Cursos de Big Data en Seattle

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a profesionales de datos de nivel avanzado que desean optimizar los flujos de trabajo de procesamiento de datos, garantizar la integridad de los datos e implementar soluciones sólidas de data lakehouse que puedan manejar las complejidades de las aplicaciones modernas de big data.Al final de esta capacitación, los participantes serán capaces de:

• Obtenga una comprensión profunda de la arquitectura de Iceberg, incluida la gestión de metadatos y el diseño de archivos.
• Configure Iceberg para obtener un rendimiento óptimo en varios entornos e intégrelo con múltiples motores de procesamiento de datos.
• Administre tablas Iceberg a gran escala, realice cambios de esquema complejos y controle la evolución de las particiones.
• Domine las técnicas para optimizar el rendimiento de las consultas y la eficiencia del análisis de datos para grandes conjuntos de datos.
• Implemente mecanismos para garantizar la coherencia de los datos, gestionar las garantías transaccionales y gestionar los errores en entornos distribuidos.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a profesionales de datos de nivel principiante que deseen adquirir el conocimiento y las habilidades necesarias para utilizar Apache Iceberg de manera efectiva para administrar conjuntos de datos a gran escala, garantizar la integridad de los datos y optimizar los flujos de trabajo de procesamiento de datos.Al final de esta capacitación, los participantes serán capaces de:

• Obtenga una comprensión profunda de la arquitectura, las características y los beneficios de Apache Iceberg.
• Obtenga información sobre los formatos de tabla, la creación de particiones, la evolución del esquema y las capacidades de viaje en el tiempo.
• Instala y configura Apache Iceberg en diferentes entornos.
• Crear, administrar y manipular tablas Iceberg.
• Comprender el proceso de migración de datos de otros formatos de tabla a Iceberg.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a profesionales de TI de nivel intermedio que desean mejorar sus habilidades en arquitectura de datos, gobernanza, computación en la nube y tecnologías de big data para administrar y analizar de manera efectiva grandes conjuntos de datos para la migración de datos dentro de sus organizaciones.Al final de esta capacitación, los participantes serán capaces de:

• Comprender los conceptos y componentes fundamentales de varias arquitecturas de datos.
• Obtenga una comprensión completa de los principios de gobernanza de datos y su importancia en los entornos normativos.
• Implemente y gestione marcos de gobernanza de datos como Dama y Togaf.
• Aproveche las plataformas en la nube para un almacenamiento, procesamiento y gestión de datos eficientes.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o presencial) está dirigida a ingenieros de datos de nivel intermedio que deseen aprender a usar Azure Data Lake Storage Gen2 para soluciones efectivas de análisis de datos.Al final de esta capacitación, los participantes serán capaces de:

• Comprenda la arquitectura y las características clave de Azure Data Lake Storage Gen2.
• Optimice el almacenamiento y el acceso a los datos en cuanto a costes y rendimiento.
• Integre Azure Data Lake Storage Gen2 con otros Azure servicios para análisis y procesamiento de datos.
• Desarrolle soluciones con la API Azure de Data Lake Storage Gen2.
• Solucione problemas comunes y optimice las estrategias de almacenamiento.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a profesionales de TI de nivel intermedio que desean tener una comprensión integral de IBM DataStage desde una perspectiva administrativa y de desarrollo, lo que les permite administrar y utilizar esta herramienta de manera efectiva en sus respectivos lugares de trabajo.Al final de esta capacitación, los participantes serán capaces de:

• Comprender los conceptos básicos de DataStage.
• Aprenda a instalar, configurar y gestionar eficazmente los entornos de DataStage.
• Conéctese a varias fuentes de datos y extraiga datos de manera eficiente de bases de datos, archivos planos y fuentes externas.
• Implemente técnicas efectivas de carga de datos.

En esta capacitación en vivo dirigida por un instructor en Seattle, los participantes aprenderán a usar Python y Spark juntos para analizar big data mientras trabajan en ejercicios prácticos.Al final de esta formación, los participantes serán capaces de:

• Aprenda a usar Spark con Python para analizar Big Data.
• Trabaja en ejercicios que imiten casos del mundo real.
• Utilizar diferentes herramientas y técnicas para el análisis de big data utilizando PySpark.

Este curso cubre cómo usar el SQL Hive SQL (AKA: Hive HQL, SQL on Hive , Hive QL) para las personas que extraen datos de Hive

El descubrimiento de conocimiento en bases de datos (KDD) es el proceso de descubrir conocimiento útil de una colección de datos. Las aplicaciones de la vida real para esta técnica de minería de datos incluyen marketing, detección de fraude, telecomunicaciones y fabricación. En este curso en vivo dirigido por un instructor, presentamos los procesos involucrados en KDD y llevamos a cabo una serie de ejercicios para practicar la implementación de esos procesos. Audiencia

• Analistas de datos o cualquier persona interesada en aprender a interpretar datos para resolver problemas

Formato del curso

• Después de una discusión teórica sobre KDD, el instructor presentará casos de la vida real que requieren la aplicación de KDD para resolver un problema. Los participantes prepararán, seleccionarán y limpiarán conjuntos de datos de muestra y utilizarán sus conocimientos previos sobre los datos para proponer soluciones basadas en los resultados de sus observaciones.

