Formare online Big Data în Moldova

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat specialiștilor în știința datelor și inginerilor de nivel intermediar care doresc să utilizeze Google Colab și Apache Spark pentru procesarea și analiza datelor mari.

La finalul acestui training, participanții vor putea:

• Să configureze un mediu de big data folosind Google Colab și Spark.
• Să proceseze și să analizeze seturi mari de date eficient cu Apache Spark.
• Să vizualizeze datele mari într-un mediu colaborativ.
• Să integreze Apache Spark cu instrumente bazate pe cloud.

Stratio este o platformă centrată pe date care integrează date masive, inteligență artificială și guvernanță într-o singură soluție. Modulele sale Rocket și Intelligence permit explorarea, transformarea și analiza avansată a datelor în mediile de întreprindere.

Acest training condus de un instructor, live (online sau la fața locului), este destinat profesioniștilor de date de nivel intermediar care doresc să utilizeze eficient modulele Rocket și Intelligence din Stratio cu PySpark, concentrându-se pe structuri repetitive, funcții definite de utilizator și logică avansată a datelor.

La finalul acestui training, participanții vor putea:

• Naviga și lucrează în platforma Stratio folosind modulele Rocket și Intelligence.
• Aplică PySpark în contextul ingerării, transformării și analizei datelor.
• Folosește bucle și logică condițională pentru a controla fluxurile de date și sarcinile de inginerie a caracteristicilor.
• Creează și gestionează funcții definite de utilizator (UDF) pentru operațiuni reutilizabile de date în PySpark.

Formatul cursului

• Prelegere interactivă și discuții.
• Multe exerciții și practică.
• Implementare practică într-un mediu live-lab.

Opțiuni de personalizare a cursului

• Pentru a solicita un training personalizat pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Depozitarea datelor reprezintă practica de proiectare, construire și operare a depozitelor de date centralizate care sprijină analiza, raportarea și luarea deciziilor.

Această formare condusă de un instructor, live (online sau la fața locului), este destinată profesioniștilor de date de nivel intermediar care doresc să modeleze date dimensionale, să construiască fluxuri de date ETL robuste și să optimizeze sarcini de analiză.

La finalul acestei formări, participanții vor putea:

• Să explice conceptele și arhitecturile de bază ale depozitării datelor.
• Să proiecteze modele dimensionale și să aleagă între schemele stelare și cele de tip fulg de zăpadă.
• Să construiască și să orchestreze fluxuri de date ETL și ELT în mod fiabil.
• Să diferențieze între sarcinile OLTP și OLAP și să optimizeze pentru analize.

Formatul cursului

• Prelegere interactivă și discuții.
• Multe exerciții și practică.
• Implementare practică într-un mediu de laborator live.

Opțiuni de personalizare a cursului

• Pentru a solicita o formare personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Participanții care finalizează această instruire condusă de un instructor în Moldova vor dobândi o înțelegere practică și aplicabilă în lumea reală a Big Data și a tehnologiilor, metodelor și instrumentelor conexe.

Participanții vor avea ocazia să-și pună în practică aceste cunoștințe prin exerciții practice. Interacțiunea în grup și feedback-ul instructorului constituie o componentă importantă a cursului.

Cursul începe cu o introducere în conceptele de bază ale Big Data, apoi trece la limbajele de programare și metodele utilizate pentru efectuarea analizei datelor. În cele din urmă, discutăm despre instrumentele și infrastructura care permit stocarea Big Data, procesarea distribuită și scalabilitatea.

Greenplum este o platformă de date open-source cu procesare paralelă masivă (MPP), proiectată pentru analize și medii de date la scară largă.

Această formare condusă de un instructor, live (online sau la fața locului), este destinată utilizatorilor tehnici de nivel intermediar până la avansat, care doresc să înțeleagă arhitectura internă a Greenplum, să construiască modele de date optimizate și să aplice SQL de înaltă performanță în medii distribuite.

