Big Data Formazione in Italia

Questa formazione guidata dal formatore in Italia (online o sul posto) si rivolge a data scientist e ingegneri di livello intermedio che desiderano utilizzare Google Colab e Apache Spark per il processing e l'analisi dei big data.

Alla fine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di big data utilizzando Google Colab e Spark.
• Processare e analizzare grandi set di dati efficacemente con Apache Spark.
• Visualizzare i big data in un ambiente collaborativo.
• Integrare Apache Spark con strumenti basati sul cloud.

Stratio è una piattaforma orientata ai dati che integra big data, AI e governance in un'unica soluzione. I moduli Rocket e Intelligence permettono esplorazioni rapide dei dati, trasformazioni ed analisi avanzate negli ambienti aziendali.

Questa formazione guidata dal docente (online o in sede) è rivolta a professionisti dei dati di livello intermedio che desiderano utilizzare i moduli Rocket e Intelligence di Stratio efficacemente con PySpark, concentrandosi su strutture di ciclo, funzioni definite dall'utente e logica avanzata dei dati.

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

• Navigare e lavorare all'interno della piattaforma Stratio utilizzando i moduli Rocket e Intelligence.
• Applicare PySpark nel contesto di ingestione, trasformazione ed analisi dei dati.
• Utilizzare cicli e logica condizionale per controllare i flussi di lavoro dei dati e le attività di feature engineering.
• Creare e gestire funzioni definite dall'utente (UDFs) per operazioni di dati riutilizzabili in PySpark.

Formato del Corso

• Lezione interattiva e discussione.
• Molte esercitazioni e pratica.
• Implementazione pratica in un ambiente di laboratorio live.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, contattateci per organizzare l'evento.

Il Data Warehousing è la pratica di progettare, costruire e gestire repository centralizzati di dati che supportano l'analisi, la creazione di report e il processo decisionale.

Questo corso guidato da un istruttore (online o in presenza) è rivolto a professionisti dei dati di livello intermedio che desiderano modellare dati dimensionali, costruire pipeline ETL robuste e ottimizzare i carichi di lavoro analitici.

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

• Spiegare i concetti fondamentali del Data Warehousing e le sue architetture.
• Progettare modelli dimensionali e scegliere tra schemi a stella e a fiocco di neve.
• Costruire ed orchestrare pipeline ETL e ELT in modo affidabile.
• Distinguere i carichi di lavoro OLTP da quelli OLAP e ottimizzare per l'analisi.

Formato del Corso

• Lezione interattiva e discussione.
• Numerosi esercizi e pratica.
• Implementazione manuale in un ambiente lab dinamico.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare l'evento.

I partecipanti che completeranno questo corso di formazione dal vivo con istruttore in Italia acquisiranno una comprensione pratica e reale di Big Data e delle relative tecnologie, metodologie e strumenti.

I partecipanti avranno l'opportunità di mettere in pratica queste conoscenze attraverso esercizi pratici. L'interazione di gruppo e il feedback dell'istruttore costituiscono una componente importante della classe.

Il corso inizia con un'introduzione ai concetti elementari di Big Data, quindi progredisce nei linguaggi di programmazione e nelle metodologie utilizzate per eseguire Data Analysis. Infine, discutiamo gli strumenti e l'infrastruttura che consentono Big Data lo storage, l'elaborazione distribuita e la Scalabilità.

Greenplum è una piattaforma di dati a processamento massicciamente parallelo (MPP) open source progettata per l'analisi e gli ambienti di grandi dimensioni.

Questo corso di formazione guidato dal docente (online o in sede) è rivolto a utenti tecnici intermedi ad avanzati che desiderano comprendere l'architettura interna di Greenplum, costruire modelli di dati ottimizzati e applicare SQL ad alto rendimento in ambienti distribuiti.

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

• Comprendere l'architettura senza condivisione e il modello di parallelismo di Greenplum.
• Progettare strutture di tabelle distribuite e partizioni ottimizzate per le prestazioni delle query.
• Utilizzare strategie di indicizzazione, formati di archiviazione e tecniche di progettazione fisica.
• Interpretare i piani EXPLAIN e ottimizzare le query utilizzando le best practice.

Formato del Corso

• Lezione interattiva e discussione.
• Numerosi esercizi e pratiche.
• Implementazione pratica in un ambiente live-lab.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

Greenplum è una piattaforma dati open-source massicciamente parallela basata su PostgreSQL, progettata per l'analisi avanzata e il data warehousing su larga scala.

