Cursos de Hadoop en Columbia

Esta capacitación en vivo dirigida por un instructor en Columbia (en línea o en el sitio) está dirigida a desarrolladores que desean usar e integrar Spark, Hadoop y Python para procesar, analizar y transformar conjuntos de datos grandes y complejos. Al final de esta capacitación, los participantes serán capaces de:

• Configure el entorno necesario para empezar a procesar big data con Spark, Hadoop y Python.
• Comprenda las características, los componentes principales y la arquitectura de Spark y Hadoop.
• Aprenda a integrar Spark, Hadoop y Python para el procesamiento de macrodatos.
• Explore las herramientas del ecosistema de Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka y Flume).
• Cree sistemas de recomendación de filtrado colaborativos similares a los de Netflix, YouTube, Amazon, Spotify y Google.
• Utilice Apache Mahout para escalar algoritmos de aprendizaje automático.

Este curso cubre cómo usar el lenguaje Hive SQL (AKA: Hive HQL, SQL en Hive, HiveQL) para personas que extraen datos de Hive

Datameer es una plataforma de inteligencia de negocios y análisis construida en Hadoop. Permite a los usuarios finales acceder, explorar y correlacionar datos a gran escala, estructurados, semiestructurados y no estructurados de una manera fácil de usar. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Datameer para superar la pronunciada curva de aprendizaje de Hadoop a medida que avanzan en la configuración y el análisis de una serie de grandes fuentes de datos. Al final de esta capacitación, los participantes podrán:

• Crea, selecciona e interactivamente explora un lago de datos empresariales
• Acceda a almacenes de datos de inteligencia empresarial, bases de datos transaccionales y otras tiendas analíticas
• Use una interfaz de usuario de hoja de cálculo para diseñar las tuberías de procesamiento de datos de extremo a extremo
• Acceda a funciones preconstruidas para explorar relaciones de datos complejas
• Utilice asistentes de arrastrar y soltar para visualizar datos y crear paneles
• Use tablas, cuadros, gráficos y mapas para analizar los resultados de las consultas

Audiencia

• Analistas de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Audiencia: El curso está dirigido a especialistas en TI que buscan una solución para almacenar y procesar grandes conjuntos de datos en un entorno de sistema distribuido Gol: Conocimiento profundo sobre administración de clúster de Hadoop.

El análisis de Big Data implica el proceso de examinar grandes cantidades de conjuntos de datos variados para descubrir correlaciones, patrones ocultos y otras ideas útiles. La industria de la salud tiene cantidades masivas de datos clínicos y médicos heterogéneos complejos. La aplicación de análisis de big data en datos de salud presenta un enorme potencial para obtener información para mejorar la prestación de servicios de salud. Sin embargo, la magnitud de estos conjuntos de datos plantea grandes desafíos en los análisis y aplicaciones prácticas en un entorno clínico. En esta capacitación en vivo (remota) dirigida por un instructor, los participantes aprenderán cómo realizar análisis de big data en salud a medida que realizan una serie de ejercicios prácticos de laboratorio en vivo. Al final de esta capacitación, los participantes podrán:

• Instale y configure herramientas de análisis de big data como Hadoop MapReduce y Spark
• Comprender las características de los datos médicos.
• Aplicar técnicas de big data para manejar datos médicos.
• Estudiar los sistemas y algoritmos de big data en el contexto de las aplicaciones de salud.

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia en parte, discusión en parte, ejercicios y práctica práctica.

Nota

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

El curso está dedicado a especialistas en TI que buscan una solución para almacenar y procesar grandes conjuntos de datos en entornos de sistemas distribuidos Objetivo del curso: Obtención de conocimientos sobre la administración de clúster de Hadoop

Apache Hadoop es el marco más popular para procesar Big Data en clústeres de servidores. En este curso de tres (opcionalmente, cuatro) días, los asistentes aprenderán sobre los beneficios empresariales y los casos de uso de Hadoop y su ecosistema, cómo planificar el despliegue y crecimiento del clúster, cómo instalar, mantener, monitorear, solucionar y optimizar Hadoop. También practicarán la carga de datos a granel del clúster, se familiarizarán con varias distribuciones de Hadoop y practicarán la instalación y administración de herramientas del ecosistema de Hadoop. El curso finaliza con la discusión sobre la seguridad del clúster con Kerberos. "... Los materiales estaban muy bien preparados y cubiertos a fondo. El laboratorio fue muy servicial y bien organizado "
- Andrew Nguyen, Ingeniero Principal de Integración DW, Microsoft Online Advertising Audiencia
Administradores de Hadoop Formato
Conferencias y laboratorios prácticos, balance aproximado 60% conferencias, 40% laboratorios.

Apache Hadoop es el marco más popular para procesar Big Data en clústeres de servidores. Este curso presentará un desarrollador a varios componentes (HDFS, MapReduce, Pig, Hive y HBase) Hadoop ecosistema.

Apache Hadoop es uno de los frameworks más populares para procesar Big Data en clusters de servidores. Este curso profundiza en el manejo de datos en HDFS, Pig, Hive y HBase. Estas técnicas avanzadas de programación serán beneficiosas para los desarrolladores experimentados de Hadoop. Audiencia: desarrolladores Duración: tres días Formato: conferencias (50%) y laboratorios prácticos (50%).

