda, hävstångseffekt och analysera både strukturerad och ostrukturerad information för att bättre kunna betjäna och uppfylla uppdragskraven När regeringsledare strävar efter att utveckla datadrivena organisationer för att framgångsrikt uppnå uppdrag lägger de grunden för att korrelera beroenden mellan händelser, människor, processer och information Highvalue regeringslösningar kommer att skapas från en mashup av de mest störande teknologierna: Mobila enheter och applikationer Molntjänster Socialt företagsteknik och nätverk Stora data och analyser IDC förutspår att IT-industrin 2020 kommer att uppgå till 5 miljarder dollar, ca 1,7 miljarder dollar större än idag, och att 80% av branschens tillväxt kommer att drivas av dessa 3: e plattformsteknologier På sikt kommer dessa tekniker att vara viktiga verktyg för att hantera komplexiteten i ökad digital information Big Data är en av de intelligenta branschlösningarna och gör att regeringen kan fatta bättre beslut genom att vidta åtgärder baserade på mönster som avslöjas genom att analysera stora volymer datarelaterade och orelaterade, strukturerade och ostrukturerade Men att uppnå dessa prestationer tar mycket mer än att bara samla massiva datamängder "Att känna av dessa volymer i Big Datarequires skärverktyg och tekniker som kan analysera och extrahera användbar kunskap från stora och olika informationsströmmar," Tom Kalil och Fen Zhao från White House Office of Science and Technology Policy skrev i ett inlägg på OSTP Blog Vita huset tog ett steg mot att hjälpa byråer att hitta dessa tekniker när den inrättade National Initiative for Big Data Research and Development under 2012 Initiativet inkluderade mer än 200 miljoner dollar för att få ut det mesta av explosionen av Big Data och de verktyg som behövs för att analysera det De utmaningar som Big Data ställer sig nästan lika skrämmande som sitt löfte är uppmuntrande Att lagra data effektivt är en av dessa utmaningar Som alltid är budgetar täta, så byråer måste minimera lagringspriset för permegabyte och hålla data inom enkel åtkomst så att användare kan få det när de vill ha det och hur de behöver det Att säkerhetskopiera massiva datamängder ökar utmaningen Att analysera data effektivt är en annan stor utmaning Många byråer använder kommersiella verktyg som gör det möjligt för dem att siktra igenom databergen, spottar trender som kan hjälpa dem att fungera mer effektivt (En ny studie av MeriTalk fann att federala IT-chefer tror att Big Data skulle kunna hjälpa myndigheter att spara mer än 500 miljarder dollar samtidigt som de uppfyller uppdragsmålen) Customdeveloped Big Data-verktyg tillåter också myndigheter att hantera behovet av att analysera deras data Till exempel har Oak Ridge National Laboratory Computational Data Analytics Group gjort sitt Piranha data analytics system tillgängligt för andra myndigheter Systemet har hjälpt medicinska forskare att hitta en länk som kan varna läkare till aorta aneurysmer innan de slår Den används också för mer vardagliga uppgifter, till exempel siktning genom resuméer för att koppla jobbkandidater till anställningsledare .
35 timmar
Översikt
Overview
Communications service providers (CSP) are facing pressure to reduce costs and maximize average revenue per user (ARPU), while ensuring an excellent customer experience, but data volumes keep growing. Global mobile data traffic will grow at a compound annual growth rate (CAGR) of 78 percent to 2016, reaching 10.8 exabytes per month.
Meanwhile, CSPs are generating large volumes of data, including call detail records (CDR), network data and customer data. Companies that fully exploit this data gain a competitive edge. According to a recent survey by The Economist Intelligence Unit, companies that use data-directed decision-making enjoy a 5-6% boost in productivity. Yet 53% of companies leverage only half of their valuable data, and one-fourth of respondents noted that vast quantities of useful data go untapped. The data volumes are so high that manual analysis is impossible, and most legacy software systems can’t keep up, resulting in valuable data being discarded or ignored.
With Big Data & Analytics’ high-speed, scalable big data software, CSPs can mine all their data for better decision making in less time. Different Big Data products and techniques provide an end-to-end software platform for collecting, preparing, analyzing and presenting insights from big data. Application areas include network performance monitoring, fraud detection, customer churn detection and credit risk analysis. Big Data & Analytics products scale to handle terabytes of data but implementation of such tools need new kind of cloud based database system like Hadoop or massive scale parallel computing processor ( KPU etc.)
