Big Data Schulungen in Schweiz

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an fortgeschrittene Datenexperten, die Datenverarbeitungsabläufe optimieren, Datenintegrität sicherstellen und robuste Data Lakehouse-Lösungen implementieren möchten, die die Komplexität moderner Big Data-Anwendungen bewältigen können.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Ein tiefes Verständnis der Iceberg-Architektur, einschließlich Metadatenmanagement und Dateilayout, zu erlangen.
• Iceberg für eine optimale Leistung in verschiedenen Umgebungen zu konfigurieren und es mit mehreren Datenverarbeitungs-Engines zu integrieren.
• Große Iceberg-Tabellen zu verwalten, komplexe Schemaänderungen durchzuführen und Partitionsentwicklungen zu handhaben.
• Beherrschen von Techniken zur Optimierung der Abfrageleistung und der Effizienz von Datenscans bei großen Datenbeständen.
• Implementierung von Mechanismen zur Sicherstellung der Datenkonsistenz, zur Verwaltung von Transaktionsgarantien und zum Umgang mit Fehlern in verteilten Umgebungen.

Diese Live-Schulung in Schweiz (online oder vor Ort) unter der Leitung eines Dozenten richtet sich an Datenexperten auf Anfängerniveau, die sich das Wissen und die Fähigkeiten aneignen möchten, die erforderlich sind, um Apache Iceberg effektiv für die Verwaltung großer Datenmengen, die Sicherstellung der Datenintegrität und die Optimierung von Datenverarbeitungsabläufen zu nutzen.Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Ein gründliches Verständnis der Architektur, der Funktionen und der Vorteile von Apache Iceberg erlangen.
• Sie lernen Tabellenformate, Partitionierung, Schemaentwicklung und Zeitreisefähigkeiten kennen.
• Apache Iceberg in verschiedenen Umgebungen zu installieren und zu konfigurieren.
• Erstellen, Verwalten und Manipulieren von Iceberg-Tabellen.
• Den Prozess der Migration von Daten aus anderen Tabellenformaten nach Iceberg verstehen.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an IT-Fachleute auf mittlerem Niveau, die ihre Kenntnisse in den Bereichen Datenarchitektur, Governance, Cloud Computing und Big-Data-Technologien erweitern möchten, um große Datenmengen für die Datenmigration in ihrem Unternehmen effektiv zu verwalten und zu analysieren.Am Ende dieses Kurses werden die Teilnehmer in der Lage sein

• Die grundlegenden Konzepte und Komponenten verschiedener Datenarchitekturen zu verstehen.
• ein umfassendes Verständnis der Data-Governance-Prinzipien und ihrer Bedeutung in regulatorischen Umgebungen erlangen.
• Data-Governance-Frameworks wie Dama und Togaf zu implementieren und zu verwalten.
• Cloud-Plattformen für eine effiziente Datenspeicherung, -verarbeitung und -verwaltung zu nutzen.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Dateningenieure auf mittlerem Niveau, die lernen möchten, wie man Azure Data Lake Storage Gen2 für effektive Datenanalyselösungen nutzt.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Architektur und die wichtigsten Funktionen von Azure Data Lake Storage Gen2 zu verstehen.
• Optimieren der Datenspeicherung und des Datenzugriffs hinsichtlich Kosten und Leistung.
• Integration von Azure Data Lake Storage Gen2 mit anderen Azure Services für Analysen und Datenverarbeitung.
• Entwickeln Sie Lösungen mit der Azure Data Lake Storage Gen2 API.
• Fehlerbehebung bei allgemeinen Problemen und Optimierung von Speicherstrategien.

Diese Live-Schulung in Schweiz (online oder vor Ort) richtet sich an IT-Fachleute auf mittlerem Niveau, die ein umfassendes Verständnis von IBM DataStage sowohl aus der Verwaltungs- als auch aus der Entwicklungsperspektive erlangen möchten, damit sie dieses Tool an ihrem jeweiligen Arbeitsplatz effektiv verwalten und einsetzen können.Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Die Kernkonzepte von DataStage zu verstehen.
• Lernen, wie man DataStage-Umgebungen effektiv installiert, konfiguriert und verwaltet.
• Verbindung zu verschiedenen Datenquellen herstellen und Daten effizient aus Datenbanken, Flat Files und externen Quellen extrahieren.
• Effektive Datenladetechniken zu implementieren.

In dieser von einem Trainer geleiteten Live-Schulung in Schweiz lernen die Teilnehmer anhand praktischer Übungen, wie sie Python und Spark gemeinsam zur Analyse von Big Data einsetzen können.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Lernen, wie man Spark mit Python verwendet, um Big Data zu analysieren.
• An Übungen arbeiten, die reale Fälle nachahmen.
• Verschiedene Tools und Techniken für die Big-Data-Analyse mit PySpark verwenden.