La sfârșitul acestei formări, participanții vor putea:

• Înțelege arhitectura shared-nothing și modelul de paralelism al Greenplum.
• Proiecta structuri de tabele distribuite și partiții optimizate pentru performanța interogărilor.
• Utiliza strategii de indexare, formate de stocare și tehnici de design fizic.
• Interpreta planurile EXPLAIN și optimiza interogările folosind cele mai bune practici.

Formatul Cursului

• Prelegere interactivă și discuții.
• Multe exerciții și practică.
• Implementare practică într-un mediu live-lab.

Opțiuni de Personalizare a Cursului

• Pentru a solicita o formare personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Greenplum este o platformă de date open-source masiv paralelă, bazată pe PostgreSQL, proiectată pentru analize avansate și depozitarea de date la scară largă.

Acest training condus de un instructor, live (online sau la fața locului), este destinat administratorilor de nivel intermediar care doresc să instaleze, să configureze și să gestioneze eficient mediile Greenplum, inclusiv gestionarea actualizărilor de sistem și a bibliotecilor.

La sfârșitul acestui training, participanții vor putea:

• Instala și configura un cluster Greenplum pregătit pentru producție.
• Gestiona actualizările de sistem și aplica patch-uri în siguranță.
• Gestiona bibliotecile Greenplum pentru analize și extensii.
• Depana și monitoriza sistemele Greenplum.

Formatul Cursului

• Prelegere interactivă și discuții.
• Utilizare practică a Greenplum într-un mediu de laborator controlat.
• Exerciții ghidate axate pe configurarea clusterului, fluxurile de actualizare și extensiile de sistem.

Opțiuni de Personalizare a Cursului

• Pentru a solicita un training personalizat pentru acest curs bazat pe mediul sau platforma dumneavoastră de date, vă rugăm să ne contactați pentru a aranja.

Această formare condusă de un instructor, în direct Moldova (online sau la fața locului), este destinată profesioniștilor avansați în domeniul datelor care doresc să optimizeze fluxurile de procesare a datelor, să asigure integritatea datelor și să implementeze soluții robuste de tip data lakehouse, capabile să gestioneze complexitatea aplicațiilor moderne de big data.

La finalul acestei formări, participanții vor putea:

• Să înțeleagă în profunzime arhitectura Iceberg, inclusiv gestionarea metadatelor și structura fișierelor.
• Să configureze Iceberg pentru performanță optimă în diverse medii și să îl integreze cu multiple motoare de procesare a datelor.
• Să gestioneze tabele Iceberg la scară largă, să efectueze schimbări complexe de scheme și să gestioneze evoluția partițiilor.
• Să stăpânească tehnici de optimizare a performanței interogărilor și a eficienței scanării datelor pentru seturi de date mari.
• Să implementeze mecanisme pentru a asigura consistența datelor, a gestiona garanțiile tranzacționale și a gestiona eșecurile în medii distribuite.

Această formare condusă de un instructor, în format live Moldova (online sau la fața locului), este destinată profesioniștilor din domeniul datelor de nivel începător care doresc să dobândească cunoștințele și abilitățile necesare pentru a utiliza eficient Apache Iceberg în gestionarea seturilor de date la scară mare, asigurarea integrității datelor și optimizarea fluxurilor de procesare a datelor.

La finalul acestei formări, participanții vor putea:

• Să înțeleagă pe deplin arhitectura, caracteristicile și beneficiile Apache Iceberg.
• Să învețe despre formatele de tabele, partiționarea, evoluția schemei și capacitățile de călătorie în timp.
• Să instaleze și să configureze Apache Iceberg în diferite medii.
• Să creeze, să gestioneze și să manipuleze tabele Iceberg.
• Să înțeleagă procesul de migrare a datelor din alte formate de tabele către Iceberg.