This course work on Big Data BI for Telco covers all the emerging new areas in which CSPs are investing for productivity gain and opening up new business revenue stream. The course will provide a complete 360 degree over view of Big Data BI in Telco so that decision makers and managers can have a very wide and comprehensive overview of possibilities of Big Data BI in Telco for productivity and revenue gain.
Course objectives
Main objective of the course is to introduce new Big Data business intelligence techniques in 4 sectors of Telecom Business (Marketing/Sales, Network Operation, Financial operation and Customer Relation Management). Students will be introduced to following:
- Introduction to Big Data-what is 4Vs (volume, velocity, variety and veracity) in Big Data- Generation, extraction and management from Telco perspective
- How Big Data analytic differs from legacy data analytic
- In-house justification of Big Data -Telco perspective
- Introduction to Hadoop Ecosystem- familiarity with all Hadoop tools like Hive, Pig, SPARC –when and how they are used to solve Big Data problem
- How Big Data is extracted to analyze for analytics tool-how Business Analysis’s can reduce their pain points of collection and analysis of data through integrated Hadoop dashboard approach
- Basic introduction of Insight analytics, visualization analytics and predictive analytics for Telco
- Customer Churn analytic and Big Data-how Big Data analytic can reduce customer churn and customer dissatisfaction in Telco-case studies
- Network failure and service failure analytics from Network meta-data and IPDR
- Financial analysis-fraud, wastage and ROI estimation from sales and operational data
- Customer acquisition problem-Target marketing, customer segmentation and cross-sale from sales data
- Introduction and summary of all Big Data analytic products and where they fit into Telco analytic space
- Conclusion-how to take step-by-step approach to introduce Big Data Business Intelligence in your organization
Target Audience
- Network operation, Financial Managers, CRM managers and top IT managers in Telco CIO office.
- Business Analysts in Telco
- CFO office managers/analysts
- Operational managers
- QA managers
Communications service providers (CSP) are facing pressure to reduce costs and maximize average revenue per user (ARPU), while ensuring an excellent customer experience, but data volumes keep growing. Global mobile data traffic will grow at a compound annual growth rate (CAGR) of 78 percent to 2016, reaching 10.8 exabytes per month.
Meanwhile, CSPs are generating large volumes of data, including call detail records (CDR), network data and customer data. Companies that fully exploit this data gain a competitive edge. According to a recent survey by The Economist Intelligence Unit, companies that use data-directed decision-making enjoy a 5-6% boost in productivity. Yet 53% of companies leverage only half of their valuable data, and one-fourth of respondents noted that vast quantities of useful data go untapped. The data volumes are so high that manual analysis is impossible, and most legacy software systems can’t keep up, resulting in valuable data being discarded or ignored.
With Big Data & Analytics’ high-speed, scalable big data software, CSPs can mine all their data for better decision making in less time. Different Big Data products and techniques provide an end-to-end software platform for collecting, preparing, analyzing and presenting insights from big data. Application areas include network performance monitoring, fraud detection, customer churn detection and credit risk analysis. Big Data & Analytics products scale to handle terabytes of data but implementation of such tools need new kind of cloud based database system like Hadoop or massive scale parallel computing processor ( KPU etc.)
This course work on Big Data BI for Telco covers all the emerging new areas in which CSPs are investing for productivity gain and opening up new business revenue stream. The course will provide a complete 360 degree over view of Big Data BI in Telco so that decision makers and managers can have a very wide and comprehensive overview of possibilities of Big Data BI in Telco for productivity and revenue gain.
Course objectives
Main objective of the course is to introduce new Big Data business intelligence techniques in 4 sectors of Telecom Business (Marketing/Sales, Network Operation, Financial operation and Customer Relation Management). Students will be introduced to following:
- Introduction to Big Data-what is 4Vs (volume, velocity, variety and veracity) in Big Data- Generation, extraction and management from Telco perspective
- How Big Data analytic differs from legacy data analytic
- In-house justification of Big Data -Telco perspective
- Introduction to Hadoop Ecosystem- familiarity with all Hadoop tools like Hive, Pig, SPARC –when and how they are used to solve Big Data problem
- How Big Data is extracted to analyze for analytics tool-how Business Analysis’s can reduce their pain points of collection and analysis of data through integrated Hadoop dashboard approach
- Basic introduction of Insight analytics, visualization analytics and predictive analytics for Telco
- Customer Churn analytic and Big Data-how Big Data analytic can reduce customer churn and customer dissatisfaction in Telco-case studies
- Network failure and service failure analytics from Network meta-data and IPDR
- Financial analysis-fraud, wastage and ROI estimation from sales and operational data
- Customer acquisition problem-Target marketing, customer segmentation and cross-sale from sales data
- Introduction and summary of all Big Data analytic products and where they fit into Telco analytic space
- Conclusion-how to take step-by-step approach to introduce Big Data Business Intelligence in your organization
Target Audience
- Network operation, Financial Managers, CRM managers and top IT managers in Telco CIO office.