Dieser Kurs behandelt die Verwendung der Hive SQL Sprache (AKA: Hive HQL, SQL in Hive , Hive QL) für Personen, die Daten aus Hive extrahieren

This instructor-led, live training in Schweiz (online or onsite) is aimed at intermediate-level database administrators, developers, and analysts who wish to master advanced SQL functionalities for complex data operations and database management.By the end of this training, participants will be able to:

• Perform advanced querying techniques using unions, subqueries, and complex joins.
• Add, update, and delete data, tables, views, and indexes with precision.
• Ensure data integrity through transactions and manipulate database structures.
• Create and manage databases efficiently for robust data storage and retrieval.

Wissenentdeckung in Datenbanken (KDD) ist der Prozess der Entdeckung nützlicher Wissen aus einer Datenerhebung. Real-Life-Anwendungen für diese Data Mining-Technik umfassen Marketing, Betrugdetektion, Telekommunikation und Herstellung. In diesem Instructor-leitet, Live-Kurs werden wir die in KDD beteiligten Prozesse einführen und eine Reihe von Übungen durchführen, um die Implementierung dieser Prozesse zu üben. Publikum

• Datenanalytiker oder jemand, der daran interessiert ist, zu lernen, wie man Daten interpretiert, um Probleme zu lösen

Format des Kurses

• Nach einer theoretischen Diskussion über KDD präsentiert der Lehrer reale Fälle, die die Anwendung von KDD fordern, um ein Problem zu lösen. Die Teilnehmer bereiten, wählen und reinigen Samplendaten und nutzen ihre vorherigen Kenntnisse der Daten, um Lösungen auf der Grundlage der Ergebnisse ihrer Beobachtungen vorzustellen.

Apache Kylin ist eine extreme, verteilte Analyse-Motor für große Daten. In diesem Live-Training, der von Lehrern geleitet wird, lernen die Teilnehmer, wie man Apache Kylin einen Datenlager in Echtzeit zu verwenden. Am Ende dieser Ausbildung können die Teilnehmer:

• Echtzeit-Streamingdaten mit Kylin verbrauchen
• Nutze Apache Kylin's leistungsfähige Funktionen,rich SQL Schnittstelle, Spark-Cubing und subsecond Query Latency

Hinweis

• Wir verwenden die neueste Version von Kylin (basiert auf diesem Schreiben, Apache Kylin v2.0)

Publikum

• Big Data Ingenieure
• Big Data Analytiker

Format des Kurses

• Teilverhandlung, Teildiskussion, Übungen und schwere Übungen

Dremio ist eine Open-Source "Self-Service-Datenplattform", die die Suche verschiedener Arten von Datenquellen beschleunigt. Dremio integriert mit relativen Datenbanken, Apache Hadoop, MongoDB, Amazon S3, ElasticSearch und anderen Datenquellen. Es unterstützt SQL und bietet ein Web-UI für Baufragen. In diesem Live-Training, das von Lehrern geleitet wird, lernen die Teilnehmer, wie sie installieren, konfigurieren und verwenden Dremio als einheitliche Schicht für Datenanalyse-Tools und die zugrunde liegenden Datenreserven. Am Ende dieser Ausbildung können die Teilnehmer:

• Installation und Konfiguration Dremio
• Anfragen gegen mehrere Datenquellen durchführen, unabhängig von Ort, Größe oder Struktur
• Integrieren Dremio mit BI und Datenquellen wie Tableau und Elasticsearch

Publikum

• Datenwissenschaftler
• Business Analytiker
• Dateningenieur

Format des Kurses

• Teilverhandlung, Teildiskussion, Übungen und schwere Übungen

Notizen

• Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Apache Arrow ist ein Open-Source-Framework für die In-Memory-Datenverarbeitung. Es wird häufig zusammen mit anderen Data-Science-Tools für den Zugriff auf unterschiedliche Datenspeicher zur Analyse verwendet. Es lässt sich gut in andere Technologien wie GPU Datenbanken, Bibliotheken und Tools für maschinelles Lernen, Ausführungs-Engines und Datenvisualisierungs-Frameworks integrieren. In diesem von Lehrern geleiteten Live-Training vor Ort lernen die Teilnehmer, wie Apache Arrow in verschiedene Data Science Frameworks integriert wird, um auf Daten aus unterschiedlichen Datenquellen zuzugreifen. Am Ende dieser Schulung können die Teilnehmer:

• Installieren und konfigurieren Sie Apache Arrow in einer verteilten Clusterumgebung
• Verwenden Sie Apache Arrow um auf Daten aus unterschiedlichen Datenquellen zuzugreifen
• Verwenden Sie Apache Arrow , um die Notwendigkeit zu umgehen, komplexe ETL-Pipelines zu erstellen und zu warten
• Analysieren Sie Daten aus unterschiedlichen Datenquellen, ohne sie in einem zentralen Repository konsolidieren zu müssen

Publikum

• Datenwissenschaftler
• Dateningenieure

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Hinweis

• Um ein individuelles Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um dies zu arrangieren.