Această instruire condusă de un instructor, în format live în Moldova (online sau la fața locului), este destinată profesioniștilor IT de nivel intermediar care doresc să-și îmbunătățească abilitățile în arhitectura datelor, guvernanța datelor, cloud computing și tehnologiile Big Data pentru a gestiona și analiza eficient seturi de date mari pentru migrarea datelor în cadrul organizațiilor lor.

La sfârșitul acestei instruiri, participanții vor fi capabili să:

• Înțeleagă conceptele și componentele fundamentale ale diferitelor arhitecturi de date.
• Dobândească o înțelegere comprehensivă a principiilor de guvernanță a datelor și a importanței lor în medii de reglementare.
• Implementeze și gestioneze cadre de guvernanță a datelor precum Dama și Togaf.
• Utilizeze platforme cloud pentru stocarea, procesarea și gestionarea eficientă a datelor.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat inginerilor de date de nivel intermediar care doresc să învețe cum să folosească Azure Data Lake Storage Gen2 pentru soluții eficiente de analiză a datelor.

La sfârșitul acestui training, participanții vor putea:

• Să înțeleagă arhitectura și caracteristicile cheie ale Azure Data Lake Storage Gen2.
• Să optimizeze stocarea și accesul la date pentru costuri și performanță.
• Să integreze Azure Data Lake Storage Gen2 cu alte servicii Azure pentru analiză și procesare de date.
• Să dezvolte soluții folosind API-ul Azure Data Lake Storage Gen2.
• Să rezolve probleme comune și să optimizeze strategiile de stocare.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat dezvoltatorilor care doresc să utilizeze și să integreze Spark, Hadoop și Python pentru a procesa, analiza și transforma seturi de date mari și complexe.

La finalul acestui training, participanții vor putea:

• Să configureze mediul necesar pentru a începe procesarea datelor mari cu Spark, Hadoop și Python.
• Să înțeleagă caracteristicile, componentele de bază și arhitectura Spark și Hadoop.
• Să învețe cum să integreze Spark, Hadoop și Python pentru procesarea datelor mari.
• Să exploreze instrumentele din ecosistemul Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka și Flume).
• Să construiască sisteme de recomandare bazate pe filtrare colaborativă asemănătoare cu cele de la Netflix, YouTube, Amazon, Spotify și Google.
• Să utilizeze Apache Mahout pentru a scala algoritmii de învățare automată.

Big Data și Analiză Avansată reprezintă aplicarea unor tehnici și instrumente sofisticate pentru analiza unor seturi de date mari și complexe, în scopul obținerii de informații acționabile și de luare a deciziilor strategice.

Această formare condusă de un instructor, live (online sau la fața locului), este destinată profesioniștilor avansați în domeniul datelor care doresc să utilizeze metode analitice de ultimă oră și tehnologii Big Data pentru analize predictive, prescriptive și în timp real.

La finalul acestei formări, participanții vor fi capabili să:

• Proiecteze și implementeze fluxuri de procesare a datelor la scară largă pentru date structurate și nestructurate.
• Aplice tehnici avansate de învățare automată și învățare profundă pe seturi de date masive.
• Utilizeze cadre de calcul distribuit pentru analize în timp real și fluxuri de date.
• Integreze analiza Big Data în sistemele de inteligență de afaceri și de luare a deciziilor.

Formatul cursului

• Prelegere interactivă și discuții.
• Multe exerciții și practică.
• Implementare practică într-un mediu de laborator live.

Opțiuni de personalizare a cursului

• Pentru a solicita o formare personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Această instruire condusă de un instructor, live în Moldova (online sau la fața locului), este destinată profesioniștilor IT de nivel intermediar care doresc să înțeleagă pe deplin IBM DataStage atât din perspectiva administrativă, cât și din cea de dezvoltare, permițându-le să gestioneze și să utilizeze acest instrument eficient în locurile lor de muncă.