- Business Analysts in Telco
- CFO office managers/analysts
- Operational managers
- QA managers
21 timmar
Översikt
Kursen ägnas åt IT-specialister som letar efter en lösning för att lagra och bearbeta stora datamängder i distribuerad systemmiljö
Kursmål:
Få kunskap om Hadoop klusteradministration
Kursmål:
Få kunskap om Hadoop klusteradministration
35 timmar
Översikt
Publik:
Kursen är avsedd för IT-specialister som letar efter en lösning för att lagra och bearbeta stora datamängder i en distribuerad systemmiljö
Go al:
Djup kunskap om Hadoop klusteradministration.
Kursen är avsedd för IT-specialister som letar efter en lösning för att lagra och bearbeta stora datamängder i en distribuerad systemmiljö
Go al:
Djup kunskap om Hadoop klusteradministration.
21 timmar
Översikt
Kursen kan förses med alla verktyg, inklusive gratis programvara och applikationer för öppen källkodsutvinning
21 timmar
Översikt
Publik
Om du försöker skapa mening med de data du har tillgång till eller vill analysera ostrukturerade data som finns tillgängliga på nätet (som Twitter, Länkade in osv ...) är den här kursen för dig.
Det riktar sig mest till beslutsfattare och människor som behöver välja vilka data som är värda att samla in och vad som är värt att analysera.
Det är inte riktat till personer som konfigurerar lösningen, men dessa människor kommer dock att dra nytta av den stora bilden.
Leveransläge
Under kursen kommer delegaterna att presenteras med fungerande exempel på mestadels open source-teknik.
Korta föreläsningar följs av presentation och enkla övningar av deltagarna
Innehåll och programvara som används
All mjukvara som används uppdateras varje gång kursen körs, så vi kontrollerar de senaste versionerna som möjligt.
Det täcker processen från att skaffa, formatera, bearbeta och analysera data, för att förklara hur man automatiserar beslutsfattande med maskininlärning.
Om du försöker skapa mening med de data du har tillgång till eller vill analysera ostrukturerade data som finns tillgängliga på nätet (som Twitter, Länkade in osv ...) är den här kursen för dig.
Det riktar sig mest till beslutsfattare och människor som behöver välja vilka data som är värda att samla in och vad som är värt att analysera.
Det är inte riktat till personer som konfigurerar lösningen, men dessa människor kommer dock att dra nytta av den stora bilden.
Leveransläge
Under kursen kommer delegaterna att presenteras med fungerande exempel på mestadels open source-teknik.
Korta föreläsningar följs av presentation och enkla övningar av deltagarna
Innehåll och programvara som används
All mjukvara som används uppdateras varje gång kursen körs, så vi kontrollerar de senaste versionerna som möjligt.
Det täcker processen från att skaffa, formatera, bearbeta och analysera data, för att förklara hur man automatiserar beslutsfattande med maskininlärning.
14 timmar
Översikt
R är ett fritt programmeringsspråk med öppen källkod för statistisk beräkning, dataanalys och grafik. R används av ett växande antal chefer och dataanalytiker inom företag och akademi. R har ett brett utbud av paket för data mining.
35 timmar
Översikt
Dag 1 - ger en översikt på hög nivå av Big Data ämnesområden för Big Data . Modulen är indelad i en serie sektioner, var och en åtföljs av en praktisk övning.
Dag 2 - utforskar en rad ämnen som relaterar analyspraxis och verktyg för Big Data miljöer. Det kommer inte in i implementerings- eller programmeringsdetaljer, utan håller istället täckning på en konceptuell nivå, med fokus på ämnen som gör det möjligt för deltagarna att utveckla en omfattande förståelse för de gemensamma analysfunktionerna och funktionerna som erbjuds av Big Data lösningar.