Questo corso di formazione guidato dal docente (online o in presenza) è rivolto a amministratori intermedi che desiderano installare, configurare e gestire efficacemente ambienti Greenplum, compresa la gestione degli aggiornamenti del sistema e delle librerie.

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

• Installare e configurare un cluster Greenplum pronto per la produzione.
• Gestire gli aggiornamenti del sistema e applicare patch in modo sicuro.
• Gestire le librerie Greenplum per l'analisi e le estensioni.
• Risolvere i problemi e monitorare i sistemi Greenplum.

Formato del Corso

• Lezione interattiva e discussione.
• Utilizzo pratico di Greenplum in un ambiente laboratorio controllato.
• Esercizi guidati focalizzati sulla configurazione del cluster, sui workflow di aggiornamento e sulle estensioni del sistema.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso basata sul vostro ambiente o piattaforma dati, contattateci per organizzare.

Questo corso di formazione guidato dall'instruttore, in Italia (online o in sede), è rivolto a professionisti dei dati di livello avanzato che desiderano ottimizzare i flussi di lavoro di elaborazione dei dati, garantire l'integrità dei dati e implementare soluzioni robuste per data lakehouse in grado di gestire le complessità delle moderne applicazioni big data.

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

• Acquisire una comprensione approfondita dell'architettura di Iceberg, inclusa la gestione dei metadati e l'organizzazione dei file.
• Configurare Iceberg per un rendimento ottimale in vari ambienti e integrarlo con più motori di elaborazione dei dati.
• Gestire tabelle di Iceberg su larga scala, eseguire complesse modifiche dello schema e gestire l'evoluzione delle partizioni.
• Dominare le tecniche per ottimizzare le prestazioni delle query e l'efficienza della scansione dei dati per grandi set di dati.
• Implementare meccanismi per garantire la coerenza dei dati, gestire le garanzie transazionali e affrontare i fallimenti in ambienti distribuiti.

Questo corso di formazione guidato dal docente (online o sul posto) è rivolto a professionisti dei dati di livello iniziale che desiderano acquisire le conoscenze e le competenze necessarie per utilizzare efficacemente Apache Iceberg per gestire dataset su larga scala, garantire l'integrità dei dati e ottimizzare i flussi di lavoro di elaborazione dei dati.

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

• Acquisire una comprensione approfondita dell'architettura, delle funzionalità e dei vantaggi di Apache Iceberg.
• Conoscere i formati tabellari, la partizionamento, l'evoluzione dello schema e le capacità di time travel.
• Installare e configurare Apache Iceberg in diversi ambienti.
• Creare, gestire e manipolare tabelle Iceberg.
• Comprendere il processo di migrazione dei dati da altri formati tabellari a Iceberg.

Questo corso guidato dall'instruttore (online o in sede) è rivolto a professionisti IT di livello intermedio che desiderano migliorare le proprie competenze in architettura dei dati, governance, cloud computing e tecnologie big data per gestire efficacemente e analizzare grandi set di dati all'interno delle loro organizzazioni.

Alla fine di questo corso, i partecipanti saranno in grado di:

• Comprendere i concetti e i componenti fondamentali delle varie architetture dei dati.
• Acquisire una comprensione completa dei principi di governance dei dati e della loro importanza negli ambienti regolatori.
• Implementare e gestire framework di governance dei dati come Dama e Togaf.
• Sfruttare le piattaforme cloud per un'efficiente archiviazione, elaborazione e gestione dei dati.

Questo corso di formazione guidato dal docente (online o in sede) è rivolto a data engineer di livello intermedio che desiderano imparare come utilizzare Azure Data Lake Storage Gen2 per soluzioni analitiche efficaci.

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

• Comprendere l'architettura e le funzionalità chiave di Azure Data Lake Storage Gen2.
• Ottimizzare il archiviazione e l'accesso ai dati per costi e prestazioni.
• Integrare Azure Data Lake Storage Gen2 con altri servizi di Azure per analisi e elaborazione dei dati.
• Sviluppare soluzioni utilizzando l'API di Azure Data Lake Storage Gen2.
• Risolvere i problemi comuni e ottimizzare le strategie di archiviazione.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli sviluppatori che desiderano utilizzare e integrare Spark, Hadoop e Python per elaborare, analizzare e trasformare set di dati grandi e complessi.