La finalul acestei instruiri, participanții vor putea:

• Înțelege conceptele de bază ale DataStage.
• Învăța cum să instaleze, să configureze și să gestioneze eficient mediile DataStage.
• Să se conecteze la diverse surse de date și să extragă date eficient din baze de date, fișiere plate și surse externe.
• Să implementeze tehnici eficiente de încărcare a datelor.

Acest training condus de un instructor, live în Moldova (online sau la fața locului) este destinat administratorilor de sisteme de la nivel începător până la intermediar care doresc să implementeze, să întrețină și să optimizeze clustere Spark.

La finalul acestui training, participanții vor fi capabili să:

• Instaleze și configureze Apache Spark în diverse medii.
• Gestioneze resursele clusterului și monitorizeze aplicațiile Spark.
• Optimizeze performanța clusterelor Spark.
• Implementeze măsuri de securitate și asigure o disponibilitate ridicată.
• Depaneze și rezolve probleme comune în Spark.

Participanții care finalizează acest training condus de un instructor în Moldova vor dobândi o înțelegere practică și aplicabilă în lumea reală a Big Data și a tehnologiilor, metodelor și instrumentelor aferente.

Participanții vor avea ocazia să pună în practică aceste cunoștințe prin exerciții practice. Interacțiunea în grup și feedback-ul instructorului constituie o componentă importantă a cursului.

Cursul începe cu o introducere în conceptele de bază ale Big Data, apoi trece la limbajele de programare și metodele utilizate pentru a efectua Analiza Datelor. În cele din urmă, vom discuta despre instrumentele și infrastructura care permit stocarea Big Data, Procesarea Distribuită și Scalabilitatea.

În acest training condus de un instructor, în format live în Moldova, participanții vor învăța cum să folosească Python și Spark împreună pentru a analiza date mari, lucrând la exerciții practice.

La finalul acestui training, participanții vor fi capabili să:

• Învețe cum să folosească Spark cu Python pentru a analiza date mari.
• Lucreze la exerciții care imită cazuri din lumea reală.
• Folosească diverse instrumente și tehnici pentru analiza datelor mari folosind PySpark.

Acest training condus de un instructor, live (online sau la fața locului), este destinat dezvoltatorilor de software, managerilor și analiștilor de afaceri care doresc să utilizeze sisteme de date mari pentru a stoca și prelua volume mari de date.

La sfârșitul acestui training, participanții vor putea:

• Să interogheze volume mari de date în mod eficient.
• Să înțeleagă cum sistemele de date mari stochează și preiau date
• Să utilizeze cele mai recente sisteme de date mari disponibile
• Să prelucreze date din sistemele de date în sisteme de raportare
• Să învețe să scrie interogări SQL în:
  • MySQL
  • Postgres
  • Hive Query Language (HiveQL/HQL)
  • Redshift 

Formatul cursului

• Prelegere interactivă și discuții.
• Multe exerciții și practică.
• Implementare practică într-un mediu live-lab.

Opțiuni de personalizare a cursului

• Pentru a solicita un training personalizat pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Publicul țintă:

Cursul este destinat specialiștilor IT care caută o soluție pentru stocarea și procesarea seturilor mari de date într-un mediu de sistem distribuit

Obiectiv:

Dobândirea de cunoștințe aprofundate despre administrarea clusterelor Hadoop.

Progresele tehnologice și creșterea cantității de informații transformă modul în care afacerile sunt desfășurate în multe industrii, inclusiv în sectorul guvernamental. Rata de generare și arhivare digitală a datelor guvernamentale este în creștere datorită creșterii rapide a dispozitivelor și aplicațiilor mobile, a senzorilor și dispozitivelor inteligente, a soluțiilor de cloud computing și a portalelor pentru cetățeni. Pe măsură ce informațiile digitale se extind și devin mai complexe, gestionarea, procesarea, stocarea, securitatea și eliminarea lor devin și ele mai complexe. Noi instrumente de captură, căutare, descoperire și analiză ajută organizațiile să obțină informații valoroase din datele lor nestructurate. Piața guvernamentală se află într-un punct de cotitură, realizând că informația este un activ strategic, iar guvernul trebuie să protejeze, să valorifice și să analizeze atât informațiile structurate, cât și pe cele nestructurate pentru a servi mai bine și a îndeplini cerințele misiunii. Pe măsură ce liderii guvernamentali încearcă să dezvolte organizații bazate pe date pentru a îndeplini cu succes misiunea, ei pun bazele pentru corelarea dependențelor între evenimente, oameni, procese și informații.

