HBase dla Programistów - Plan Szkolenia

Grupa docelowa:

Kurs przeznaczony jest dla specjalistów IT szukających rozwiązania do przechowywania i przetwarzania dużych zestawów danych w środowisku systemów rozproszonych.

Wymagania:

Głęboka wiedza z zarządzania klastrami Hadoop.

Big data analytics obejmuje proces analizowania dużych ilości zróżnicowanych zestawów danych w celu odkrycia korelacji, ukrytych wzorców i innych użytecznych wniosków.

Branża zdrowotna posiada masywne ilości skomplikowanych, heterogenicznych danych medycznych i klinicznych. Zastosowanie analizy big data na danych zdrowotnych daje ogromny potencjał do wyciągania wniosków mających na celu poprawę dostarczania opieki zdrowotnej. Jednakże ogrom tych zestawów danych stwarza duże wyzwania w analizie i praktycznym zastosowaniu w środowisku klinicznym.

W tym prowadzonym przez instruktora, żywym szkoleniu (zdalne), uczestnicy nauczą się wykonywania analizy big data w dziedzinie zdrowia, przechodząc przez serię ćwiczeń w żywych laboratoriach.

Po zakończeniu tego szkolenia uczestnicy będą w stanie:

• Zainstalować i skonfigurować narzędzia do analizy big data, takie jak Hadoop MapReduce i Spark
• Zrozumieć cechy danych medycznych
• Zastosować techniki big data do pracy z danymi medycznymi
• Badac systemy i algorytmy big data w kontekście aplikacji zdrowotnych

Grupa docelowa

• Programiści
• Naukowcy danych

Format kursu

• Część wykładu, część dyskusji, ćwiczenia i intensywna praktyka ręczna.

Uwaga

• Aby zapytać o spersonalizowane szkolenie dla tego kursu, prosimy o kontakt z nami w celu uzgodnienia.

Gdy tradycyjne technologie pamięci masowej nie radzą sobie z ilością danych, które trzeba przechowywać, istnieją setki alternatyw. Ten kurs stara się wskazać uczestnikom, jakie są alternatywy dla przechowywania i analizowania Big Data oraz jakie są ich zalety i wady.

Kurs ten koncentruje się głównie na dyskusji i prezentacji rozwiązań, choć na żądanie dostępne są ćwiczenia praktyczne.

Kurs jest częścią zestawu umiejętności Data Scientist (Domena: Dane i technologia).

To szkolenie prowadzone przez instruktora w Polsce (online lub na miejscu) jest skierowane do administratorów baz danych lub programistów, którzy chcą użyć Microsoft Azure Cosmos DB do tworzenia i zarządzania wysokowydajnymi i niskołatencyjnymi aplikacjami.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Zapewnić potrzebne zasoby Cosmos DB, aby zacząć budować bazy danych i aplikacje.
• Skalować wydajność aplikacji i przestrzeń dyskową, korzystając z API w Cosmos DB.
• Zarządzać operacjami bazy danych i obniżyć koszty przez optymalizację zasobów Cosmos DB.

Kurs jest dedykowany specjalistom IT poszukującym rozwiązania do przechowywania i przetwarzania dużych zbiorów danych w środowisku systemu rozproszonego

Cel kursu:

Nabycie wiedzy dotyczącej zarządzania Hadoop klasterem

Apache Hadoop jest najpopularniejszym frameworkiem do przetwarzania danych na klastrach serwerów. W tym trzydniowym (opcjonalnie czterodniowym) kursie uczestnicy dowiedzą się o korzyściach biznesowych oraz przypadkach użycia Hadoop i jego ekosystemu, jak planować wdrażanie i skalowanie klastrów, jak instalować, utrzymywać, monitorować, diagnozować i optymalizować Hadoop. Będą również ćwiczyć wczytywanie dużych ilości danych do klastru, zapoznać się z różnymi dystrybucjami Hadoop oraz ćwiczyć instalację i zarządzanie narzędziami ekosystemu Hadoop. Kurs kończy się dyskusją o zabezpieczaniu klastru za pomocą Kerberosa.

„…Materiały były bardzo dobrze przygotowane i bardzo szczegółowo omówione. Laboratorium było bardzo pomocne i dobrze zorganizowane” — Andrew Nguyen, Główny Inżynier Integracji Bazy Danych, Microsoft Online Advertising

Grupa docelowa

Administratorzy Hadoop

Format

Wykłady i laboratoria praktyczne, przybliżony podział 60% wykładów, 40% laboratoriów.

Apache Hadoop jest najpopularniejszym frameworkiem do przetwarzania danych na klastrze serwerów. Ten kurs wprowadzi programistę w różne komponenty (HDFS, MapReduce, Pig, Hive i HBase) ekosystemu Hadoop.

Apache Hadoop jest jednym z najpopularniejszych frameworków do przetwarzania danych na klasterach serwerów. Ten kurs zagłębia się w zarządzanie danymi w HDFS, zaawansowane techniki Pig, Hive oraz HBase. Te zaawansowane techniki programowania będą korzystne dla doświadczonych developerów Hadoop.

Grupa docelowa: developerzy

Czas trwania: trzy dni

Format: wykłady (50%) oraz praktyczne warsztaty (50%).

Grupa docelowa:

Ten kurs ma na celu demistyfikację technologii big data/Hadoop i pokazanie, że nie jest trudna do zrozumienia.

Apache NiFi to platforma open-source do integracji danych i przetwarzania zdarzeń oparta na przepływie. Wspomaga automatyczną, czasową synchronizację danych, ich transformację oraz mediację systemów między różnymi systemami, oferując interfejs webowy i szczegółowe sterowanie.

Ten prowadzony przez instruktora, na żywo, szkolenie (na miejscu lub zdalnie) jest skierowane do pośrednio zaawansowanych administratorów i inżynierów, którzy chcą wdrożyć, zarządzać, zabezpieczać i optymalizować przepływy danych NiFi w środowiskach produkcyjnych.

Na koniec tego szkolenia uczestnicy będą mogli:

• Zainstalować, skonfigurować i utrzymywać klastry Apache NiFi.
• Projektować i zarządzać przepływami danych z różnych źródeł i ujśc.
• Zaimplementować automatyzację, routowanie i logikę transformacji przepływu.
• Optymalizować wydajność, monitorować operacje i rozwiązywać problemy.

Format Szkolenia

• Interaktywna prezentacja z dyskusją na temat rzeczywistych architektur.
• Laboratoria praktyczne: tworzenie, wdrażanie i zarządzanie przepływami.
• Zadania scenariuszowe w środowisku live-lab.

Opcje Dostosowywania Szkolenia

• Aby zapytać o dostosowane szkolenie dla tego kursu, prosimy o kontakt z nami w celu uzgodnienia szczegółów.

W tym prowadzonym przez instruktora szkoleniu na żywo w Polsce uczestnicy poznają podstawy programowania opartego na przepływie, opracowując szereg rozszerzeń demonstracyjnych, komponentów i procesorów przy użyciu Apache NiFi.

Pod koniec tego szkolenia uczestnicy będą mogli:

• Zrozumieć architekturę NiFi i koncepcje przepływu danych.
• Rozwijać rozszerzenia przy użyciu NiFi i interfejsów API innych firm.
• Rozwijać własny procesor Apache Nifi.
• Pozyskiwać i przetwarzać dane w czasie rzeczywistym z różnych i nietypowych formatów plików i źródeł danych.

Bazy danych relacyjne były dotychczas wykorzystywane do przechowywania, pobierania i zapytań dotyczących danych. Bazy danych relacyjne umożliwiają użytkownikom organizowanie danych przy użyciu strukturyzowanego, dobrze zdefiniowanego zestawu wzorców (modelu). Choć ten podejście działa dobrze w przypadku przechowywania danych standardowych i dobrze poznanych z góry (np. aplikacja rejestracyjna szpitala zawierająca rekordy pacjentów z takim samym, spójnym zestawem pól predefiniowanych... identyfikator pacjenta, imię, nazwisko, data ostatniej wizyty itp.), istnieją ograniczenia tego modelu. Dla organizacji, których dane wejściowe nie są dobrze zdefiniowane (np. formularz online dla startupu, który nadal eksperymentuje z różnymi polami do zbierania danych odwiedzających, usuwając i dodając pola w miarę zmian w naturze biznesu), dowolne ustalone definicje dotyczące tego, jak dane powinny pasować do istniejącej bazy danych, musiałyby być regularnie redefiniowane. To wymagałoby tworzenia ponownego modelu danych (schematu) określającego strukturę danych i dozwolone typy danych, aby móc obsługiwać różne rodzaje wejść danych przed zapisaniem jakichkolwiek nowych danych w bazie danych.