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

• Configurare l'ambiente necessario per iniziare a elaborare i big data con Spark, Hadoop e Python.
• Comprendere le funzionalità, i componenti principali e l'architettura di Spark e Hadoop.
• Scopri come integrare Spark, Hadoop e Python per l'elaborazione dei big data.
• Esplora gli strumenti nell'ecosistema Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka e Flume).
• Crea sistemi di raccomandazione di filtraggio collaborativi simili a Netflix, YouTube, Amazon, Spotify e Google.
• Usa Apache Mahout per ridimensionare gli algoritmi di machine learning.

Big Data e Advanced Analytics è l'applicazione di tecniche sofisticate e strumenti per analizzare grandi set di dati complessi in modo da ottenere indicazioni azionabili e prendere decisioni strategiche.

Questo corso guidato dall'insegnante (in linea o sul posto) è rivolto a professionisti avanzati dei dati che desiderano sfruttare metodi analitici di vanguardia e tecnologie big data per l'analisi predittiva, prescriptiva ed in tempo reale.

Al termine del corso, i partecipanti saranno in grado di:

• Progettare e implementare pipeline di elaborazione dati a grande scala sia per dati strutturati che non strutturati.
• Applicare tecniche avanzate di machine learning e deep learning su grandi set di dati.
• Sfruttare i framework di calcolo distribuito per l'analisi in tempo reale e lo streaming dei dati.
• Integrare l'analisi big data nei sistemi di intelligence aziendale e di presa delle decisioni.

Formato del Corso

• Lettura interattiva e discussione.
• Molte esercitazioni e pratica.
• Esecuzione pratica in un ambiente di laboratorio live.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare l'incontro.

Questo corso di formazione guidata dal formatore (online o sul posto) è rivolto a professionisti IT intermedi che desiderano acquisire una comprensione completa di IBM DataStage sia da un punto di vista amministrativo che di sviluppo, permettendogli di gestire e utilizzare questo strumento in modo efficace nei rispettivi luoghi di lavoro.

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

• Comprendere i concetti fondamentali di DataStage.
• Imparare a installare, configurare e gestire efficacemente gli ambienti di DataStage.
• Connettersi a varie fonti dati ed estrarre i dati in modo efficiente da database, file di testo e fonti esterne.
• Implementare tecniche efficaci per il caricamento dei dati.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli amministratori di sistema di livello principiante e intermedio che desiderano distribuire, gestire e ottimizzare i cluster Spark.

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

• Installare e configurare Apache Spark in vari ambienti.
• Gestisci le risorse del cluster e monitora le applicazioni Spark.
• Ottimizzare le prestazioni dei cluster Spark.
• Implementa misure di sicurezza e garantisci un'elevata disponibilità.
• Eseguire il debug e risolvere i problemi comuni di Spark.

I partecipanti che completano questa formazione guidata dal docente in Italia acquisiranno una comprensione pratica ed orientata al mondo reale di Big Data e delle sue tecnologie, metodologie e strumenti correlati.

I partecipanti avranno l'opportunità di mettere in pratica queste conoscenze attraverso esercizi pratici. L'interazione del gruppo e il feedback dell'insegnante costituiscono una componente importante della formazione.

Il corso inizia con un'introduzione ai concetti fondamentali dei Big Data, poi prosegue con i linguaggi di programmazione e le metodologie utilizzate per l'analisi dei dati. Infine, discutiamo degli strumenti e dell'infrastruttura che abilitano lo storage dei Big Data, il processing distribuito e la scalabilità.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno come utilizzare Python e Spark insieme per analizzare i big data mentre lavorano su esercizi pratici.

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

• Scopri come utilizzare Spark con Python per analizzare Big Data.
• Lavora su esercizi che imitano casi del mondo reale.
• Utilizzare diversi strumenti e tecniche per l'analisi dei big data utilizzando PySpark.

Gli avanzamenti tecnologici e l'aumento della quantità di informazioni stanno trasformando il modo in cui vengono condotti gli affari in molti settori, incluso quello governativo. Le agenzie governative generano e archiviano digitalmente dati a un ritmo crescente, grazie alla rapida crescita dei dispositivi mobili e delle applicazioni, dei sensori e dispositivi intelligenti, delle soluzioni di cloud computing e delle porte d'ingresso per i cittadini. Mentre le informazioni digitali si espandono e diventano più complesse, la gestione, l'elaborazione, lo stoccaggio, la sicurezza e la disposizione dei dati diventano anch'esse più complesse. Nuovi strumenti per la cattura, la ricerca, la scoperta e l'analisi stanno aiutando le organizzazioni a trarre intuizioni dai loro dati non strutturati. Il mercato governativo è al punto di svolta, realizzando che l'informazione è un bene strategico e che il governo deve proteggere, valorizzare e analizzare sia i dati strutturati che quelli non strutturati per servire meglio e soddisfare gli obiettivi della missione. Mentre i leader governativi si sforzano di evolvere organizzazioni basate sui dati per realizzare con successo la loro missione, stanno creando le basi per correlare le dipendenze tra eventi, persone, processi e informazioni.