Dag 3 - ger en översikt över de grundläggande och väsentliga ämnesområden som rör plattformsarkitekturen för Big Data lösning. Det täcker Big Data mekanismer som krävs för utveckling av en Big Data lösningsplattform och arkitektoniska alternativ för montering av en databehandlingsplattform. Vanliga scenarier presenteras också för att ge en grundläggande förståelse för hur en Big Data lösningsplattform generellt används.
Dag 4 - bygger vidare på dag 3 genom att utforska avancerade ämnen relaterade till plattformsarkitekturen för Big Data lösning. I synnerhet introduceras och diskuteras olika arkitektoniska lager som utgör Big Data lösningsplattformen, inklusive datakällor, dataintrång, datalagring, databehandling och säkerhet.
Dag 5 - omfattar ett antal övningar och problem utformade för att testa delegaternas förmåga att tillämpa kunskap om ämnen som omfattas dag 3 och 4.
Dag 2 - utforskar en rad ämnen som relaterar analyspraxis och verktyg för Big Data miljöer. Det kommer inte in i implementerings- eller programmeringsdetaljer, utan håller istället täckning på en konceptuell nivå, med fokus på ämnen som gör det möjligt för deltagarna att utveckla en omfattande förståelse för de gemensamma analysfunktionerna och funktionerna som erbjuds av Big Data lösningar.
Dag 3 - ger en översikt över de grundläggande och väsentliga ämnesområden som rör plattformsarkitekturen för Big Data lösning. Det täcker Big Data mekanismer som krävs för utveckling av en Big Data lösningsplattform och arkitektoniska alternativ för montering av en databehandlingsplattform. Vanliga scenarier presenteras också för att ge en grundläggande förståelse för hur en Big Data lösningsplattform generellt används.
Dag 4 - bygger vidare på dag 3 genom att utforska avancerade ämnen relaterade till plattformsarkitekturen för Big Data lösning. I synnerhet introduceras och diskuteras olika arkitektoniska lager som utgör Big Data lösningsplattformen, inklusive datakällor, dataintrång, datalagring, databehandling och säkerhet.
Dag 5 - omfattar ett antal övningar och problem utformade för att testa delegaternas förmåga att tillämpa kunskap om ämnen som omfattas dag 3 och 4.
21 timmar
Översikt
Big Data är en term som avser lösningar avsedda för lagring och bearbetning av stora datamängder. Dessa Big Data lösningar har utvecklats initialt av Go ogle och har utvecklats och inspirerat andra liknande projekt, av vilka många är tillgängliga som open source. R är ett populärt programmeringsspråk inom finansbranschen.
28 timmar
Översikt
Audience:
This course is intended to demystify big data/hadoop technology and to show it is not difficult to understand.
This course is intended to demystify big data/hadoop technology and to show it is not difficult to understand.
14 timmar
Översikt
Målet med kursen är att göra det möjligt för deltagarna att få en behärskning av hur man arbetar med SQL språket i Oracle databasen för datauttag på mellannivå.
28 timmar
Översikt
Mål: Delegater kan analysera stora dataset, extrahera mönster, välja rätt variabel som påverkar resultaten så att en ny modell prognostiseras med prediktiva resultat .
28 timmar
Översikt
R är ett fritt programmeringsspråk med öppen källkod för statistisk beräkning, dataanalys och grafik. R används av ett växande antal chefer och dataanalytiker inom företag och akademi. R har också hittat följare bland statistiker, ingenjörer och forskare utan datorprogrammeringsfärdigheter som tycker det är lätt att använda. Dess popularitet beror på den ökande användningen av data mining för olika mål såsom fastställda annonspriser, snabbare hitta nya läkemedel eller finjustera finansiella modeller. R har ett brett utbud av paket för data mining.
14 timmar
Översikt
När traditionell lagringsteknik inte hanterar mängden data du behöver lagra finns det hundar av alternativ Kursen försöker att styra deltagarna vad är alternativ för att lagra och analysera Big Data och vad är deras fördelar och nackdelar Kursen är huvudsakligen inriktad på diskussion och presentation av lösningar, även om handson övningar är tillgängliga på begäran .