Apache Kylin es un motor de análisis extremo y distribuido para big data En este entrenamiento en vivo con instructor, los participantes aprenderán a usar Apache Kylin para configurar un almacén de datos en tiempo real Al final de esta capacitación, los participantes podrán: Consume datos de transmisión en tiempo real usando Kylin Utilice las potentes funciones de Apache Kylin, incluido el soporte del esquema de copos de nieve, una rica interfaz de SQL, cubicación de chispa y latencia de consulta de segundo plano Nota Usamos la última versión de Kylin (al momento de escribir esto, Apache Kylin v20) Audiencia Grandes ingenieros de datos Analistas de Big Data Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .

Dremio es una "plataforma de datos de autoservicio" de código abierto que acelera la consulta de diferentes tipos de fuentes de datos Dremio se integra con bases de datos relacionales, Apache Hadoop, MongoDB, Amazon S3, ElasticSearch y otras fuentes de datos Es compatible con SQL y proporciona una interfaz de usuario web para generar consultas En este entrenamiento en vivo instruido, los participantes aprenderán cómo instalar, configurar y usar Dremio como una capa unificadora para las herramientas de análisis de datos y los repositorios de datos subyacentes Al final de esta capacitación, los participantes podrán: Instalar y configurar Dremio Ejecutar consultas en múltiples fuentes de datos, independientemente de la ubicación, el tamaño o la estructura Integre Dremio con BI y fuentes de datos como Tableau y Elasticsearch Audiencia Científicos de datos Analistas comerciales Ingenieros de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual Notas Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos .

Apache Arrow es un marco de procesamiento de datos en memoria de código abierto. A menudo se usa junto con otras herramientas de ciencia de datos para acceder a almacenes de datos dispares para su análisis. Se integra bien con otras tecnologías, como bases de datos de GPU , bibliotecas y herramientas de aprendizaje automático, motores de ejecución y marcos de visualización de datos. En esta capacitación en vivo dirigida por un instructor en el sitio, los participantes aprenderán cómo integrar Apache Arrow con varios marcos de Data Science para acceder a datos de fuentes de datos dispares. Al final de esta capacitación, los participantes podrán:

• Instale y configure Apache Arrow en un entorno agrupado distribuido
• Use Apache Arrow para acceder a datos de fuentes de datos dispares
• Use Apache Arrow para evitar la necesidad de construir y mantener tuberías complejas de ETL
• Analice datos a través de fuentes de datos dispares sin tener que consolidarlos en un repositorio centralizado.

Audiencia

• Científicos de datos
• Ingenieros de datos

Formato del curso

• Conferencia parcial, discusión parcial, ejercicios y práctica práctica.

Nota

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.

Esta formación en vivo dirigida por un instructor (in situ o remota) está dirigida a desarrolladores de software, gerentes y analistas de negocios que desean utilizar sistemas de big data para almacenar y recuperar grandes cantidades de datos. Al final de esta formación, los participantes podrán:

• Consultar grandes cantidades de datos de forma eficiente.
• Comprender Big Data cómo el sistema almacena y recupera datos
• Utilice los últimos sistemas de big data disponibles
• Reunar los datos de los sistemas de datos en los sistemas de informes
• Aprenda a SQL escribir consultas en:
  • My SQL
  • Postgres
  • Hive Lenguaje de Hive consulta ( QL/HQL)
  • Redshift

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para organizar.

Para cumplir con el cumplimiento de los reguladores, los CSP (proveedores de servicios de Communication ) pueden aprovechar Big Data Analytics que no solo los ayuda a cumplir con el cumplimiento, sino que dentro del alcance del mismo proyecto pueden aumentar la satisfacción del cliente y así reducir la rotación. De hecho, dado que el cumplimiento está relacionado con la calidad del servicio vinculada a un contrato, cualquier iniciativa para cumplir con el cumplimiento mejorará la "ventaja competitiva" de los CSP. Por lo tanto, es importante que los reguladores puedan asesorar / guiar un conjunto de prácticas analíticas de Big Data para los CSP que serán de beneficio mutuo entre los reguladores y los CSP. El curso consta de 8 módulos (4 el día 1 y 4 el día 2)