Soluțiile guvernamentale de mare valoare vor fi create din amestecul celor mai disruptiv tehnologii:

• Dispozitive și aplicații mobile
• Servicii în cloud
• Tehnologii și rețele de afaceri sociale
• Big Data și analitica

Big Data este una dintre soluțiile inteligente ale industriei și permite guvernului să ia decizii mai bune acționând pe baza modelelor descoperite prin analiza unor volume mari de date — legate și nelegate, structurate și nestructurate.

Dar realizarea acestor realizări necesită mult mai mult decât simpla acumulare de cantități masive de date. „Înțelegerea acestor volume de Big Data necesită instrumente și tehnologii de ultimă oră care să poată analiza și să extragă cunoștințe utile din fluxuri vaste și diverse de informații”, au scris Tom Kalil și Fen Zhao de la Biroul pentru Știință și Tehnologie al Casei Albe într-un post pe blogul OSTP.

Casa Albă a făcut un pas către ajutarea agențiilor să găsească aceste tehnologii atunci când a înființat Inițiativa Națională de Cercetare și Dezvoltare Big Data în 2012. Inițiativa a inclus peste 200 de milioane de dolari pentru a valorifica explozia Big Data și instrumentele necesare pentru a o analiza.

Provocările pe care le prezintă Big Data sunt aproape la fel de descurajante pe cât este de încurajatoare promisiunea sa. Stocarea eficientă a datelor este una dintre aceste provocări. Ca întotdeauna, bugetele sunt limitate, așa că agențiile trebuie să minimizeze prețul pe megabyte al stocării și să păstreze datele accesibile astfel încât utilizatorii să le poată obține când doresc și cum au nevoie. Salvarea unor cantități masive de date amplifică provocarea.

Analiza eficientă a datelor este o altă provocare majoră. Multe agenții folosesc instrumente comerciale care le permit să cerceteze munții de date, identificând tendințe care le pot ajuta să funcționeze mai eficient. (Un studiu recent realizat de MeriTalk a constatat că directorii IT federali cred că Big Data ar putea ajuta agențiile să economisească peste 500 de miliarde de dolari, îndeplinind în același timp obiectivele misiunii.).

Instrumentele Big Data dezvoltate la comandă permit, de asemenea, agențiilor să răspundă nevoii de a-și analiza datele. De exemplu, Grupul de Analiză Computațională a Datelor de la Laboratorul Național Oak Ridge a pus la dispoziția altor agenții sistemul său de analiză a datelor Piranha. Sistemul a ajutat cercetătorii medicali să găsească o legătură care să alerteze medicii cu privire la anevrisme aortice înainte ca acestea să apară. De asemenea, este folosit pentru sarcini mai obișnuite, cum ar fi sortarea CV-urilor pentru a conecta candidații cu managerii de angajare.

În acest training condus de un instructor, în format live în Moldova, participanții vor învăța mentalitatea necesară pentru a aborda tehnologiile Big Data, să evalueze impactul acestora asupra proceselor și politicilor existente și să implementeze aceste tehnologii în scopul identificării activităților criminale și prevenirii infracționalității. Vor fi examinate studii de caz din organizațiile de aplicare a legii din întreaga lume pentru a obține perspective asupra abordărilor lor de adoptare, provocărilor și rezultatelor.