21 timmar
Översikt
MÅL:
Denna kurs kommer att introducera Apache Spark . Studenterna kommer att lära sig hur Spark passar in i Big Data ekosystemet och hur man använder Spark för dataanalys. Kursen täcker gnisterskal för interaktiv dataanalys, gnistinternaler, gnist-API: er, gnist SQL , gnistrströmning, och maskininlärning och grafX.
PRIS:
Utvecklare / dataanalytiker
Denna kurs kommer att introducera Apache Spark . Studenterna kommer att lära sig hur Spark passar in i Big Data ekosystemet och hur man använder Spark för dataanalys. Kursen täcker gnisterskal för interaktiv dataanalys, gnistinternaler, gnist-API: er, gnist SQL , gnistrströmning, och maskininlärning och grafX.
PRIS:
Utvecklare / dataanalytiker
28 timmar
Översikt
Apache Hadoop är den mest populära ramen för behandling av Big Data på kluster av servrar. Denna kurs kommer att introducera en utvecklare för olika komponenter (HDFS, MapReduce, Pig, Hive och HBase) Hadoop ekosystem.
21 timmar
Översikt
Apache Hadoop är en av de mest populära ramarna för bearbetning av Big Data på kluster av servrar. Denna kurs omfattar datahantering i HDFS, avancerad gris, Hive och HBase. Dessa avancerade programmeringstekniker kommer att vara fördelaktiga för erfarna Hadoop utvecklare.
Publik : utvecklare
Varaktighet: tre dagar
Format: föreläsningar (50%) och praktiska labb (50%).
Publik : utvecklare
Varaktighet: tre dagar
Format: föreläsningar (50%) och praktiska labb (50%).
21 timmar
Översikt
Denna kurs introducerar HBase - en No SQL butik ovanpå Hadoop . Kursen är avsedd för utvecklare som kommer att använda HBase för att utveckla applikationer, och administratörer som kommer att hantera HBase-kluster.
Vi kommer att gå en utvecklare genom HBase-arkitektur och datamodellering och applikationsutveckling på HBase. Det kommer också att diskutera att använda MapReduce med HBase, och några administrationsämnen, relaterade till prestandaoptimering. Kursen är mycket praktisk med massor av labbövningar.
Varaktighet : 3 dagar
Publik : Utvecklare och administratörer
Vi kommer att gå en utvecklare genom HBase-arkitektur och datamodellering och applikationsutveckling på HBase. Det kommer också att diskutera att använda MapReduce med HBase, och några administrationsämnen, relaterade till prestandaoptimering. Kursen är mycket praktisk med massor av labbövningar.
Varaktighet : 3 dagar
Publik : Utvecklare och administratörer
21 timmar
Översikt
Apache Hadoop är den mest populära ramen för behandling av Big Data på kluster av servrar. I den här tre (valfritt, fyra) dagars kurs kommer deltagarna att lära sig om affärsfördelarna och använda fall för Hadoop och dess ekosystem, hur man planerar distribution och tillväxt av kluster, hur man installerar, underhåller, övervakar, felsöker och optimerar Hadoop . De kommer också att öva kluster bulk data belastning, bekanta sig med olika Hadoop distributioner och öva på att installera och hantera Hadoop ekosystemverktyg. Kursen avslutas med diskussion om att säkra kluster med Kerberos.
”... Materialen var mycket väl förberedda och täckta noggrant. Laben var mycket hjälpsam och välorganiserad ”
- Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising
Publik
Hadoop administratörer
Formatera
Föreläsningar och praktiska labb, ungefärligt balans 60% föreläsningar, 40% labb.
”... Materialen var mycket väl förberedda och täckta noggrant. Laben var mycket hjälpsam och välorganiserad ”
- Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising
Publik
Hadoop administratörer
Formatera
Föreläsningar och praktiska labb, ungefärligt balans 60% föreläsningar, 40% labb.
21 timmar
Översikt
Apache Hadoop är den mest populära ramen för bearbetning av Big Data . Hadoop tillhandahåller rik och djup analysfunktion, och det gör vägarna in i den traditionella BI-analysvärlden. Denna kurs kommer att introducera en analytiker till kärnkomponenterna i Hadoop ecosystem och dess analys
Publik
Business
Varaktighet
tre dagar
Formatera
Föreläsningar och händer på labb.
Publik
Business
Varaktighet
tre dagar
Formatera
Föreläsningar och händer på labb.