Los avances en las tecnologías y la creciente cantidad de información están transformando la forma en que se llevan a cabo los negocios en muchas industrias, incluido el gobierno. Go Las tasas de generación de datos de verificación y archivo digital están en aumento debido al rápido crecimiento de los dispositivos y aplicaciones móviles, los sensores y dispositivos inteligentes, las soluciones de computación en la nube y los portales orientados a los ciudadanos. A medida que la información digital se expande y se vuelve más compleja, la gestión, el procesamiento, el almacenamiento, la seguridad y la disposición de la información también se vuelven más complejos. Las nuevas herramientas de captura, búsqueda, descubrimiento y análisis están ayudando a las organizaciones a obtener información de sus datos no estructurados. El mercado gubernamental se encuentra en un punto de inflexión, dándose cuenta de que la información es un activo estratégico, y que el gobierno necesita proteger, aprovechar y analizar tanto la información estructurada como la no estructurada para servir y cumplir mejor con los requisitos de la misión. A medida que los líderes gubernamentales se esfuerzan por hacer evolucionar las organizaciones basadas en datos para cumplir con éxito la misión, están sentando las bases para correlacionar las dependencias entre eventos, personas, procesos e información. Las soluciones gubernamentales de alto valor se crearán a partir de una combinación de las tecnologías más disruptivas:

• Dispositivos móviles y aplicaciones
• Servicios en la nube
• Redes sociales, tecnologías empresariales y redes
• Big Data y analítica

IDC predice que para el año 2020, la industria de TI alcanzará los 5 billones de dólares, aproximadamente 1,7 billones de dólares más que en la actualidad, y que el 80% del crecimiento de la industria será impulsado por estas tecnologías de la tercera plataforma. A largo plazo, estas tecnologías serán herramientas clave para hacer frente a la complejidad del aumento de la información digital. Big Data es una de las soluciones inteligentes de la industria y permite al gobierno tomar mejores decisiones al tomar medidas basadas en patrones revelados por el análisis de grandes volúmenes de datos, relacionados y no relacionados, estructurados y no estructurados. Pero lograr estas hazañas requiere mucho más que simplemente acumular cantidades masivas de datos."Dar sentido a estos volúmenes de Big Data requiere herramientas y tecnologías de vanguardia que puedan analizar y extraer conocimientos útiles de vastos y diversos flujos de información", escribieron Tom Kalil y Fen Zhao de la Oficina de Política Científica y Tecnológica de la Casa Blanca en una publicación en el blog de la OSTP. La Casa Blanca dio un paso para ayudar a las agencias a encontrar estas tecnologías cuando estableció la Iniciativa Nacional de Investigación y Desarrollo en 2012. La iniciativa incluyó más de 200 millones de dólares para aprovechar al máximo la explosión de Big Data y las herramientas necesarias para analizarla. Los desafíos que plantea Big Data son casi tan desalentadores como alentadora es su promesa. Almacenar datos de manera eficiente es uno de estos desafíos. Como siempre, los presupuestos son ajustados, por lo que las agencias deben minimizar el precio por megabyte de almacenamiento y mantener los datos de fácil acceso para que los usuarios puedan obtenerlos cuando los quieran y como los necesiten. Hacer copias de seguridad de cantidades masivas de datos aumenta el desafío. Analizar los datos de manera efectiva es otro desafío importante. Muchas agencias emplean herramientas comerciales que les permiten examinar las montañas de datos, detectando tendencias que pueden ayudarlas a operar de manera más eficiente. (Un estudio reciente de MeriTalk encontró que los ejecutivos federales de TI piensan Big Data que podrían ayudar a las agencias a ahorrar más de $ 500 mil millones y, al mismo tiempo, cumplir con los objetivos de la misión). Las herramientas desarrolladas a medida Big Data también están permitiendo a las agencias abordar la necesidad de analizar sus datos. Por ejemplo, el Grupo de Análisis de Datos Computacionales del Laboratorio Nacional de Oak Ridge ha puesto a disposición de otras agencias su sistema de análisis de datos Piraña. El sistema ha ayudado a los investigadores médicos a encontrar un vínculo que puede alertar a los médicos sobre los aneurismas aórticos antes de que ataquen. También se utiliza para tareas más mundanas, como revisar los currículos para conectar a los candidatos a un puesto de trabajo con los responsables de contratación.

Esta sesión de capacitación en el aula explorará Big Data. Los delegados tendrán ejemplos basados en computadoras y ejercicios de estudio de casos para llevar a cabo con herramientas relevantes de big data

