Kursplan
Grunderna för dataintensiv Platform Engineering
- Introduktion till dataintensiva applikationer
- Utmaningar inom plattformsteknik för big data
- Översikt över databehandlingsarkitekturer
Datamodellering och Management
- Principer för datamodellering för skalbarhet
- Alternativ för datalagring och optimering
- Hantera datalivscykeln i en distribuerad miljö
Big Data Ramverk för bearbetning
- Översikt över verktyg för bearbetning av stordata (Hadoop, Spark, Flink)
- Batch- jämfört med strömbearbetning
- Konfigurera en pipeline för bearbetning av stordata
Plattformar för realtidsanalys
- Arkitektur för analys i realtid
- Motorer för dataströmbearbetning (Kafka-strömmar, Apache Storm)
- Skapa instrumentpaneler och visualiseringar i realtid
Orkestrering av datapipeline
- Arbetsflödeshantering med Apache Airflow och andra
- Automatisera datapipelines för effektivitet
- Övervakning och avisering för datapipelines
Plattformssäkerhet och efterlevnad
- Rekommenderade säkerhetsmetoder för dataplattformar
- Säkerställa datasekretess och regelefterlevnad
- Implementera säkra dataåtkomstkontroller
Justering och optimering av prestanda
- Tekniker för att optimera dataflöde och svarstid
- Skalningsstrategier för dataintensiva plattformar
- Benchmarking och övervakning av prestanda
Fallstudier och bästa praxis
- Analysera lyckade implementeringar av dataplattformar
- Lärdomar från branschledare
- Nya trender inom dataintensiv plattformsteknik
Capstone-projektet
- Designa en plattformslösning för ett dataintensivt program
- Implementering av en prototyp av databehandlingspipelinen
- Utvärdering av plattformens prestanda och skalbarhet
Sammanfattning och nästa steg
Krav
- Förståelse för grundläggande datastrukturer och algoritmer
- Erfarenhet av Java, Scala eller Python programmering
- Förtrogenhet med grundläggande begrepp inom databaser och SQL
Publik
- Mjukvaruutvecklare
- Datatekniker
- Tekniska ledtrådar
Vittnesmål (3)
I am getting the correct level of understanding I need to assist in my day to day work
Wasfi Adams
Kurs - Impacted Function Point (IFP)
The trainer was super engaging and made sure we understand through questioning and affirmations. Even though the content was overwhelming, the trainer broke it down well and made content easily accessible for later reference.
Zaid Amerika
Kurs - Unit of Software Measurement Parameterization (UMSP)
Everything was built up from a basic level while progressing quick enough to prevent anyone getting bored.