14 timmar
Översikt
Kursen är en del av Data Scientist-kompetensuppsättningen (Domain: Data and Technology).
14 timmar
Översikt
R är ett fritt programmeringsspråk med öppen källkod för statistisk beräkning, dataanalys och grafik. R används av ett växande antal chefer och dataanalytiker inom företag och akademi. R har ett brett utbud av paket för data mining.
7 timmar
Översikt
Denna kurs behandlar hur man använder Hive SQL språk (AKA: Hive HQL, SQL på Hive , Hive QL) för personer som extraherar data från Hive
21 timmar
Översikt
Cloudera Impala är en öppen källkod med massiv parallellbehandling (MPP) SQL-sökmotor för Apache Hadoop-kluster Impala gör det möjligt för användare att utfärda lowlatency SQL-frågor till data lagrade i Hadoop Distributed File System och Apache Hbase utan att behöva data rörelse eller transformation Publik Kursen riktar sig till analytiker och datavetenskapare som analyserar data lagrad i Hadoop via Business Intelligence eller SQL-verktyg Efter kursen kommer delegater att kunna Extrahera meningsfull information från Hadoop-kluster med Impala Skriv specifika program för att underlätta Business Intelligence i Impala SQL Dialect Felsöka Impala .
35 timmar
Översikt
MLlib är Sparks maskinlärningsbibliotek. Målet är att göra praktisk maskininlärning skalbar och enkel. Det består av vanliga inlärningsalgoritmer och verktyg, inklusive klassificering, regression, klustering, samarbetsfiltrering, dimensionalitetsminskning samt primitiv för optimering av lägre nivåer och API: er på högre nivå.
Den delar upp i två paket:
-
spark.mllib innehåller det ursprungliga API som är byggt ovanpå RDD: er.
-
spark.ml tillhandahåller API på högre nivå byggd ovanpå DataFrames för konstruktion av ML-rörledningar.
Publik
Kursen riktar sig till ingenjörer och utvecklare som vill använda ett inbyggt maskinbibliotek för Apache Spark
Den delar upp i två paket:
-
spark.mllib innehåller det ursprungliga API som är byggt ovanpå RDD: er.
-
spark.ml tillhandahåller API på högre nivå byggd ovanpå DataFrames för konstruktion av ML-rörledningar.
Publik
Kursen riktar sig till ingenjörer och utvecklare som vill använda ett inbyggt maskinbibliotek för Apache Spark
28 timmar
Översikt
Kursen är avsedd för ingenjörer och beslutsfattare som arbetar med data mining och knoweldge-upptäckt.
Du kommer att lära dig att skapa effektiva tomter och sätt att presentera och representera dina data på ett sätt som tilltalar beslutsfattarna och hjälper dem att förstå dold information.
Du kommer att lära dig att skapa effektiva tomter och sätt att presentera och representera dina data på ett sätt som tilltalar beslutsfattarna och hjälper dem att förstå dold information.
21 timmar
Översikt
Hadoop är den mest populära Big Data-bearbetningsramen .
35 timmar
Översikt
Big data är datauppsättningar som är så omfattande och komplexa att traditionell applikationsprogramvara för databehandling är otillräcklig för att hantera dem. Stora datautmaningar inkluderar fånga data, datalagring, dataanalys, sökning, delning, överföring, visualisering, fråga, uppdatering och informationssekretess.
14 timmar
Översikt
ZooKeeper är en centraliserad tjänst för att upprätthålla konfigurationsinformation, namnge, tillhandahålla distribuerad synkronisering och tillhandahålla grupptjänster.
Kommande Big Data Kurser
2021-05-31 09:30:00
21 timmar
2021-06-09 09:30:00
7 timmar
2021-06-09 09:30:00
21 timmar
2021-07-06 09:30:00
28 timmar
2021-07-06 09:30:00
21 timmar
Andra länder
Konsult
Helg Big Data kurs, kvällBig Data utbildning, Big Data bootcamp, Big Data instruktörledd, Helg Big Data utbildning, Kväll Big Data kurs, Big Data coaching, Big Data instruktör, Big Data tränare, Big Data kurs, Big Data klasser, Big Data on-site, Big Data privata kurser, Big Data en till en utbildning
.jpg "procter & gamble (p&g)")
.png "european central bank (ecb)")
.png "european space agency (esa)")
.jpg "international air transport association (iata)")
.jpg "european southern observatory (eso)")
