Hadoop kurser och utbildning

Python är ett skalbart, flexibelt och allmänt används programmeringsspråk för datavetenskap och maskininlärning. Spark är en databehandlingsmotor som används för att söka, analysera och omvandla stora data, medan Hadoop är en mjukvarubibliotek ram för storskalig data lagring och bearbetning. Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till utvecklare som vill använda och integrera Spark, Hadoop, och Python för att behandla, analysera och omvandla stora och komplexa dataset. Vid slutet av denna utbildning kommer deltagarna att kunna:

Ställ in den nödvändiga miljön för att börja behandla stora data med Spark, Hadoop, och Python. Förstå egenskaperna, kärnkomponenterna och arkitekturen i Spark och Hadoop. Lär dig hur du integrerar Spark, Hadoop, och Python för stordatabehandling. Utforska verktygen i Spark-ekosystemet (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka och Flume). Bygg samarbetsfiltrering rekommendationssystem som liknar Netflix, YouTube, Amazon, Spotify och Google. Använd Apache Mahout för att skala algoritmer för maskininlärning.

Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

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

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

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 .

Alluxio är ett open-source virtuellt distribuerat lagringssystem som förenar olika lagringssystem och möjliggör applikationer att interagera med data vid minneshastighet. Den används av företag som Intel, Baidu och Alibaba. I denna instruktörledda, levande träning kommer deltagarna att lära sig hur man använder Alluxio för att bryta olika beräkningsramar med lagringssystem och effektivt hantera multi-petabyte skala data när de går igenom skapandet av en app med Alluxio. Vid slutet av denna utbildning kommer deltagarna att kunna:

Utveckla en ansökan med Alluxio Anslut stora datasystem och applikationer samtidigt som du bevarar ett namnområde Effektivt extrahera värde från stora data i något lagringsformat Förbättra arbetsbelastningsprestanda Deploy och hantera Alluxio ensam eller klusterad

Publiken

Data forskare Utvecklare Systemadministratör

Format av kursen

Delvis föreläsning, delvis diskussion, övningar och tung praxis

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 utvecklare, arkitekter, datavetenskapare eller någon profil som kräver tillgång till data antingen intensivt eller regelbundet Kursens huvudfokus är dataprofilering och transformation Bland de verktyg som ingår i Hadoop ekosystemet ingår i denna kurs användningen av gris och hiva som båda används kraftigt för datatransformation och manipulation Denna utbildning behandlar även prestandametri och prestationsoptimering Kursen handlar helt och hållet och skiljer sig genom presentationer av de teoretiska aspekterna .

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.

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

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.

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.

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.

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%).

Hadoop är den mest populära Big Data-bearbetningsramen .

Eftersom fler och fler mjukvaru- och IT-projekt flyttar från lokal bearbetning och datahantering till distribuerad bearbetning och stor datalagring, finner projektledare behovet av att uppgradera sina kunskaper och färdigheter för att förstå de begrepp och rutiner som är relevanta för Big Data-projekt och möjligheter Kursen introducerar projektledare till de mest populära Big Data-bearbetningsramarna: Hadoop I denna instruktörsutbildning lär deltagarna kärnkomponenterna i Hadoop ekosystemet och hur dessa tekniker kan användas för att lösa stora problem Vid lärandet av dessa fundament kommer deltagarna också att förbättra sin förmåga att kommunicera med utvecklarna och implementatörerna av dessa system samt de datavetenskapare och analytiker som många IT-projekt innebär Publik Projektledare som önskar implementera Hadoop i sin befintliga utvecklings- eller IT-infrastruktur Projektledare behöver kommunicera med tvärfunktionella team som inkluderar stora datainstruktörer, datavetenskapare och företagsanalytiker Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Publik: Denna kurs är avsedd att avmystifiera big data / hadoop-teknik och för att visa att det inte är svårt att förstå.