Soluzioni governative ad alto valore saranno create da un mix delle tecnologie più innovative:

• Dispositivi mobili e applicazioni
• Servizi cloud
• Tecnologie social business e networking
• Big Data e analitica

Il Big Data è una delle soluzioni intelligenti per l'industria e consente al governo di prendere decisioni migliori basate su modelli rilevati dall'analisi di grandi volumi di dati, strutturati e non strutturati.

Ma raggiungere questi obiettivi richiede molto più che semplicemente accumulare quantità massicce di dati. “Comprendere questi volumi di Big Data richiede strumenti e tecnologie all'avanguardia in grado di analizzare ed estrarre conoscenze utili da flussi vasti e diversificati di informazioni”, hanno scritto Tom Kalil e Fen Zhao dell'Ufficio Tecnologia e Scienza della Casa Bianca in un post sul blog OSTP.

La Casa Bianca ha compiuto un passo verso l'aiuto delle agenzie a trovare queste tecnologie quando ha istituito l'Iniziativa Nazionale di Ricerca e Sviluppo Big Data nel 2012. L'iniziativa includeva più di 200 milioni di dollari per sfruttare al meglio l'esplosione del Big Data e gli strumenti necessari per analizzarlo.

Le sfide poste dal Big Data sono quasi altrettanto imponenti quanto la promessa è incoraggiante. Lo stoccaggio efficiente dei dati è una di queste sfide. Come sempre, i budget sono limitati, quindi le agenzie devono minimizzare il costo per megabyte dello stoccaggio e mantenere i dati facilmente accessibili in modo che gli utenti possano ottenerli quando lo desiderano e come ne hanno bisogno. L'backup di quantità massicce di dati aumenta la sfida.

Analizzare efficacemente i dati è un'altra sfida importante. Molte agenzie utilizzano strumenti commerciali che consentono loro di setacciare le montagne di dati, individuando tendenze che possono aiutarle a operare in modo più efficiente. (Uno studio recente di MeriTalk ha rilevato che i dirigenti IT federali ritengono che il Big Data possa aiutare le agenzie a risparmiare oltre 500 miliardi di dollari mentre soddisfa gli obiettivi della missione.).

Gli strumenti per il Big Data sviluppati su misura permettono inoltre alle agenzie di affrontare la necessità di analizzare i loro dati. Ad esempio, il Gruppo di Analisi dei Dati Computazionali del Laboratorio Nazionale Oak Ridge ha reso disponibile ad altre agenzie il suo sistema di analisi dei dati Piranha. Il sistema ha aiutato i ricercatori medici a trovare un collegamento che può avvisare i medici degli aneurismi aortici prima che si verifichino. Viene anche utilizzato per compiti più quotidiani, come setacciare curriculum vitae per connettere candidati con responsabili di assunzione.

In questa formazione dal vivo condotta da un istruttore in Italia, i partecipanti apprenderanno la mentalità con cui approcciare le tecnologie Big Data, valutare il loro impatto sui processi e sulle politiche esistenti e implementare queste tecnologie allo scopo di identificare attività criminali e prevenire la criminalità. Saranno esaminati casi di studio di organizzazioni di forze dell'ordine in tutto il mondo per ottenere informazioni sui loro approcci di adozione, sfide e risultati.

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

• Combinare la tecnologia Big Data con i tradizionali processi di raccolta dati per ricostruire una storia durante un'indagine.
• Implementare soluzioni industriali di archiviazione ed elaborazione di big data per l'analisi dei dati.
• Preparare una proposta per l'adozione degli strumenti e dei processi più adeguati per abilitare un approccio basato sui dati alle indagini penali.

I Big Data sono un termine che si riferisce a soluzioni destinate allo stoccaggio e al processing di grandi set di dati. Sviluppate inizialmente da Google, queste soluzioni Big Data si sono evolute ed hanno ispirato altri progetti simili, molti dei quali disponibili come open-source. R è un linguaggio di programmazione molto popolare nel settore finanziario.

Descrizione del Corso

Questo corso offre un'introduzione pratica e strutturata alla costruzione di sistemi di trasmissione dei dati in streaming in tempo reale. Vengono trattati i concetti fondamentali, i pattern architetturali e gli strumenti industriali utilizzati per elaborare dati continui su larga scala. I partecipanti impareranno a progettare, implementare e ottimizzare pipeline di streaming utilizzando framework moderni. Il corso procede dai concetti base fino ad applicazioni pratiche, consentendo agli studenti di costruire con sicurezza soluzioni in tempo reale pronte per la produzione.

Formato della Formazione

• Sessioni guidate da un istruttore con spiegazioni dettagliate

 • Analisi concettuale accompagnata da esempi del mondo reale

 • Dimostrazioni pratiche ed esercizi di codifica  

• Laboratori progressivi allineati agli argomenti quotidiani

 • Discussioni interattive e sessioni di domande e risposte   

Obiettivi del Corso

• Comprendere i concetti della trasmissione dei dati in tempo reale e l'architettura dei sistemi

 • Distinguere tra i modelli di elaborazione dei dati batch e in streaming  

• Progettare pipeline di streaming scalabili e tolleranti ai guasti  

• Utilizzare strumenti e framework di streaming distribuito  

• Applicare l'elaborazione del tempo evento, l'avvolgimento (windowing) e le operazioni con stato  

Costruire e ottimizzare soluzioni per i dati in tempo reale per casi d'uso aziendali  

Apache Hadoop è il framework più popolare per il processing Big Data su cluster di server. In questo corso di tre (opzionalmente quattro) giorni, gli iscritti impareranno i benefici aziendali e i casi d'uso per Hadoop ed il suo ecosistema, come pianificare la distribuzione e lo scaling del cluster, come installare, mantenere, monitorare, risolvere problemi e ottimizzare Hadoop. Praticheranno anche il caricamento di dati bulk sul cluster, si familiarizzeranno con varie distribuzioni di Hadoop, ed impareranno a installare e gestire gli strumenti dell'ecosistema Hadoop. Il corso si conclude con una discussione sulla sicurezza del cluster tramite Kerberos.

"...I materiali sono stati preparati molto bene e coperti in modo approfondito. La Lab è stata molto utile ed organizzata bene"— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Target

Amministratori di Hadoop

Formato

Lezioni e laboratori pratici, equilibrio approssimativo 60% lezioni, 40% laboratorio.

Apache NiFi è una piattaforma open-source, basata sui flussi, per l'integrazione dei dati e il processo degli eventi. Consente di automatizzare il routing, la trasformazione e la mediazione del sistema in tempo reale tra sistemi diversi, con un'interfaccia web e un controllo granulare.

Questo training guidato dal docente (in loco o remoto) è rivolto a amministratori e ingegneri di livello intermedio che desiderano distribuire, gestire, proteggere e ottimizzare i flussi di dati NiFi in ambienti di produzione.

Al termine di questo training, i partecipanti saranno in grado di:

• Installare, configurare e mantenere cluster Apache NiFi.
• Progettare e gestire flussi di dati da sorgenti e destinazioni varie.
• Implementare logiche di automazione dei flussi, routing e trasformazione.
• Ottimizzare le prestazioni, monitorare le operazioni e risolvere problemi.

Formato del Corso

• Lezione interattiva con discussione su architetture reali.
• Laboratori pratici: costruire, distribuire e gestire flussi.
• Esercizi basati su scenari in un ambiente live-lab.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare l'evento.

In questo corso di formazione dal vivo con istruttore in Italia, i partecipanti impareranno i fondamenti della programmazione basata sul flusso mentre sviluppano una serie di estensioni, componenti e processori demo utilizzando Apache NiFi.

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

• Comprendi l'architettura e i concetti del flusso di dati di NiFi.
• Sviluppa estensioni utilizzando NiFi e API di terze parti.
• Sviluppare su misura il proprio processore Apache Nifi.
• Acquisisci ed elabora dati in tempo reale da formati di file e origini dati diversi e non comuni.

Questo corso offre un'introduzione pratica alla creazione di workflow scalabili per l'elaborazione dei dati e il Machine Learning utilizzando PySpark. I partecipanti apprenderanno come Apache Spark opera all'interno degli ecosistemi moderni di Big Data e come elaborare in modo efficiente grandi dataset sfruttando i principi del calcolo distribuito.

Questo training guidato dal formatore in Italia (online o in presenza) è rivolto agli ingegneri che desiderano configurare e implementare il sistema Apache Spark per l'elaborazione di grandi quantità di dati.

Alla fine di questo corso, i partecipanti saranno in grado di:

• Installare e configurare Apache Spark.
• Lettura rapida ed analisi di grandi quantità di dati.
• Capire le differenze tra Apache Spark e Hadoop MapReduce e quando utilizzare ciascuno dei due.
• Integrare Apache Spark con altri strumenti di apprendimento automatico.

L'andamento della curva di apprendimento di Apache Spark si intensifica lentamente all'inizio, richiedendo molto sforzo per ottenere i primi risultati. Questo corso mira a superare la prima parte difficile. Dopo aver completato il corso, i partecipanti comprenderanno le basi di Apache Spark, sapranno distinguere chiaramente RDD da DataFrame, impareranno l'API Python e Scala, capiranno gli esecutori e i task, ecc. Inoltre, seguendo le best practice, questo corso si concentra fortemente sulla distribuzione nel cloud, su Databricks e AWS. Gli studenti comprenderanno anche le differenze tra AWS EMR e AWS Glue, uno dei servizi Spark più recenti di AWS.

PUBBLICO:

Data Engineer, DevOps, Data Scientist

OBBIETTIVO:

Questo corso introdurrà Apache Spark. Gli studenti impareranno come Spark si inserisce nell'ecosistema Big Data e come utilizzare Spark per l'analisi dei dati. Il corso coprirà la shell di Spark per l'analisi dei dati interattiva, le interne di Spark, le API di Spark, Spark SQL, il streaming di Spark, e l'apprendimento automatico e GraphX.

PUBBLICO OBBIETTIVO :

Sviluppatori / Analisti dei Dati

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a data scientist e sviluppatori che desiderano utilizzare Spark NLP, basato su Apache Spark, per sviluppare, implementare e scalare modelli e pipeline di elaborazione del testo in linguaggio naturale.

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

• Configura l'ambiente di sviluppo necessario per iniziare a costruire pipeline NLP con Spark NLP.
• Comprendere le caratteristiche, l'architettura e i vantaggi dell'utilizzo Spark NLP.
• Utilizzare i modelli pre-addestrati disponibili in Spark NLP per implementare l'elaborazione del testo.
• Scopri come creare, addestrare e scalare Spark NLP modelli per progetti di produzione.
• Applica la classificazione, l'inferenza e l'analisi del sentiment su casi d'uso reali (dati clinici, approfondimenti sul comportamento dei clienti, ecc.).

Spark SQL è il modulo di Apache Spark per lavorare con dati strutturati e non strutturati. Spark SQL fornisce informazioni sulla struttura dei dati e sul calcolo che viene eseguito. Queste informazioni possono essere utilizzate per eseguire ottimizzazioni. Due utilizzi comuni di Spark SQL sono:
- l'esecuzione di query SQL.
- la lettura di dati da un'installazione esistente di Hive.

In questa formazione guidata dal docente (in presenza o a distanza), i partecipanti impareranno come analizzare vari set di dati utilizzando Spark SQL.

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

• Installare e configurare Spark SQL.
• Eseguire l'analisi dei dati utilizzando Spark SQL.
• Eseguire query su set di dati in diversi formati.
• Visualizzare i dati e i risultati delle query.

Formato del Corso

• Lezione interattiva e discussione.
• Molti esercizi e pratica.
• Implementazione pratica in un ambiente live-lab.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare l'evento.

Questo corso live guidato da un istruttore in Italia (online o in sede) è rivolto a professionisti tecnici che desiderano utilizzare Talend Open Studio for Big Data per semplificare il processo di lettura e analisi di big data.

Al termine di questo training, i partecipanti saranno in grado di:

• Installare e configurare Talend Open Studio for Big Data.
• Connettersi con sistemi big data come Cloudera, HortonWorks, MapR, Amazon EMR e Apache.
• Comprendere e configurare i componenti e i connettori di big data di Open Studio.
• Configurare parametri per generare automaticamente codice MapReduce.
• Utilizzare l'interfaccia a trascinamento e rilascio di Open Studio per eseguire lavori Hadoop.
• Prototipare pipeline big data.
• Automatizzare progetti di integrazione big data.