Día 1: proporciona una descripción general de alto nivel de las áreas temáticas esenciales de Big Data . El módulo se divide en una serie de secciones, cada una de las cuales se acompaña de un ejercicio práctico. Día 2: explora una variedad de temas que relacionan las prácticas y herramientas de análisis para entornos de Big Data . No entra en detalles de implementación o programación, sino que mantiene la cobertura a nivel conceptual, centrándose en temas que permiten a los participantes desarrollar una comprensión integral de las funciones y características de análisis comunes que ofrecen las soluciones de Big Data . Día 3: proporciona una descripción general de las áreas temáticas fundamentales y esenciales relacionadas con la arquitectura de la plataforma de soluciones de Big Data . Cubre los mecanismos de Big Data necesarios para el desarrollo de una plataforma de solución de Big Data y las opciones arquitectónicas para ensamblar una plataforma de procesamiento de datos. También se presentan escenarios comunes para proporcionar una comprensión básica de cómo se utiliza generalmente una plataforma de solución de Big Data . Día 4: se basa en el Día 3 explorando temas avanzados relacionados con la arquitectura de la plataforma de soluciones de Big Data . En particular, se presentan y discuten diferentes capas arquitectónicas que conforman la plataforma de solución Big Data , incluidas las fuentes de datos, el ingreso de datos, el almacenamiento de datos, el procesamiento de datos y la seguridad. Día 5: cubre una serie de ejercicios y problemas diseñados para evaluar la capacidad de los delegados para aplicar el conocimiento de los temas cubiertos en los días 3 y 4.

Los avances tecnológicos y la creciente cantidad de información están transformando la forma en que se lleva a cabo la aplicación de la ley. Los desafíos que plantea Big Data son casi tan desalentadores como la promesa de Big Data . Almacenar datos de manera eficiente es uno de estos desafíos; analizarlo efectivamente es otro. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán la mentalidad con la que abordar las tecnologías de Big Data , evaluar su impacto en los procesos y políticas existentes e implementar estas tecnologías con el fin de identificar actividades delictivas y prevenir el delito. Se examinarán los estudios de caso de las organizaciones policiales de todo el mundo para obtener información sobre sus enfoques de adopción, desafíos y resultados. Al final de esta capacitación, los participantes podrán:

• Combine la tecnología Big Data con los procesos tradicionales de recopilación de datos para reconstruir una historia durante una investigación
• Implemente soluciones industriales de almacenamiento y procesamiento de big data para el análisis de datos
• Prepare una propuesta para la adopción de las herramientas y procesos más adecuados para permitir un enfoque basado en datos para la investigación criminal

Audiencia

• Especialistas en aplicación de la ley con formación técnica.

Formato del curso

• Conferencia parcial, discusión parcial, ejercicios y práctica práctica.

Big Data es un término que se refiere a las soluciones destinadas a almacenar y procesar grandes conjuntos de datos. Desarrolladas por Go ogle inicialmente, estas soluciones de Big Data han evolucionado e inspirado a otros proyectos similares, muchos de los cuales están disponibles como código abierto. R es un lenguaje de programación popular en la industria financiera.

Cuando las tecnologías de almacenamiento tradicionales no manejan la cantidad de datos que necesita almacenar, hay cientos de alternativas Este curso intenta guiar a los participantes sobre las alternativas para almacenar y analizar Big Data y cuáles son sus ventajas y desventajas Este curso se enfoca principalmente en la discusión y presentación de soluciones, aunque hay disponibles ejercicios manuales a pedido .

El curso es parte del conjunto de habilidades de Data Scientist (Dominio: Datos y Tecnología).

Audiencia Si intenta dar sentido a los datos a los que tiene acceso o si desea analizar los datos no estructurados disponibles en la red (como Twitter, LinkedIn, etc.), este curso es para usted. Está dirigido principalmente a tomadores de decisiones y personas que necesitan elegir qué datos vale la pena recopilar y qué vale la pena analizar. Sin embargo, no está dirigido a personas que configuran la solución, pero esas personas se beneficiarán del panorama general. Modo de entrega Durante el curso, los delegados se presentarán con ejemplos prácticos de tecnologías de código abierto en su mayoría. Las conferencias cortas serán seguidas por una presentación y ejercicios simples por los participantes. Contenido y software utilizado Todo el software utilizado se actualiza cada vez que se ejecuta el curso, por lo que verificamos las versiones más recientes posibles. Cubre el proceso desde obtener, formatear, procesar y analizar los datos, para explicar cómo automatizar el proceso de toma de decisiones con aprendizaje automático.

Big data son conjuntos de datos que son tan voluminosos y complejos que el software de aplicación de procesamiento de datos tradicional es inadecuado para manejarlos. Los grandes desafíos de datos incluyen la captura de datos, el almacenamiento de datos, el análisis de datos, la búsqueda, el intercambio, la transferencia, la visualización, la consulta, la actualización y la privacidad de la información.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a personas técnicas que desean aprender a implementar una estrategia de aprendizaje automático mientras maximizan el uso de big data. Al final de esta capacitación, los participantes:

• Comprender la evolución y las tendencias del aprendizaje automático.
• Conozca cómo se utiliza el aprendizaje automático en diferentes industrias.
• Familiarícese con las herramientas, habilidades y servicios disponibles para implementar el aprendizaje automático dentro de una organización.
• Comprenda cómo se puede utilizar el aprendizaje automático para mejorar la minería y el análisis de datos.
• Aprenda qué es un backend intermedio de datos y cómo lo utilizan las empresas.
• Comprenda el papel que desempeñan el big data y las aplicaciones inteligentes en todas las industrias.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a ingenieros de software que desean usar Sqoop y Flume para big data. Al final de esta capacitación, los participantes serán capaces de:

• Ingiera big data con Sqoop y Flume.
Ingesta de datos de
• varios orígenes de datos.
• Mueva datos de bases de datos relacionales a HDFS y Hive.
• Exporte datos de HDFS a una base de datos relacional.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a personas técnicas que deseen implementar Talend Open Studio for Big Data para simplificar el proceso de lectura y procesamiento de Big Data. Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Talend Open Studio for Big Data.
• Conéctese con sistemas de Big Data como Cloudera, HortonWorks, MapR, Amazon EMR y Apache.
• Comprenda y configure los componentes y conectores de big data de Open Studio.
• Configure los parámetros para generar automáticamente el código de MapReduce.
• Utilice la interfaz de arrastrar y soltar de Open Studio para ejecutar trabajos de Hadoop.
• Prototipar canalizaciones de big data.
• Automatice los proyectos de integración de big data.

En esta capacitación en vivo dirigida por un instructor en Seattle, los participantes aprenderán a construir un Data Vault.Al final de esta formación, los participantes serán capaces de:

• Comprender los conceptos de arquitectura y diseño detrás de Data Vault 2.0 y su interacción con Big Data, NoSQL y la IA.
• Utilice técnicas de almacenamiento de datos para permitir la auditoría, el seguimiento y la inspección de datos históricos en un almacén de datos.
• Desarrolle un proceso ETL (Extracción, Transformación, Carga) consistente y repetible.
• Construya e implemente almacenes altamente escalables y repetibles.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a ingenieros de datos, científicos de datos y programadores que deseen utilizar Spark Streaming funciones en el procesamiento y análisis de datos en tiempo real.Al final de esta capacitación, los participantes podrán usar Spark Streaming para procesar flujos de datos en vivo para su uso en bases de datos, sistemas de archivos y paneles de control en vivo.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o presencial) está dirigida a desarrolladores que desean implementar Apache Kafka el procesamiento de flujos sin escribir código.Al final de esta formación, los participantes serán capaces de:

• Instale y configure Confluent KSQL.
• Configure una canalización de procesamiento de secuencias utilizando solo los comandos SQL (sin codificación Java o Python).
• Lleve a cabo el filtrado de datos, las transformaciones, las agregaciones, las uniones, las ventanas y la sessionización íntegramente en SQL.
• Diseñe e implemente consultas interactivas y continuas para la transmisión de ETL y análisis en tiempo real.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o presencial) está dirigida a desarrolladores que desean aprender los principios detrás del almacenamiento en memoria persistente y puro a medida que avanzan en la creación de un proyecto de computación en memoria de muestra.Al final de esta formación, los participantes serán capaces de:

• Utilice Ignite para la persistencia en memoria y en disco, así como para una base de datos en memoria puramente distribuida.
• Logre la persistencia sin sincronizar los datos con una base de datos relacional.
• Utilice Ignite para llevar a cabo SQL uniones distribuidas.
• Mejore el rendimiento acercando los datos a la CPU, utilizando la RAM como almacenamiento.
• Distribuya conjuntos de datos en un clúster para lograr escalabilidad horizontal.
• Integre Ignite con procesadores RDBMS, NoSQL, Hadoop y de aprendizaje automático.

Apache Beam es un modelo de programación unificado de código abierto para definir y ejecutar tuberías de procesamiento de datos paralelas. Su poder radica en su capacidad para ejecutar canalizaciones por lotes y de transmisión, y la ejecución la lleva a cabo uno de los back-ends de procesamiento distribuido compatibles con Beam: Apache Apex, Apache Flink, Apache Spark y Google Cloud Dataflow. Apache Beam es útil para tareas ETL (Extracción, Transformación y Carga), como mover datos entre diferentes medios de almacenamiento y fuentes de datos, transformar datos a un formato más deseable y cargar datos en un nuevo sistema.En esta capacitación en vivo dirigida por un instructor (presencial o remota), los participantes aprenderán a implementar los SDK Apache Beam en una aplicación Java o Python que define una canalización de procesamiento de datos para descomponer un conjunto de datos grandes en fragmentos más pequeños para un procesamiento paralelo e independiente.Al final de esta formación, los participantes serán capaces de:

• Instalar y configurar Apache Beam.
• Utilice un único modelo de programación para llevar a cabo el procesamiento por lotes y por secuencias desde su aplicación Java o Python.
• Ejecute canalizaciones en múltiples entornos.

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada

Nota

• Este curso estará disponible Scala en el futuro. Póngase en contacto con nosotros para organizarlo.