Hadoop är en populär Big Data bearbetningsram. Python är ett högnivåprogrammeringsspråk känt för sin tydliga syntax och kodläsbarhet. I denna instruktörledda, live-träning lär deltagarna hur man arbetar med Hadoop, MapReduce, Pig, och Spark med Python när de går igenom flera exempel och använder fall. Vid slutet av denna utbildning kommer deltagarna att kunna:

Förstå de grundläggande begreppen bakom Hadoop, MapReduce, Pig, och Spark Använd Python med Hadoop Distributed File System (HDFS), MapReduce, Pig, och Spark Använd Snakebite för att programmatiskt få tillgång till HDFS inom Python Använd mrjob för att skriva MapReduce jobb i Python Skriv Spark program med Python Utöka funktionaliteten hos gris med Python UDF Hantera MapReduce jobb och Pig skript med Luigi

Publiken

Utvecklare IT professionella

Format av kursen

Delvis föreläsning, delvis diskussion, övningar och tung praxis

Apache Hadoop är en populär databehandlingsram för bearbetning av stora dataset över många datorer. Denna instruktörledda, live-utbildning (online eller on-site) riktar sig till systemadministratörer som vill lära sig hur man konfigurerar, distribuerar och hanterar Hadoop kluster inom sin organisation. Vid slutet av denna utbildning kommer deltagarna att kunna:

Installera och konfigurera Apache Hadoop. Förstå de fyra huvudkomponenterna i Hadoop ekosystemet: HDFS, MapReduce, YARN och Hadoop Common. Använd Hadoop Distributed File System (HDFS) för att skala en kluster till hundratals eller tusentals noder.   Installera HDFS för att fungera som lagringsmotor för on-premise Spark deployments. Ställ in Spark för att få tillgång till alternativa lagringslösningar som Amazon S3 och NoSQL databassystem som Redis, Elasticsearch, Couchbase, Aerospike, etc. Utföra administrativa uppgifter som tillhandahållande, hantering, övervakning och säkerhet av en Apache Hadoop kluster.

Format för kursen

Interaktiv föreläsning och diskussion. Många övningar och övningar. Hand-on implementering i en live-lab miljö.

Kursanpassningsalternativ

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

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

Audience

• Developers

Format of the Course

• Lectures, hands-on practice, small tests along the way to gauge understanding

Apache NiFi (Hortonworks DataFlow) är en realtid integrerad datalogistik och enkel händelsehanteringsplattform som gör det möjligt att flytta, spåra och automatisera data mellan system. Det är skriven med flödesbaserad programmering och ger ett webbaserat användargränssnitt för att hantera dataflöden i realtid. I denna instruktörsledda, live-träning (på plats eller fjärrkontroll) kommer deltagarna att lära sig hur man distribuerar och hanterar Apache NiFi i en levande laboratoriemiljö. I slutet av denna träning kommer deltagarna att kunna:

• Installera och konfigurera Apachi NiFi.
• Källa, transformera och hantera data från olika, distribuerade datakällor, inklusive databaser och big data sjöar.
• Automatisera dataflöden.
• Aktivera strömningsanalys.
• Använd olika metoder för intag av data.
• Förvandla Big Data och till affärsinblick.

Kursformat

• Interaktiv föreläsning och diskussion.
• Massor av övningar och träning.
• Praktisk implementering i en levande lab-miljö.

Alternativ för kursanpassning

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

Apache NiFi (Hortonworks DataFlow) är en realtid integrerad datalogistik och enkel händelsehanteringsplattform som gör det möjligt att flytta, spåra och automatisera data mellan system. Det är skriven med flödesbaserad programmering och ger ett webbaserat användargränssnitt för att hantera dataflöden i realtid. I denna instruktörsledda, live-träning kommer deltagarna att lära sig grunderna i flödesbaserad programmering när de utvecklar ett antal demo-förlängningar, komponenter och processorer som använder Apache NiFi . I slutet av denna träning kommer deltagarna att kunna:

• Förstå NiFi: s arkitektur och dataflödeskoncept.
• Utveckla tillägg med NiFi och tredjeparts API: er.
• Anpassa sin egen Apache Nifi-processor.
• Förvara och bearbeta data i realtid från olika och ovanliga filformat och datakällor.

Kursformat

• Interaktiv föreläsning och diskussion.
• Massor av övningar och träning.
• Praktisk implementering i en levande lab-miljö.

Alternativ för kursanpassning

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

Apache Samza är en öppen källkod, nästan realtid, asynkron beräkningsram för strömbehandling. Den använder Apache Kafka för meddelanden och Apache Hadoop YARN för feltolerans, processorisolering, säkerhet och resurshantering. Den här instruktörsledda, live-utbildningen introducerar principerna bakom meddelandesystem och distribuerad strömbearbetning, samtidigt som deltagarna går genom skapandet av ett exempel på Samza-baserat projekt och jobbutförande. I slutet av denna träning kommer deltagarna att kunna:

• Använd Samza för att förenkla koden som behövs för att producera och konsumera meddelanden.
• Koppla bort hanteringen av meddelanden från en applikation.
• Använd Samza för att implementera asynkron beräkning nära realtid.
• Använd strömbehandling för att ge en högre abstraktionsnivå över meddelandesystem.

