Big Data Analytics in Health - Plan Szkolenia

W tym prowadzonym przez instruktora szkoleniu na żywo w Polsce uczestnicy dowiedzą się, jak używać Python i Spark razem do analizy dużych zbiorów danych podczas praktycznych ćwiczeń.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Dowiedz się, jak używać Sparka z Python do analizy Big Data.
• Pracuj nad ćwiczeniami, które naśladują rzeczywiste przypadki.
• Używaj różnych narzędzi i technik do analizy dużych zbiorów danych za pomocą PySpark.

W tym prowadzonym przez instruktora szkoleniu na żywo w Polsce uczestnicy zapoznają się z ofertą technologiczną i podejściami wdrożeniowymi do przetwarzania danych grafowych. Celem jest identyfikacja obiektów świata rzeczywistego, ich cech i relacji, a następnie modelowanie tych relacji i przetwarzanie ich jako danych przy użyciu podejścia Graph Computing (znanego również jako Graph Analytics). Zaczniemy od szerokiego przeglądu i zawęzimy się do konkretnych narzędzi, przechodząc przez serię studiów przypadków, ćwiczeń praktycznych i wdrożeń na żywo.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zrozumienie, w jaki sposób dane grafowe są utrwalane i przetwarzane.
• Wybór najlepszego frameworka dla danego zadania (od baz danych grafów do frameworków przetwarzania wsadowego).
• Wdrożenie Hadoop, Spark, GraphX i Pregel do równoległego przetwarzania grafów na wielu maszynach.
• Spojrzenie na rzeczywiste problemy związane z dużymi zbiorami danych w kategoriach grafów, procesów i przejść.

Ten kurs jest skierowany do programistów i naukowców zajmujących się danymi, którzy chcą zrozumieć i wdrożyć sztuczną inteligencję w swoich aplikacjach. Szczególna uwaga poświęcona jest analizie danych, rozproszonej sztucznej inteligencji i przetwarzaniu języka naturalnego.

MLlib to biblioteka Spark’s do uczenia maszynowego (ML). Jej celem jest uczynienie praktycznego uczenia maszynowego skalowalnym i łatwym. Składa się z popularnych algorytmów uczenia się i narzędzi, w tym klasyfikacji, regresji, klastrowania, filtrowania opartego na współpracy, redukcji wymiarowości, a także prymitywów optymalizacji niższego poziomu i interfejsów API potoków wyższego poziomu.

Dzieli się na dwa pakiety:

• spark.mllib zawiera oryginalny interfejs API zbudowany na bazie RDD.
• spark.ml zapewnia API wyższego poziomu zbudowane na DataFrames do konstruowania potoków ML.

Publiczność

Ten kurs jest skierowany do inżynierów i programistów, którzy chcą korzystać z wbudowanej biblioteki maszynowej dla Apache Spark

Ten prowadzony przez instruktora trening na żywo w Polsce (online lub na miejscu) wprowadza Hortonworks Data Platform (HDP) i przeprowadza uczestników przez wdrożenie rozwiązania Spark + Hadoop.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

Wykorzystaj Hortonworks do niezawodnego uruchamiania Hadoop na dużą skalę. Ujednolicenie zabezpieczeń, zarządzania i możliwości operacyjnych Hadoop ze zwinnymi analitycznymi przepływami pracy Spark. Wykorzystaj Hortonworks do badania, walidacji, certyfikacji i wsparcia każdego z komponentów projektu Spark. Przetwarzanie różnych typów danych, w tym ustrukturyzowanych, nieustrukturyzowanych, w ruchu i w spoczynku.

Apache Ambari to platforma zarządzania typu open-source do udostępniania, zarządzania, monitorowania i zabezpieczania klastrów Apache Hadoop.

W tym instruktażowym szkoleniu na żywo uczestnicy poznają narzędzia i praktyki zarządzania dostarczane przez Ambari w celu skutecznego zarządzania klastrami Hadoop.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Konfiguracja klastra Big Data na żywo przy użyciu Ambari
• Zastosowanie zaawansowanych funkcji i funkcjonalności Ambari w różnych przypadkach użycia
• Płynne dodawanie i usuwanie węzłów w razie potrzeby
• Poprawa wydajności klastra Hadoop poprzez dostrajanie i modyfikowanie

Publiczność

• DevOps
• Administratorzy systemów
• DBA
• Hadoop Specjaliści ds. testowania

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i ciężka praktyka praktyczna

Cloudera Impala to silnik zapytań typu open source do masowego przetwarzania równoległego (MPP) SQL dla klastrów Apache Hadoop.

Impala umożliwia użytkownikom wysyłanie zapytań o niskim opóźnieniu SQL do danych przechowywanych w rozproszonym systemie plików Hadoop i Apache Hbase bez konieczności przenoszenia lub przekształcania danych.

Publiczność

Ten kurs jest skierowany do analityków i badaczy danych przeprowadzających analizy danych przechowywanych w Hadoop za pośrednictwem narzędzi Business Intelligence lub SQL.

Po tym kursie uczestnicy będą w stanie

• Wydobywanie istotnych informacji z klastrów Hadoop za pomocą Impala.
• Pisanie konkretnych programów w celu ułatwienia analizy biznesowej w Impala SQL Dialect.
• Rozwiązywanie problemów z Impalą.

