HBase for Developers Träningskurs

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till databasadministratörer eller utvecklare som vill använda Microsoft Azure Cosmos DB för att utveckla och hantera applikationer med hög respons och låg latens.

I slutet av denna utbildning kommer deltagarna att kunna:

• Tillhandahåll de nödvändiga Cosmos DB-resurserna för att börja bygga databaser och applikationer.
• Skala applikationsprestanda och lagring genom att använda API:er i Cosmos DB.
• Hantera databasoperationer och minska kostnaderna genom att optimera Cosmos DB-resurser.

Den här instruktörsledda, liveutbildningen i Sverige (online eller på plats) introducerar Hortonworks Data Platform (HDP) och vägleder deltagarna genom distributionen av Spark + Hadoop-lösningen.

I slutet av denna utbildning kommer deltagarna att kunna:

• Använd Hortonworks för att på ett tillförlitligt sätt köra Hadoop i stor skala.
• Förena Hadoop:s säkerhets-, styrnings- och driftfunktioner med Sparks flexibla analysarbetsflöden.
• Använd Hortonworks för att undersöka, validera, certifiera och stödja var och en av komponenterna i ett Spark-projekt.
• Bearbeta olika typer av data, inklusive strukturerade, ostrukturerade, i rörelse och i vila.

Apache Ambari är en hanteringsplattform med öppen källkod för provisionering, hantering, övervakning och skydd av Apache Hadoop-kluster.

I denna instruktörsledda liveträning kommer deltagarna att lära sig de hanteringsverktyg och metoder som tillhandahålls av Ambari för att framgångsrikt hantera Hadoop kluster.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera ett livekluster Big Data med Ambari
• Tillämpa Ambaris avancerade funktioner och funktionalitet på olika användningsfall
• Lägg till och ta bort noder sömlöst efter behov
• Förbättra prestanda för ett Hadoop-kluster genom justering och justering

Publik

• DevOps
• Systemadministratörer
• Dba
• Hadoop Professionella testare

Kursens upplägg

• Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning

Cloudera Impala är en öppen källkod för massivt parallell bearbetning (MPP) SQL frågemotor för Apache Hadoop-kluster.

Impala gör det möjligt för användare att utfärda frågor med låg latens SQL till data som lagras i Hadoop Distributed File System och Apache Hbase utan att data flyttas eller transformeras.

Publik

Kursen riktar sig till analytiker och datavetare som utför analyser på data som lagras i Hadoop via Business Intelligence eller SQL verktyg.

Efter denna kurs kommer delegaterna att kunna

• Extrahera meningsfull information från Hadoop kluster med Impala.
• Skriv specifika program för att underlätta Business Intelligens på Impala SQL Dialekt.
• Felsök Impala.

Denna kurs behandlar hur man använder Hive SQL språk (AKA: Hive HQL, SQL på Hive , Hive QL) för personer som extraherar data från Hive

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 .

Kursen är en del av Data Scientist-kompetensuppsättningen (Domain: Data and Technology).

Mem SQL är ett i minne, distribuerat, SQL databashanteringssystem för moln och lokalt. Det är ett datalager i realtid som omedelbart ger insikter från levande och historiska data.

I denna instruktörsledda, live-träning kommer deltagarna att lära sig det väsentliga i Mem SQL för utveckling och administration.

I slutet av denna träning kommer deltagarna att kunna:

• Förstå de viktigaste begreppen och egenskaperna hos Mem SQL
• Installera, designa, underhålla och använda Mem SQL
• Optimera scheman i Mem SQL
• Förbättra frågor i Mem SQL
• Benchmark-prestanda i Mem SQL
• Bygg datatillämpningar i realtid med Mem SQL

Publik

• utvecklare
• Administratörer
• Driftingenjörer

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Relationsdatabaser har varit den teknik som valts för att lagra, hämta och fråga efter data. Relationsdatabaser tillåter användare att organisera sina data med hjälp av en strukturerad, väldefinierad uppsättning mönster (modell). Även om detta tillvägagångssätt fungerar bra för att lagra data som är standardiserade och väl förstått i förväg (Tänk på ett sjukhus inchecknings program som håller patientjournaler med samma konsekventa uppsättning fördefinierade fält... patient-ID, förnamn, efternamn, datum för senaste besök, etc.), finns det begränsningar för denna modell. För organisationer vars inkommande data inte är väldefinierade (Tänk på ett online-frågeformulär för en start vars fortfarande är i färd med att experimentera med olika fält för att samla in besökardata, ta bort och lägga till fält som de går för att rymma för förändrar verksamhetens karaktär), måste alla fastställda definitioner för hur uppgifterna ska passa in i en befintlig databas omdefinieras regelbundet. Detta skulle kräva att återskapa datamodellen (schemat) som dikterar strukturen för data och dess tillåtna datatyper för att stödja olika typer av datainmatningar, etc., innan nya data kan sparas i databasen.