Publik

• utvecklare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Sqoop är ett program med öppen källkod för överföring av data mellan Hadoop och relationsdatabaser eller mainframes Det kan användas för att importera data från ett relationsdatabashanteringssystem (RDBMS) som MySQL eller Oracle eller en mainframe i Hadoop Distributed File System (HDFS) Därefter kan data transformeras i Hadoop MapReduce och sedan exporteras tillbaka till en RDBMS I den här instruktörsledda träningen lär deltagarna att lära sig hur man använder Sqoop för att importera data från en traditionell relationsdatabas till Hadoop-lagring, tex HDFS eller Hive och vice versa Vid slutet av denna utbildning kommer deltagarna att kunna: Installera och konfigurera Sqoop Importera data från MySQL till HDFS och Hive Importera data från HDFS och Hive till MySQL Publik Systemadministratörer Datatekniker Kursens format Delföreläsning, diskussion, övningar och tung handson-övning Notera För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna .

Tigon är en open source, realtime, lowlatency, highthroughput, native YARN, strömbehandlingsramverk som sitter ovanpå HDFS och HBase för uthållighet Tigon-applikationer adresserar användarfall som nätverksintrångsdetektering och -analys, marknadsanalys av sociala medier, platsanalyser och realtidsrekommendationer till användare Denna instruktörsledda, levande träning introducerar Tigons strategi för att blanda realtid och satsvis bearbetning eftersom det går deltagare genom att skapa en provapplikation Vid slutet av denna utbildning kommer deltagarna att kunna: Skapa kraftfulla, strömbehandlingsprogram för hantering av stora datamängder Process strömkällor som Twitter och Webserver Logs Använd Tigon för snabb anslutning, filtrering och aggregering av strömmar Publik utvecklare Kursens format Delföreläsning, diskussion, övningar och tung handson-övning .

Cloudera Impala är en frågemotor för massiv parallell bearbetning (MPP) SQL med öppen källkod för Apache Hadoop-kluster.Impala gör det möjligt för användare att skicka frågor med låg latens SQL till data lagrade i Hadoop Distributed File System och Apache Hbase utan att kräva dataförflyttning eller transformation.PublikDen här kursen vänder sig till analytiker och datavetare som utför analys av data lagrad i Hadoop via Business Intelligence eller SQL verktyg.Efter denna kurs 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.

Apache Ambari är en open source-managementplattform för att tillhandahålla, hantera, övervaka och säkra Apache Hadoop kluster. I denna instruktörsledda liveträning kommer deltagarna att lära sig hanteringsverktygen och praxis som Ambari tillhandahåller för att framgångsrikt hantera Hadoop kluster. I slutet av denna träning kommer deltagarna att kunna:

• Ställ in ett live Big Data kluster med Ambari
• Använd Ambaris avancerade funktioner och funktioner i olika användningsfall
• Lägg till och ta bort noder sömlöst efter behov
• Förbättra ett Hadoop klustrets prestanda genom att ställa in och justera

Publik

• DevOps
• Systemadministratörer
• databasadministratörer
• Hadoop testare

Kursformat

• Delföreläsning, delvis diskussion, övningar och tung praktisk övning

Hortonworks Data Platform (HDP) är en open-source Apache Hadoop supportplattform som ger en stabil grund för att utveckla big data-lösningar på Apache Hadoop ekosystemet. Den här instruktörsledda, liveträningen (på plats eller fjärrkontroll) introducerar Hortonworks Data Platform (HDP) och leder deltagarna genom implementeringen av Spark + Hadoop lösningen. I slutet av denna träning kommer deltagarna att kunna:

• Använd Hortonworks för att pålitligt köra Hadoop i stor skala.
• Förena Hadoop säkerhets-, styrelseförmåga- och driftsfunktioner med Sparks agila analytiska arbetsflöden.
• Använd Hortonworks för att undersöka, validera, certifiera och stödja alla komponenter i ett Spark-projekt.
• Bearbeta olika typer av data, inklusive strukturerade, ostrukturerade, i rörelse och vila.

Kursformat

• Interaktiv föreläsning och diskussion.
• Massor av övningar och träning.
• Praktisk implementering i en levande lab-miljö.

Alternativ för kursanpassning

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