Ten kurs obejmuje sposób korzystania z języka Hive SQL (AKA: Hive HQL, SQL on Hive, HiveQL) dla osób, które wyodrębniają dane z Hive

To prowadzone przez instruktora szkolenie na żywo w Polsce (online lub na miejscu) jest przeznaczone dla administratorów systemów, którzy chcą dowiedzieć się, jak konfigurować, wdrażać i zarządzać klastrami Hadoop w swojej organizacji.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalacja i konfiguracja Apache Hadoop.
• Zrozumienie czterech głównych komponentów ekosystemu Hadoop: HDFS, MapReduce, YARN i Hadoop Common.
• Używanie rozproszonego systemu plików Hadoop (HDFS) do skalowania klastra do setek lub tysięcy węzłów.
• Konfigurowanie HDFS do działania jako silnik pamięci masowej dla lokalnych wdrożeń Spark.
• Konfiguracja Spark, aby uzyskać dostęp do alternatywnych rozwiązań pamięci masowej, takich jak Amazon S3 i systemów baz danych NoSQL, takich jak Redis, Elasticsearch, Couchbase, Aerospike itp.
• Wykonywanie zadań administracyjnych, takich jak udostępnianie, zarządzanie, monitorowanie i zabezpieczanie klastra Apache Hadoop.

W tym instruktażowym szkoleniu na żywo w Polsce (na miejscu lub zdalnie) uczestnicy dowiedzą się, jak skonfigurować i zintegrować różne Stream Processing frameworki z istniejącymi systemami przechowywania dużych zbiorów danych oraz powiązanymi aplikacjami i mikrousługami.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalowanie i konfigurowanie różnych Stream Processing frameworków, takich jak Spark Streaming i Kafka Streaming.
• Zrozumieć i wybrać najbardziej odpowiedni framework dla danego zadania.
• Przetwarzanie danych w sposób ciągły, współbieżny i rekord po rekordzie.
• Integracja Stream Processing rozwiązań z istniejącymi bazami danych, hurtowniami danych, jeziorami danych itp.
• Integracja najbardziej odpowiedniej biblioteki przetwarzania strumieniowego z aplikacjami korporacyjnymi i mikrousługami.

Magellan to rozproszony silnik wykonawczy typu open source do analizy geoprzestrzennej dużych zbiorów danych. Zaimplementowany na Apache Spark, rozszerza Spark SQL i zapewnia relacyjną abstrakcję dla analiz geoprzestrzennych.

To prowadzone przez instruktora szkolenie na żywo wprowadza koncepcje i podejścia do wdrażania analityki geoprzestrzennej i prowadzi uczestników przez tworzenie aplikacji do analizy predykcyjnej przy użyciu Magellan na Spark.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Wydajne wyszukiwanie, analizowanie i łączenie zbiorów danych geoprzestrzennych na dużą skalę
• Wdrażanie danych geoprzestrzennych w aplikacjach analityki biznesowej i analityki predykcyjnej
• Wykorzystanie kontekstu przestrzennego do rozszerzenia możliwości urządzeń mobilnych, czujników, dzienników i urządzeń ubieralnych

Format kursu

• Interaktywny wykład i dyskusja.
• Dużo ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

• Aby zamówić niestandardowe szkolenie dla tego kursu, skontaktuj się z nami.

To prowadzone przez instruktora szkolenie na żywo w Polsce (online lub na miejscu) jest przeznaczone dla programistów, którzy chcą przeprowadzić analizę dużych zbiorów danych przy użyciu Apache Spark w swoich aplikacjach .NET.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalowanie i konfigurowanie Apache Spark.
• Zrozumienie, w jaki sposób .NET implementuje interfejsy API Spark, aby można było uzyskać do nich dostęp z aplikacji .NET.
• Rozwijanie aplikacji do przetwarzania danych przy użyciu języka C# lub F#, zdolnych do obsługi zestawów danych, których rozmiar jest mierzony w terabajtach i pedabajtach.
• Rozwijanie funkcji uczenia maszynowego dla aplikacji .NET przy użyciu możliwości Apache Spark.
• Przeprowadzanie analizy eksploracyjnej przy użyciu SQL zapytań na dużych zbiorach danych.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla naukowców zajmujących się danymi, którzy chcą używać stosu SMACK do tworzenia platform przetwarzania danych dla rozwiązań Big Data.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Wdrożenie architektury potoku danych do przetwarzania dużych zbiorów danych.
• Rozwój infrastruktury klastrowej przy użyciu Apache Mesos i Docker.
• Analiza danych za pomocą Spark i Scala.
• Zarządzanie nieustrukturyzowanymi danymi za pomocą Apache Cassandra.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla inżynierów, którzy chcą skonfigurować i wdrożyć system Apache Spark do przetwarzania bardzo dużych ilości danych.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Instalacja i konfiguracja Apache Spark.
• Szybkie przetwarzanie i analizowanie bardzo dużych zbiorów danych.
• Zrozumienie różnicy między Apache Spark i Hadoop MapReduce i kiedy używać którego z nich.
• Integracja Apache Spark z innymi narzędziami uczenia maszynowego.