Apache Apex es una plataforma nativa de YARN que unifica el procesamiento de flujos y lotes. Procesa big data en movimiento de una manera que es escalable, eficiente, tolerante a errores, con estado, segura, distribuida y fácil de operar.Esta capacitación en vivo dirigida por un instructor presenta la arquitectura de procesamiento de flujo unificada de Apache Apex y guía a los participantes a través de la creación de una aplicación distribuida utilizando Apex en Hadoop.Al final de esta formación, los participantes serán capaces de:

• Comprenda los conceptos de canalización de procesamiento de datos, como conectores para orígenes y receptores, transformaciones de datos comunes, etcétera.
• Cree, escale y optimice una aplicación Apex
• Procese flujos de datos en tiempo real de forma fiable y con una latencia mínima
• Utilice Apex Core y la biblioteca Apex Malhar para permitir un desarrollo rápido de aplicaciones
• Utilice la API de Apex para escribir y reutilizar el código existente Java
• Integre Apex en otras aplicaciones como motor de procesamiento
• Ajuste, pruebe y escale las aplicaciones de Apex

Formato del curso

• Charla y discusión interactiva.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Apache Storm es un motor de computación distribuido en tiempo real que se utiliza para habilitar la inteligencia empresarial en tiempo real. Para ello, permite que las aplicaciones procesen de forma fiable flujos de datos ilimitados (también conocido como procesamiento de flujos)."¡Storm es para el procesamiento en tiempo real lo que Hadoop es para el procesamiento por lotes!"En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a instalar y configurar Apache Storm, luego desarrollarán e implementarán una aplicación Apache Storm para procesar grandes cantidades de datos en tiempo real.Algunos de los temas incluidos en esta capacitación incluyen:

• Apache Storm En el contexto de Hadoop
• Trabajar con datos ilimitados
• Cómputo continuo
• Análisis en tiempo real
• Procesamiento distribuido de RPC y ETL

¡Solicita este curso ahora!Audiencia

• Desarrolladores de software y ETL
• Profesionales del mainframe
• Científicos de datos
• Analistas de big data
• Hadoop Profesionales

Formato del curso

•     En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada

En esta capacitación en vivo dirigida por un instructor en Seattle (presencial o remoto), los participantes aprenderán cómo implementar y administrar Apache NiFi en un entorno de laboratorio en vivo.Al final de esta formación, los participantes serán capaces de:

• Instala y configura Apachi NiFi.
• Obtenga, transforme y administre datos de fuentes de datos dispares y distribuidas, incluidas bases de datos y lagos de big data.
• Automatice los flujos de datos.
• Habilite el análisis de transmisión.
• Aplique varios enfoques para la ingesta de datos.
• Transforme Big Data y conviértase en información empresarial.

En esta capacitación en vivo dirigida por un instructor en Seattle, los participantes aprenderán los fundamentos de la programación basada en flujo a medida que desarrollan una serie de extensiones, componentes y procesadores de demostración utilizando Apache NiFi.Al final de esta formación, los participantes serán capaces de:

• Comprenda la arquitectura de NiFi y los conceptos de flujo de datos.
• Desarrolle extensiones utilizando NiFi y API de terceros.
• Desarrollar a medida su propio procesador Apache Nifi.
• Ingiera y procese datos en tiempo real de formatos de archivo y fuentes de datos dispares y poco comunes.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o presencial) presenta los principios y enfoques detrás del procesamiento de datos de flujo distribuido y por lotes, y guía a los participantes a través de la creación de una aplicación de transmisión de datos en tiempo real en Apache Flink.Al final de esta formación, los participantes serán capaces de:

• Configure un entorno para desarrollar aplicaciones de análisis de datos.
• Comprender cómo funciona la biblioteca de procesamiento de gráficos (Gelly) de Apache Flink.
• Empaquete, ejecute y supervise aplicaciones de transmisión de datos tolerantes a errores y basadas en Flink.
• Administre diversas cargas de trabajo.
• Realizar analíticas avanzadas.
• Configure un clúster de Flink de varios nodos.
• Mida y optimice el rendimiento.
• Integre Flink con diferentes Big Data sistemas.
• Compare las capacidades de Flink con las de otros marcos de procesamiento de big data.

En esta capacitación en vivo dirigida por un instructor en Seattle, los participantes aprenderán sobre las ofertas tecnológicas y los enfoques de implementación para el procesamiento de datos de gráficos. El objetivo es identificar objetos del mundo real, sus características y relaciones, luego modelar estas relaciones y procesarlas como datos utilizando un enfoque Graph Computing (también conocido como análisis de grafos). Comenzamos con una visión general amplia y nos limitamos a herramientas específicas a medida que avanzamos a través de una serie de estudios de casos, ejercicios prácticos e implementaciones en vivo.Al final de esta formación, los participantes serán capaces de:

• Comprenda cómo se conservan y atraviesan los datos de los gráficos.
• Seleccione el mejor marco para una tarea determinada (desde bases de datos de grafos hasta marcos de procesamiento por lotes).
• Implemente Hadoop, Spark, GraphX y Pregel para llevar a cabo el cálculo de grafos en muchas máquinas en paralelo.
• Vea problemas de big data del mundo real en términos de gráficos, procesos y recorridos.

Este curso está dirigido a desarrolladores y científicos de datos que quieran comprender e implementar la IA en sus aplicaciones. Se presta especial atención a la analítica de datos, la inteligencia artificial distribuida y el procesamiento del lenguaje natural.

MLlib es la biblioteca de aprendizaje automático (ML) de Spark. Su objetivo es hacer que el aprendizaje automático práctico sea escalable y fácil. Consiste en algoritmos y utilidades de aprendizaje comunes, que incluyen clasificación, regresión, agrupación, filtrado colaborativo, reducción de la dimensionalidad, así como primitivas de optimización de nivel inferior y API de canalización de nivel superior. Se divide en dos paquetes:

• spark.mllib contiene la API original construida sobre RDDs.
• spark.ml proporciona una API de nivel superior construida sobre DataFrames para construir tuberías de ML.

Audiencia Este curso está dirigido a ingenieros y desarrolladores que buscan utilizar una biblioteca de máquinas integrada para Apache Spark

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o presencial) presenta Hortonworks Data Platform (HDP) y guía a los participantes a través de la implementación de la solución Spark + Hadoop.Al final de esta formación, los participantes serán capaces de:

• Utilice Hortonworks para ejecutar Hadoop de forma fiable a gran escala.
• Unifique las capacidades de seguridad, gobernanza y operaciones de Hadoop con los flujos de trabajo analíticos ágiles de Spark.
• Utilice Hortonworks para investigar, validar, certificar y dar soporte a cada uno de los componentes de un proyecto de Spark.
• Procese diferentes tipos de datos, incluidos los estructurados, no estructurados, en movimiento y en reposo.

Apache Ambari es una plataforma de gestión de código abierto para el aprovisionamiento, la gestión, la supervisión y la seguridad de los clústeres Apache Hadoop.En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán las herramientas y prácticas de gestión proporcionadas por Ambari para administrar con éxito Hadoop clústeres.Al final de esta formación, los participantes serán capaces de:

• Configuración de un clúster activo Big Data mediante Ambari
• Aplique las características y funcionalidades avanzadas de Ambari a varios casos de uso
• Agregue y elimine nodos sin problemas según sea necesario
• Mejore el rendimiento de un Hadoop clúster mediante ajustes y ajustes

Audiencia

• DevOps
• Administradores de sistemas
• Dbas
• Hadoop Profesionales de las pruebas

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada

Cloudera Impala es un motor de consultas de procesamiento paralelo masivo (MPP) SQL de código abierto para clústeres Apache Hadoop.Impala permite a los usuarios emitir consultas de baja latencia SQL a los datos almacenados en Hadoop Distributed File System y Apache Hbase sin necesidad de movimiento o transformación de datos.AudienciaEste curso está dirigido a analistas y científicos de datos que realizan análisis de datos almacenados en Hadoop a través de Business Intelligence o SQL herramientas.Después de este curso, los delegados podrán:

• Extraiga información significativa de Hadoop clústeres con Impala.
• Escribir programas específicos para facilitar Business Inteligencia en Impala SQL Dialecto.
• Solucionar problemas Impala.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o presencial) está dirigida a arquitectos, desarrolladores y administradores que deseen utilizar Denodo Platform para optimizar y acelerar la gestión de datos a través de la virtualización de datos.Al final de esta formación, los participantes serán capaces de:

• Instale y configure Denodo Platform.
• Comprender las características y la arquitectura de Denodo Platform.
• Comprenda los conceptos clave, los beneficios y los casos de uso de la virtualización de datos.
• Aprenda a configurar y administrar el servidor de plataforma Denodo.
• Implemente la seguridad de los datos, el acceso de los usuarios y la autenticación de los servicios.
• Aplicar las herramientas y técnicas para el seguimiento de las operaciones y la optimización del rendimiento.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o presencial) está dirigida a científicos de datos que desean usar Apache Airflow para crear y administrar canalizaciones de datos de extremo a extremo.Al final de esta formación, los participantes serán capaces de:

• Instalar y configurar Apache Airflow.
• Cree, programe y supervise canalizaciones de datos complejas
• Gestione muchos ETLs (Extracción, Extracción, Transformación, Carga).
• Escale y proteja Apache Airflow.

Apache Hama es un marco basado en el modelo de computación Bulk Synchronous Parallel (BSP) y se utiliza principalmente para Big Data análisis.En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos de Apache Hama a medida que avanzan en la creación de una aplicación basada en BSP y un programa centrado en vértices utilizando los marcos Apache Hama.Al final de esta formación, los participantes serán capaces de:

• Instalar y configurar Apache Hama
• Comprender los fundamentos de Apache Hama y el modelo de programación paralela sincrónica masiva (BSP)
• Construya un programa basado en BSP utilizando Apache Hama el marco BSP
• Cree un programa centrado en vértices utilizando Apache Hama Graph Framework
• Crear, probar y depurar sus propias Apache Hama aplicaciones

Audiencia

• Desarrolladores

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada

Nota

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Esta capacitación en vivo dirigida por un instructor presenta los conceptos detrás del análisis de datos interactivo y guía a los participantes a través de la implementación y el uso de Zeppelin en un entorno de usuario único o multiusuario.Al final de esta formación, los participantes serán capaces de:

• Instalar y configurar Zeppelin
• Desarrolle, organice, ejecute y comparta datos en una interfaz basada en navegador
• Visualice los resultados sin tener que consultar la línea de comandos o los detalles del clúster
• Ejecute y colabore en flujos de trabajo largos
• Trabaje con cualquiera de los varios backends de lenguaje/procesamiento de datos de complementos, como Scala (con Apache Spark), Python (con Apache Spark), Spark SQL, JDBC, Markdown y Shell.
• Integre Zeppelin con Spark, Flink y Map Reduce
• Instancias multiusuario seguras de Zeppelin con Apache Shiro

Apache Accumulo es un almacén de claves/valores ordenado y distribuido que proporciona almacenamiento y recuperación de datos robustos y escalables. Se basa en el diseño de BigTable de ogle y funciona con Apache Hadoop, Apache Zookeeper y Apache Thrift.Este curso en vivo dirigido por un instructor cubre los principios de funcionamiento detrás de Accumulo y guía a los participantes a través del desarrollo de una aplicación de muestra en Apache Accumulo.

 

Formato del curso

• Parte conferencia, parte discusión, desarrollo e implementación prácticos, pruebas ocasionales para medir la comprensión

Amazon Redshift es un servicio de almacén de datos basado en la nube petabytescale en AWS En este entrenamiento en vivo instruido, los participantes aprenderán los fundamentos de Amazon Redshift Al final de esta capacitación, los participantes podrán: Instalar y configurar el Redshift de Amazon Cargar, configurar, implementar, consultar y visualizar datos con Amazon Redshift Audiencia Desarrolladores Profesionales de TI Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual Nota Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos .

Apache Druid es un almacén de datos distribuidos, de código abierto, orientado a columnas, escrito en Java . Fue diseñado para ingerir rápidamente cantidades masivas de datos de eventos y ejecutar consultas OLAP de baja latencia en esos datos. Druid se usa comúnmente en aplicaciones de inteligencia empresarial para analizar grandes volúmenes de datos históricos y en tiempo real. También es adecuado para alimentar paneles de control rápidos, interactivos y analíticos para usuarios finales. Druid es utilizado por empresas como Alibaba, Airbnb, Cisco , eBay, Netflix, Paypal y Yahoo. En este curso en vivo dirigido por un instructor, exploramos algunas de las limitaciones de las soluciones de almacenamiento de datos y discutimos cómo Druid puede complementar esas tecnologías para formar una pila de análisis de transmisión flexible y escalable. Analizamos muchos ejemplos, ofreciendo a los participantes la oportunidad de implementar y probar soluciones basadas en druidas en un entorno de laboratorio.

Formato del curso

• Conferencia parcial, discusión parcial, práctica práctica intensa, pruebas ocasionales para evaluar la comprensión

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a desarrolladores que desean configurar una base de datos Greenplum de varios nodos. Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Pivotal Greenplum.
• Modele los datos de acuerdo con las necesidades actuales y los planes de expansión futuros.
• Llevar a cabo diferentes técnicas para distribuir datos en varios nodos.
• Mejore el rendimiento de la base de datos a través del ajuste.
• Supervise y solucione problemas de una base de datos Greenplum.

Esta capacitación en vivo dirigida por un instructor en Seattle (en línea o en el sitio) está dirigida a administradores que desean configurar Greenplum Database soluciones de inteligencia empresarial y almacenamiento de datos. Al final de esta capacitación, los participantes serán capaces de:

• Aborde las necesidades de procesamiento con Greenplum.
• Realizar operaciones ETL para el procesamiento de datos.
• Aproveche las infraestructuras de procesamiento de consultas existentes.

Mem SQL es un sistema de administración de bases de datos SQL distribuido en memoria para la nube y local. Es un almacén de datos en tiempo real que ofrece información inmediata de datos en vivo e históricos. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán lo esencial de Mem SQL para el desarrollo y la administración. Al final de esta capacitación, los participantes podrán:

• Comprender los conceptos y características clave de Mem SQL
• Instalar, diseñar, mantener y operar Mem SQL
• Optimizar esquemas en Mem SQL
• Mejora las consultas en Mem SQL
• Rendimiento de referencia en Mem SQL
• Cree aplicaciones de datos en tiempo real utilizando Mem SQL

Audiencia

• Desarrolladores
• Administradores
• Ingenieros de operaciones

Formato del curso

• Conferencia parcial, discusión parcial, ejercicios y práctica práctica.