Hadoop es el marco de procesamiento de Big Data más popular .

En esta capacitación dirigida por un instructor en Columbia, los participantes aprenderán los componentes centrales del ecosistema Hadoop y cómo se pueden utilizar estas tecnologías para resolver problemas a gran escala. Al aprender estos fundamentos, los participantes mejorarán  su capacidad para comunicarse con los desarrolladores e implementadores de estos sistemas, así como con los científicos y analistas de datos que involucran muchos proyectos de TI. Audiencia

• Gerentes de proyecto que deseen implementar Hadoop en su infraestructura de desarrollo o TI existente
• Gerentes de proyectos que necesitan comunicarse con equipos multifuncionales que incluyen ingenieros de big data, científicos de datos y analistas de negocios

Audiencia: Este curso pretende desmitificar la tecnología de datos / hadoop y demostrar que no es difícil de entender.

Hadoop es un popular marco de procesamiento Big Data. Python es un lenguaje de programación de alto nivel famoso por su claridad de sintaxis y código. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo trabajar con Hadoop, MapReduce, Pig y Spark utilizando Python, ya que pasan por múltiples ejemplos y casos de uso. Al final de esta capacitación, los participantes podrán:

• Comprender los conceptos básicos detrás de Hadoop, MapReduce, Pig y Spark
• Utilice Python con Hadoop Distributed File System (HDFS), MapReduce, Pig y Spark
• Utilice Snakebite para acceder mediante programación a HDFS dentro de Python
• Usa mrjob para escribir trabajos de MapReduce en Python
• Escribir programas Spark con Python
• Extienda la funcionalidad del cerdo usando las UDF de Python
• Administrar trabajos de MapReduce y scripts Pig utilizando Luigi

Audiencia

• Desarrolladores
• Profesionales de TI

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Esta capacitación en vivo dirigida por un instructor en Columbia (en línea o en el sitio) está dirigida a administradores de sistemas que desean aprender a configurar, implementar y administrar Hadoop clústeres dentro de su organización. Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Apache Hadoop.
• Comprenda los cuatro componentes principales del ecosistema de Hadoop: HDFS, MapReduce, YARN y Hadoop Common.
• Utilice el sistema de archivos distribuido de Hadoop (HDFS) para escalar un clúster a cientos o miles de nodos.  
• Configure HDFS para que funcione como motor de almacenamiento para implementaciones de Spark locales.
• Configure Spark para acceder a soluciones de almacenamiento alternativas como Amazon S3 y sistemas de bases de datos NoSQL como Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Llevar a cabo tareas administrativas como el aprovisionamiento, la gestión, la supervisión y la seguridad de un clúster de Apache Hadoop.

Este curso introduce HBase - un almacén NoSQL en la parte superior de Hadoop. El curso está dirigido a desarrolladores que usarán HBase para desarrollar aplicaciones y administradores que administrarán los clústeres de HBase. Vamos a recorrer un desarrollador a través de la arquitectura de HBase y modelado de datos y desarrollo de aplicaciones en HBase. También discutirá el uso de MapReduce con HBase y algunos temas de administración relacionados con la optimización del rendimiento. El curso es muy práctico con muchos ejercicios de laboratorio.

En esta capacitación en vivo dirigida por un instructor en Columbia (in situ o remota), los participantes aprenderán a implementar y administrar Apache NiFi en un entorno de laboratorio en vivo. Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure 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 streaming.
• Aplique varios enfoques para la ingesta de datos.
• Transfórmate Big Data y conviértete en información empresarial.

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

Apache Samza es un marco computacional asíncrono de código abierto casi en tiempo real para el procesamiento de flujos. Utiliza Apache Kafka para mensajería y Apache Hadoop YARN para tolerancia a fallas, aislamiento de procesador, seguridad y administración de recursos. Esta capacitación en vivo dirigida por un instructor presenta los principios detrás de los sistemas de mensajería y el procesamiento distribuido de flujo, mientras acompaña a los participantes a través de la creación de un proyecto basado en Samza y la ejecución de trabajos. Al final de esta capacitación, los participantes podrán: Usa Samza para simplificar el código necesario para producir y consumir mensajes
Desacoplar el manejo de los mensajes de una aplicación
Utilice Samza para implementar cálculos asincrónicos casi en tiempo real
Utilice el procesamiento de flujo para proporcionar un mayor nivel de abstracción en los sistemas de mensajería

Audiencia

• Desarrolladores

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Cloudera Impala es un motor de consulta 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. Audiencia Este curso está dirigido a analistas y científicos de datos que realizan análisis sobre datos almacenados en Hadoop a través de herramientas de Business Intelligence o SQL. Después de este curso, los delegados podrán

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

Apache Ambari es una plataforma de administración de código abierto para el aprovisionamiento, la administración, el monitoreo y la seguridad de los clústeres de Apache Hadoop. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán las herramientas y prácticas de administración proporcionadas por Ambari para administrar con éxito los clústeres de Hadoop. Al final de esta capacitación, los participantes podrán: Configure un clúster de Big Data en tiempo real usando Ambari

• Aplicar 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 clúster de Hadoop a través de ajustes y ajustes

Audiencia

• DevOps
• Administradores del sistema
• DBAs
• Profesionales de prueba de Hadoop

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

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

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, los no estructurados, en movimiento y en reposo.