Ange ingaSQL (inte bara SQL)-databaser. IngaSQL databaser gratis användare från att behöva fördefiniera strukturen för inkommande data, så att de kan infoga och uppdatera nya data i farten. IngaSQL databaser är ofta snabbare än relationsdatabaser och kan enkelt hantera mycket stora mängder data. IngaSQL databaser också skala bättre än relationsdatabaser, på grund av deras förmåga att effektivt partitionera data över många servrar (kluster) och belastningsutjämna åtkomsten till dessa data. IngaSQL databaser integreras särskilt väl med program som stöder realtidsanalys, anpassning av webbplatser, IoT och mobilappar

I den här instruktörsledda, levande träningen kommer deltagarna att förstå arkitekturen, designprinciperna och funktionaliteten hos de mest populära NoSQL-databaserna när de ställer in, driver och åsnor ett antal ingaSQL databaser i en Live lab-miljö. Målet med den här utbildningen är att göra det möjligt för deltagarna att på ett intelligent sätt utvärdera, föreslå och implementera en lämpligSQL databaslösning inom organisationen.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera och konfigurera olika typer avSQL databaser, inklusive MongoDB, Cassandra, Redis och Neo4j
• Förstå fördelarna och nackdelarna med ingaSQL databaser vs relationsdatabaser
• Förstå underliggande dataformat som används av ingaSQL databaser och hur dessa format kan användas till en fördel när du utvecklar moderna program (stationär dator, mobil, moln, IoT)
• Utföra skapa, infoga, uppdatera, ta bort åtgärder i en noSQL-databas
• Konfigurera en blandad miljö med både en relationsdatabas och ingenSQL som arbetar i tandem
• Konfigurera ett kluster utanSQL databas för att distribuera bearbetningen av mycket stora datamängder
• Förstå säkerhetskonsekvenserna av att använda en noSQL-databas
• Distribuera och skala en noSQL-databas i en produktionsmiljö

Publik

• Database proffs
• Data arkitekter
• Data strateger
• Projektledare
• Applikationsutvecklare som vill integrera en flexibel databaslösning i sin ansökan

Kursens format

• Del föreläsning, del diskussion, övningar och tung praktisk övning

Observera

• För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

OrientDB är en Nej SQL - Database med flera modeller som fungerar med diagram, dokument, nyckelvärden, GeoSpatial och React ive-modeller. Dess flexibilitet gör det möjligt för användare att hantera olika typer av data under en centraliserad databas.

I denna instruktörsledda, liveträning kommer deltagarna att lära sig hur man börjar använda OrientDB och utnyttja dess flexibilitet för att hantera data.

I slutet av denna träning kommer deltagarna att kunna:

• Installera OrientDB
• Lär dig hur du skapar och hanterar en databas med OrientDB
• Utforska de olika funktionerna och funktionerna i OrientDB
• Lär dig hur du arbetar med olika API: er på OrientDB
• Distribuera OrientDB med distribuerad arkitektur

Publik

• Programvaruingenjörer och tekniker
• Tekniska människor i alla branscher
• IT-människor
• utvecklare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Redis Redis

nosql nosql

Scylla är en open source distribuerad NoSQL datalagring Den är kompatibel med Apache Cassandra, men fungerar vid betydligt högre genomströmningar och lägre latenser Under kursen kommer deltagarna att lära sig om Scylla s funktioner och arkitektur samtidigt som man får praktisk erfarenhet av att inrätta, administrera, övervaka och felsöka Scylla Publik Databasadministratörer utvecklare Systemingenjörer Kursens format Kursen är interaktiv och innehåller diskussioner om principerna och metoderna för att distribuera och hantera Scylla distribuerade databaser och kluster Kursen innehåller en stor del av handson övningar och övning .

Publik:

Kursen är avsedd för IT-specialister som letar efter en lösning för att lagra och bearbeta stora datamängder i en distribuerad systemmiljö

Goal:

Djup kunskap om Hadoop klusteradministration.

Big data-analys innefattar processen att undersöka stora mängder olika datauppsättningar för att avslöja korrelationer, dolda mönster och andra användbara insikter.

Hälsoindustrin har enorma mängder komplexa heterogena medicinska och kliniska data. Att tillämpa big data-analyser på hälsodata ger en stor potential att få insikter för att förbättra leveransen av sjukvård. Emellertid innebär enorma mängder av dessa datamängder stora utmaningar i analyser och praktiska tillämpningar i en klinisk miljö.

I denna instruktörsledda, live-träning (fjärrkontroll) kommer deltagarna att lära sig att utföra big data-analys i hälsa när de går igenom en serie praktiska live-lab-övningar.

I slutet av denna träning kommer deltagarna att kunna:

• Installera och konfigurera big data-analysverktyg som Hadoop MapReduce och Spark
• Förstå egenskaperna för medicinsk information
• Använd big data-tekniker för att hantera medicinska data
• Studera big data system och algoritmer i samband med hälsoapplikationer

Publik

• utvecklare
• Datavetare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning.

Notera

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.

Datameer är en affärsinformations- och analysplattform byggd på Hadoop Det gör det möjligt för endusers att få tillgång till, utforska och korrelera storskala, strukturerad, semistrukturerad och ostrukturerad data på ett easytouse-sätt I den här instruktionsledda träningspasset lär deltagarna att använda Datameer för att övervinna Hadops branta inlärningskurva, eftersom de går igenom installationen och analysen av en serie stora datakällor Vid slutet av denna utbildning kommer deltagarna att kunna: Skapa, curate och interaktivt utforska en företagsdatasjö Få tillgång till affärsinformationslager, transaktionsdatabaser och andra analytiska butiker Använd en kalkylarks användargränssnitt för att designa ändringsrutiner för databehandling Få tillgång till förbyggda funktioner för att utforska komplexa datarelationer Använd draganddrop-guider för att visualisera data och skapa instrumentpaneler Använd tabeller, diagram, grafer och kartor för att analysera sökresultat Publik Dataanalyser Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .