Corso di formazione HBase for Developers

Pubblico:

Il corso è rivolto agli specialisti IT che cercano una soluzione per archiviare ed elaborare grandi set di dati in un ambiente di sistema distribuito

Goal:

Conoscenza approfondita dell'amministrazione dei cluster Hadoop.

L'analisi dei big data prevede il processo di esame di grandi quantità di set di dati diversi al fine di scoprire correlazioni, schemi nascosti e altre informazioni utili.

L'industria sanitaria ha enormi quantità di dati medici e clinici eterogenei complessi. L'applicazione dell'analisi dei big data sui dati sanitari presenta un enorme potenziale nel ricavare approfondimenti per migliorare l'erogazione dell'assistenza sanitaria. Tuttavia, l'enormità di questi set di dati pone grandi sfide nelle analisi e applicazioni pratiche in un ambiente clinico.

In questo corso di formazione dal vivo con istruttore (a distanza), i partecipanti impareranno come eseguire analisi dei big data in salute mentre eseguono una serie di esercitazioni pratiche in laboratorio dal vivo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installa e configura strumenti di analisi dei big data come Hadoop MapReduce e Spark
• Comprendi le caratteristiche dei dati medici
• Applicare tecniche di big data per gestire i dati medici
• Studiare sistemi e algoritmi per big data nel contesto di applicazioni sanitarie

Pubblico

• Sviluppatori
• Scienziati dei dati

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche.

Nota

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

Quando le tecnologie di archiviazione tradizionali non gestiscono la quantità di dati che è necessario archiviare, ci sono centinaia di alternative. Questo corso cerca di guidare i partecipanti quali sono le alternative per archiviare e analizzare i Big Data e quali sono i loro pro e contro.

Questo corso si concentra principalmente sulla discussione e la presentazione di soluzioni, sebbene siano disponibili esercitazioni pratiche su richiesta.

Il corso fa parte del set di abilità Data Scientist (Dominio: Dati e tecnologia).

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli amministratori di database o agli sviluppatori che desiderano usare Microsoft Azure Cosmos DB per sviluppare e gestire applicazioni altamente reattive e a bassa latenza.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Effettuare il provisioning delle risorse di Cosmos DB necessarie per iniziare a creare database e applicazioni.
• Ridimensiona le prestazioni e l'archiviazione delle applicazioni usando le API in Cosmos DB. 
• Gestisci le operazioni di database e riduci i costi ottimizzando le risorse di Cosmos DB.

Il corso è dedicato agli specialisti IT che sono alla ricerca di una soluzione per archiviare ed elaborare grandi set di dati in ambienti di sistema distribuiti

Obiettivo del corso:

Acquisizione di informazioni sull'amministrazione del cluster Hadoop

Apache Hadoop è il framework più popolare per l'elaborazione Big Data su cluster di server. In questo corso di tre (facoltativamente, quattro) giorni, i partecipanti impareranno a conoscere i vantaggi aziendali e i casi d'uso per Hadoop e il suo ecosistema, come pianificare l'implementazione e la crescita dei cluster, come installare, mantenere, monitorare, risolvere i problemi e ottimizzare Hadoop. Si eserciteranno anche nel caricamento di massa dei dati del cluster, acquisiranno familiarità con varie distribuzioni Hadoop e si eserciteranno nell'installazione e nella gestione Hadoop degli strumenti dell'ecosistema. Il corso si conclude con una discussione sulla protezione del cluster con Kerberos.

“… I materiali erano molto ben preparati e coperti accuratamente. Il laboratorio è stato molto disponibile e ben organizzato"
— Andrew Nguyen, Ingegnere DW per l'integrazione principale, Microsoft Online Advertising

Pubblico

Hadoop Amministratori

Formato

Lezioni frontali e laboratori pratici, bilancio indicativo 60% lezioni, 40% laboratori.

Apache Hadoop è il framework più popolare per l'elaborazione Big Data su cluster di server. Questo corso introdurrà uno sviluppatore a vari componenti (HDFS, MapReduce, Pig, Hive e HBase) Hadoop ecosistema.

Apache Hadoop è uno dei framework più popolari per l'elaborazione Big Data su cluster di server. Questo corso approfondisce la gestione dei dati in HDFS, Pig avanzato, Hive e HBase.  Queste tecniche di programmazione avanzate saranno utili per gli sviluppatori esperti Hadoop.

Pubblico: sviluppatori

Durata: tre giorni

Formato: lezioni frontali (50%) e laboratori pratici (50%).

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) introduce Hortonworks Data Platform (HDP) e guida i partecipanti attraverso l'implementazione della soluzione Spark + Hadoop.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Utilizzare Hortonworks per eseguire in modo affidabile Hadoop su larga scala.
• Unifica le funzionalità di sicurezza, governance e operazioni di Hadoop con i flussi di lavoro analitici agili di Spark.
• Utilizza Hortonworks per analizzare, convalidare, certificare e supportare ciascuno dei componenti di un progetto Spark.
• Elabora diversi tipi di dati, inclusi quelli strutturati, non strutturati, in movimento e inattivi.

Questo corso illustra come utilizzare il linguaggio Hive SQL (AKA: Hive HQL, SQL on Hive , Hive QL) per le persone che estraggono dati da Hive

Cloudera Impala è un motore di query open source MPP (Massively Parallel Processing) SQL per cluster Apache Hadoop.

Impala consente agli utenti di inviare query a bassa latenza SQL ai dati memorizzati in Hadoop Distributed File System e Apache Hbase senza richiedere lo spostamento o la trasformazione dei dati.

Pubblico

Questo corso è rivolto ad analisti e data scientist che eseguono analisi sui dati memorizzati in Hadoop tramite Business Intelligence o SQL strumenti.

Dopo questo corso i delegati saranno in grado di:

• Estrai informazioni significative da Hadoop cluster con Impala.
• Scrivi programmi specifici per facilitare Business l'intelligenza in Impala SQL dialetto.
• Risoluzione dei problemi Impala.

I database relazionali sono stati la tecnologia di scelta per l'archiviazione, il recupero e l'interrogazione dei dati. I database relazionali consentono agli utenti di organizzare i propri dati utilizzando una serie strutturata e ben definita di modelli (modello). Mentre questo approccio funziona bene per l'archiviazione di dati standardizzati e ben compresi in anticipo (si pensi a un'applicazione di check-in in ospedale che contiene le cartelle dei pazienti con lo stesso set coerente di campi predefiniti ... ID paziente, nome, cognome nome, data dell'ultima visita, ecc.), ci sono limitazioni a questo modello. Per le organizzazioni i cui dati in entrata non sono ben definiti (pensate a un modulo di richiesta online per una startup che è ancora in fase di sperimentazione di diversi campi per la raccolta dei dati dei visitatori, rimuovendo e aggiungendo campi mentre vanno ad adattarsi alla natura mutevole del business), qualsiasi definizione stabilita su come i dati dovrebbero adattarsi a un database esistente dovrebbe essere ridefinita periodicamente. Ciò richiederebbe la ricostruzione del modello di dati (schema) che determina la struttura dei dati e i relativi tipi di dati consentiti per supportare diversi tipi di input di dati, ecc., Prima che qualsiasi nuovo dato possa essere salvato nel database.

Immettere database No SQL (non solo SQL ). Nessun database SQL libera gli utenti dal dover predefinire la struttura dei dati in arrivo, consentendo loro di inserire e aggiornare nuovi dati al volo. Nessun database SQL è spesso più veloce dei database relazionali e può gestire facilmente grandi quantità di dati. Nessun database SQL inoltre si adatta meglio dei database relazionali, grazie alla loro capacità di partizionare in modo efficiente i dati su molti server (cluster) e di bilanciare il carico dell'accesso a questi dati. Nessun database SQL integra particolarmente bene con le applicazioni che supportano analisi in tempo reale, personalizzazione del sito, IoT e app mobili

In questo corso di formazione dal vivo con istruttore, i partecipanti comprenderanno l'architettura, i principi di progettazione e le funzionalità dei database No SQL più diffusi sul mercato durante la configurazione, il funzionamento e la valutazione di numerosi database No SQL in un ambiente di laboratorio live. L'obiettivo di questa formazione è fornire ai partecipanti la capacità di valutare, proporre e implementare in modo intelligente una soluzione di database No SQL adatta all'interno della propria organizzazione.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Installa e configura diversi tipi di database No SQL , inclusi MongoDB , Cassandra , Redis e Neo4j
• Comprendere i vantaggi e gli svantaggi dei database No SQL rispetto ai database relazionali
• Comprendere i formati di dati sottostanti utilizzati dai database No SQL e come questi formati possono essere utilizzati a vantaggio nello sviluppo di applicazioni moderne (desktop, mobile, cloud, IoT)
• Eseguire operazioni di creazione, inserimento, aggiornamento ed eliminazione in un database No SQL
• Configurare un ambiente misto con un database relazionale e No SQL funzionano in tandem
• Configurare un cluster di Nessun database SQL per l'elaborazione distribuita di set di dati molto grandi
• Comprendere le implicazioni di sicurezza dell'utilizzo di un database No SQL
• Distribuire e ridimensionare un database No SQL in un ambiente di produzione

Pubblico

• Professionisti del Database
• Architetti di dati
• Strategisti di dati
• Capi progetto
• Gli sviluppatori di applicazioni che desiderano integrare una soluzione di database flessibile nella loro applicazione

Formato del corso

• Parte lezione, parte discussione, esercitazioni e esercitazioni pratiche

Nota

• Per richiedere una formazione personalizzata per questo corso, ti preghiamo di contattarci per organizzare.

Redis

nosql

Scylla è un archivio dati distribuito open source NoSQL. È compatibile con Apache Cassandra ma funziona a throughput significativamente più elevati e latenze inferiori.

In questo corso, i partecipanti impareranno a conoscere le funzionalità e l'architettura di Scilla acquisendo esperienza pratica con la configurazione, l'amministrazione, il monitoraggio e la risoluzione dei problemi di Scilla.

Pubblico

• Database Amministratori
• Gli sviluppatori
• Ingegneri di sistema

Formato del corso

• Il corso è interattivo e include discussioni sui principi e gli approcci per l'implementazione e la gestione dei database distribuiti e dei cluster Scilla.
• Il corso include una forte componente di esercizi pratici e pratica.