La finalul acestui training, participanții vor putea:

• Combina tehnologia Big Data cu procesele tradiționale de colectare a datelor pentru a reconstitui o poveste în timpul unei investigații.
• Implementa soluții industriale de stocare și procesare a datelor mari pentru analiza datelor.
• Pregăti o propunere pentru adoptarea celor mai adecvate instrumente și procese pentru a permite o abordare bazată pe date în investigațiile criminale.

Big Data este un termen care se referă la soluții destinate stocării și procesării seturilor mari de date. Dezvoltate inițial de Google, aceste soluții Big Data au evoluat și au inspirat alte proiecte similare, multe dintre acestea fiind disponibile ca open-source. R este un limbaj de programare popular în industria financiară.

Acest curs de formare desfășurat în clasă va explora conceptele de Big Data. Participanții vor avea exemple pe calculator și exerciții de studiu de caz de realizat folosind instrumente relevante de big data.

Prezentarea Cursului

Acest curs oferă o introducere practică și structurată în construirea sistemelor de procesare a datelor în flux în timp real. Acoperă conceptele de bază, modelele de arhitectură și instrumentele industriale utilizate pentru procesarea datelor continue la scară largă. Participanții vor învăța cum să proiecteze, să implementeze și să optimizeze conducte de date folosind framework-uri moderne. Cursul progresează de la idei de bază la aplicații practice, permițând cursanților să construiască cu încredere soluții gata de utilizare în producție.

Formatul Cursului

• Sesiuni conduse de instructori cu explicații ghidate

• Prezentări de concepte cu exemple din lumea reală

• Demonstrații practice și exerciții de codare

• Laboratoare progresive aliniate cu subiectele zilnice

• Discuții interactive și întrebări și răspunsuri

Obiectivele Cursului

• Înțelegerea conceptelor de procesare a datelor în flux și a arhitecturii sistemelor

• Diferențierea între modelele de procesare a datelor în lot și în flux

• Proiectarea de conducte de date scalabile și tolerante la defecțiuni

• Lucrul cu instrumente și framework-uri distribuite pentru fluxuri de date

• Aplicarea procesării bazate pe timpul evenimentului, a tehnicilor de segmentare și a operațiilor cu stare

• Construirea și optimizarea soluțiilor de date în timp real pentru cazuri de utilizare din afaceri

Apache Hadoop este cel mai popular cadru de lucru pentru procesarea Big Data pe clustere de servere. În acest curs de trei (opțional, patru) zile, participanții vor învăța despre beneficiile de afaceri și cazurile de utilizare ale Hadoop și ale ecosistemului său, cum să planifice implementarea și creșterea clusterului, cum să instaleze, să întrețină, să monitorizeze, să depaneze și să optimizeze Hadoop. De asemenea, vor practica încărcarea masivă de date în cluster, se vor familiariza cu diverse distribuții Hadoop și vor exersa instalarea și gestionarea instrumentelor din ecosistemul Hadoop. Cursul se încheie cu o discuție despre securizarea clusterului cu Kerberos.

„…Materialele au fost foarte bine pregătite și acoperite în profunzime. Laboratorul a fost foarte util și bine organizat.”
— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Public țintă

Administratori Hadoop

Format

Prelegeri și laboratoare practice, cu un echilibru aproximativ de 60% prelegeri și 40% laboratoare.

Apache Hadoop este unul dintre cele mai populare cadre de lucru pentru procesarea Big Data pe clustere de servere. Acest curs explorează gestionarea datelor în HDFS, precum și aspecte avansate ale Pig, Hive și HBase. Aceste tehnici avansate de programare vor fi benefice pentru dezvoltatorii experimentați de Hadoop.

Publicul țintă: dezvoltatori

Durata: trei zile

Format: prelegeri (50%) și exerciții practice (50%).

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat administratorilor de sistem care doresc să învețe cum să configureze, să implementeze și să gestioneze clustere Hadoop în organizația lor.