Tutaj wchodzą do gry bazy danych NoSQL (Not Only SQL). Bazy danych NoSQL pozbywają użytkowników konieczności predefiniowania struktury danych wejściowych, umożliwiając im dynamiczne wstawianie i aktualizowanie nowych danych. Bazy danych NoSQL są często szybsze niż bazy danych relacyjne i z łatwością obsługują bardzo duże ilości danych. Bazy danych NoSQL skalują się lepiej niż bazy danych relacyjne, dzięki swojej zdolności efektywnego partycjonowania danych na wielu serwerach (klastrach) i równoważenia obciążenia dostępu do tych danych. Bazy danych NoSQL w szczególności dobrze integrują się z aplikacjami obsługującymi analizy w czasie rzeczywistym, personalizację witryny, IoT (Internet of Things) i aplikacje mobilne.

W tym prowadzonym przez instruktora, na żywo szkoleniu uczestnicy zrozumieją architekturę, zasady projektowania i funkcjonalność najpopularniejszych baz danych NoSQL, podczas gdy ustawiają, operują i oceniają wiele baz danych NoSQL w środowisku laboratorium na żywo. Celem tego szkolenia jest umożliwienie uczestnikom inteligentnej ewaluacji, proponowania i wdrożenia odpowiedniego rozwiązania bazodanowego NoSQL w ich organizacji.

Na koniec tego szkolenia uczestnicy będą mogli:

• Zainstalować i skonfigurować różne typy baz danych NoSQL, w tym MongoDB, Cassandra, Redis i Neo4j
• Zrozumieć korzyści i wady baz danych NoSQL w porównaniu do relacyjnych
• Zrozumieć podstawowe formaty danych wykorzystywane przez bazy danych NoSQL oraz jak te formaty mogą być wykorzystywane do przewagi przy tworzeniu nowoczesnych aplikacji (stacjonarnych, mobilnych, chmurowych, IoT)
• Wykonywać operacje tworzenia, wstawiania, aktualizacji i usuwania w bazie danych NoSQL
• Ustawiać środowisko mieszane z baza danych relacyjną i NoSQL działającymi równolegle
• Konfigurować klaster bazy danych NoSQL do rozproszonego przetwarzania bardzo dużych zestawów danych
• Zrozumieć implikacje bezpieczeństwa wykorzystywania bazy danych NoSQL
• Wdrażać i skalować bazę danych NoSQL w środowisku produkcyjnym

Odbiorcy

• Profesjonaliści baz danych
• Architekci danych
• Strategowie danych
• Menedżerowie projektów
• Deweloperzy aplikacji, którzy chcą zintegrować elastyczne rozwiązanie bazodanowe w swoich aplikacjach

Format kursu

• Część wykładu, część dyskusji, ćwiczeń i intensywnych praktyk z ręki na mokrą

Uwagi

• Aby poprosić o dostosowanie szkolenia do tego kursu, prosimy o kontakt z nami w celu ustalenia szczegółów.

redis

nosql

Scylla to otwarte źródło dystrybuowanego magazynu danych NoSQL. Jest kompatybilne z Apache Cassandra, ale działa z znacznie wyższą przepustowością i niższymi opóźnieniami.

W tym kursie uczestnicy poznają cechy i architekturę Scylli, zdobywając praktyczne doświadczenie w konfigurowaniu, administrowaniu, monitorowaniu i naprawianiu Scylli.

Grupa docelowa

• Administratorzy baz danych
• Deweloperzy
• Inżynierowie systemów

Format kursu

• Kurs jest interaktywny i zawiera dyskusje na temat zasad i podejść do wdrażania i zarządzania rozproszonymi bazami danych i klastrami Scylla.
• Kurs zawiera dużą ilość ćwiczeń praktycznych i wdrażania.