La sfârșitul acestui training, participanții vor putea:

• Instala și configura Apache Hadoop.
• Înțelege cele patru componente majore ale ecosistemului Hadoop: HDFS, MapReduce, YARN și Hadoop Common.
• Utiliza Hadoop Distributed File System (HDFS) pentru a scala un cluster la sute sau mii de noduri.  
• Configura HDFS să funcționeze ca motor de stocare pentru implementări Spark on-premise.
• Configura Spark pentru a accesa soluții alternative de stocare, cum ar fi Amazon S3 și sisteme de baze de date NoSQL, precum Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Efectua sarcini administrative, cum ar fi provizionarea, gestionarea, monitorizarea și securizarea unui cluster Apache Hadoop.

Apache NiFi este o platformă open-source bazată pe fluxuri pentru integrarea datelor și procesarea evenimentelor. Permite rutarea, transformarea și medierea automată a datelor în timp real între sisteme disparate, cu o interfață web și control detaliat.

Acest training condus de un instructor, live (pe fața locului sau la distanță), este destinat administratorilor și inginerilor de nivel intermediar care doresc să implementeze, să gestioneze, să securizeze și să optimizeze fluxurile de date NiFi în medii de producție.

La finalul acestui training, participanții vor putea:

• Să instaleze, să configureze și să întrețină clustere Apache NiFi.
• Să proiecteze și să gestioneze fluxuri de date din diverse surse și destinații.
• Să implementeze automatizarea fluxurilor, rutarea și logica de transformare.
• Să optimizeze performanța, să monitorizeze operațiunile și să depaneze problemele.

Formatul Cursului

• Prelegere interactivă cu discuții despre arhitectura din lumea reală.
• Laboratoare practice: construirea, implementarea și gestionarea fluxurilor.
• Exerciții bazate pe scenarii într-un mediu de laborator live.

Opțiuni de Personalizare a Cursului

• Pentru a solicita un training personalizat pentru acest curs, vă rugăm să ne contactați pentru a aranja.

În cadrul acestui training condus de un instructor, participanții vor învăța elementele de bază ale programării bazate pe fluxuri, dezvoltând o serie de extensii, componente și procesoare demo folosind Apache NiFi.

La finalul acestui training, participanții vor putea:

• Să înțeleagă arhitectura NiFi și conceptele de flux de date.
• Să dezvolte extensii folosind NiFi și API-uri terțe.
• Să dezvolte propriul procesor Apache NiFi.
• Să ingere și să proceseze date în timp real din formate de fișiere și surse de date diverse și neobișnuite.

Acest training oferă o introducere practică în construirea fluxurilor de lucru scalabile pentru procesarea datelor și Învățarea Automată folosind PySpark. Participanții învață cum funcționează Apache Spark în ecosistemele moderne de Big Data și cum să proceseze eficient seturi mari de date folosind principiile calculului distribuit.

Acest training condus de un instructor, live în Moldova (online sau la fața locului) este destinat oamenilor de știință care doresc să folosească stiva SMACK pentru a construi platforme de procesare a datelor pentru soluții de big data.

La finalul acestui training, participanții vor putea:

• Să implementeze o arhitectură de pipeline de date pentru procesarea datelor mari.
• Să dezvolte o infrastructură de cluster cu Apache Mesos și Docker.
• Să analizeze date cu Spark și Scala.
• Să gestioneze date nestructurate cu Apache Cassandra.

Acest training condus de un instructor, live în Moldova (online sau la fața locului) este destinat inginerilor care doresc să configureze și să implementeze sistemul Apache Spark pentru procesarea unor volume foarte mari de date.

La finalul acestui training, participanții vor putea:

• Instala și configura Apache Spark.
• Procesarea și analiza rapidă a unor seturi de date foarte mari.
• Înțelege diferența dintre Apache Spark și Hadoop MapReduce și când să folosească fiecare.
• Integrarea Apache Spark cu alte instrumente de învățare automată.

Curba de învățare a Apache Spark crește lent la început, fiind necesar un efort considerabil pentru a obține primele rezultate. Acest curs își propune să treacă peste această parte dificilă inițială. După parcurgerea acestui curs, participanții vor înțelege elementele de bază ale Apache Spark, vor face distincția clară între RDD și DataFrame, vor învăța API-urile Python și Scala, vor înțelege executoarele și sarcinile, etc. De asemenea, urmând cele mai bune practici, acest curs se concentrează puternic pe implementarea în cloud, Databricks și AWS. Studenții vor înțelege, de asemenea, diferențele dintre AWS EMR și AWS Glue, unul dintre cele mai recente servicii Spark ale AWS.

PUBLICUL ȚINTĂ:

Inginer de date, DevOps, Specialist în Știința Datelor

OBiECTIV:

Acest curs va introduce Apache Spark. Studenții vor învăța cum se integrează Spark în ecosistemul Big Data și cum să folosească Spark pentru analiza datelor. Cursul acoperă shell-ul Spark pentru analiza interactivă a datelor, mecanismele interne ale Spark, API-urile Spark, Spark SQL, Spark streaming, precum și învățarea automată și GraphX.

PUBLICUL ȚINTĂ:

Dezvoltatori / Analiști de Date

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat oamenilor de știință de date și dezvoltatorilor care doresc să folosească Spark NLP, construit pe Apache Spark, pentru a dezvolta, implementa și scala modele și conducte de procesare a textului în limbaj natural.

La finalul acestui training, participanții vor putea:

• Să configureze mediul de dezvoltare necesar pentru a începe construirea conductelor NLP cu Spark NLP.
• Să înțeleagă caracteristicile, arhitectura și beneficiile utilizării Spark NLP.
• Să folosească modelele pre-antrenate disponibile în Spark NLP pentru a implementa procesarea textului.
• Să învețe cum să construiască, să antreneze și să scalare modele Spark NLP pentru proiecte de nivel de producție.
• Să aplice clasificare, inferență și analiză de sentiment pe cazuri de utilizare din lumea reală (date clinice, informații despre comportamentul clienților etc.).

Spark SQL este modulul Apache Spark pentru lucrul cu date structurate și nestructurate. Spark SQL oferă informații despre structura datelor, precum și despre calculul care este efectuat. Aceste informații pot fi folosite pentru a realiza optimizări. Două utilizări comune ale Spark SQL sunt:
- executarea interogărilor SQL.
- citirea datelor dintr-o instalare existentă Hive.

În acest training condus de un instructor, live (la fața locului sau la distanță), participanții vor învăța cum să analizeze diverse tipuri de seturi de date folosind Spark SQL.

La finalul acestui training, participanții vor putea:

• Instala și configura Spark SQL.
• Efectua analiza datelor folosind Spark SQL.
• Interoga seturi de date în diferite formate.
• Vizualiza datele și rezultatele interogărilor.

Formatul Cursului

• Prelegere interactivă și discuții.
• Multe exerciții și practică.
• Implementare practică într-un mediu live-lab.

Opțiuni de Personalizare a Cursului

• Pentru a solicita un training personalizat pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat persoanelor tehnice care doresc să implementeze Talend Open Studio for Big Data pentru a simplifica procesul de citire și procesare a datelor mari.

La finalul acestui training, participanții vor putea:

• Instala și configura Talend Open Studio for Big Data.
• Să se conecteze la sisteme de date mari precum Cloudera, HortonWorks, MapR, Amazon EMR și Apache.
• Să înțeleagă și să configureze componentele și conectorii de date mari din Open Studio.
• Să configureze parametri pentru a genera automat cod MapReduce.
• Să utilizeze interfața drag-and-drop a Open Studio pentru a rula job-uri Hadoop.
• Să creeze prototipuri de fluxuri de date mari.
• Să automatizeze proiecte de integrare a datelor mari.