Um die Compliance der Regulierungsbehörden zu erfüllen, können CSPs ( Communication Service Provider) auf Big Data Analytics zurückgreifen, die ihnen nicht nur dabei helfen, die Compliance zu erfüllen, sondern im Rahmen desselben Projekts die Kundenzufriedenheit steigern und damit die Abwanderung verringern. Da Compliance mit der Qualität der vertraglich gebundenen Dienstleistungen zusammenhängt, wird jede Initiative zur Einhaltung der Compliance den „Wettbewerbsvorteil“ der CSP verbessern. Daher ist es wichtig, dass die Aufsichtsbehörden in der Lage sind, eine Reihe von Big Data Analyseverfahren für CSPs zu beraten / zu leiten, die für die Aufsichtsbehörden und CSPs von beiderseitigem Nutzen sind. Der Kurs besteht aus 8 Modulen (4 am 1. Tag und 4 am 2. Tag)

Der technologische Fortschritt und die zunehmende Menge an Informationen verändern die Art und Weise, wie Geschäfte in vielen Branchen, einschließlich der Verwaltung, abgewickelt werden. Go Die Datengenerierung und die digitale Archivierung in den Behörden nehmen aufgrund der rasanten Zunahme von mobilen Geräten und Anwendungen, intelligenten Sensoren und Geräten, Cloud-Computing-Lösungen und Bürgerportalen immer mehr zu. In dem Maße, in dem digitale Informationen zunehmen und komplexer werden, werden auch Informationsmanagement, -verarbeitung, -speicherung, -sicherheit und -disposition immer komplexer. Neue Erfassungs-, Such-, Ermittlungs- und Analysetools helfen Organisationen, Erkenntnisse aus ihren unstrukturierten Daten zu gewinnen. Der Behördenmarkt befindet sich an einem Wendepunkt, da er erkannt hat, dass Informationen ein strategisches Gut sind und die Behörden sowohl strukturierte als auch unstrukturierte Daten schützen, nutzen und analysieren müssen, um die Anforderungen der Mission besser erfüllen zu können. In ihrem Bestreben, datengesteuerte Organisationen zu entwickeln, um ihre Aufgaben erfolgreich zu erfüllen, legen Behördenleiter die Grundlage für die Korrelation von Abhängigkeiten zwischen Ereignissen, Menschen, Prozessen und Informationen. Hochwertige Lösungen für Behörden werden aus einer Kombination der innovativsten Technologien entstehen:

• Mobile Geräte und Anwendungen
• Cloud-Dienste
• Soziale Unternehmenstechnologien und Netzwerke
• Big Data und Analytik

IDC prognostiziert, dass die IT-Branche bis 2020 ein Volumen von 5 Billionen Dollar erreichen wird, etwa 1,7 Billionen Dollar mehr als heute, und dass 80 % des Wachstums der Branche von diesen Technologien der dritten Plattform angetrieben werden. Langfristig werden diese Technologien die Schlüsselinstrumente für den Umgang mit der Komplexität der zunehmenden digitalen Informationen sein. Big Data ist eine der intelligenten Industrielösungen und ermöglicht es den Behörden, bessere Entscheidungen zu treffen, indem sie Maßnahmen auf der Grundlage von Mustern ergreifen, die sich aus der Analyse großer Datenmengen ergeben - zusammenhängende und nicht zusammenhängende, strukturierte und unstrukturierte. Um dies zu erreichen, bedarf es jedoch weit mehr als nur der Anhäufung riesiger Datenmengen: "Um diese Big DataDatenmengen sinnvoll zu nutzen, bedarf es modernster Werkzeuge und Technologien, die nützliches Wissen aus riesigen und vielfältigen Informationsströmen analysieren und extrahieren können", schrieben Tom Kalil und Fen Zhao vom Büro für Wissenschafts- und Technologiepolitik des Weißen Hauses in einem Beitrag auf dem OSTP-Blog. Das Weiße Haus hat 2012 mit der Nationalen Big Data Forschungs- und Entwicklungsinitiative einen ersten Schritt getan, um den Behörden bei der Suche nach diesen Technologien zu helfen. Die Initiative umfasste mehr als 200 Millionen Dollar, um das Beste aus der explosionsartigen Zunahme von Big Data und den für ihre Analyse erforderlichen Werkzeugen zu machen. Die Herausforderungen, die die Big Data mit sich bringt, sind fast so beängstigend wie ihre vielversprechenden Möglichkeiten. Die effiziente Speicherung von Daten ist eine dieser Herausforderungen. Wie immer sind die Budgets knapp bemessen, so dass die Behörden den Preis pro Megabyte für die Speicherung minimieren und die Daten leicht zugänglich halten müssen, damit die Benutzer sie zum gewünschten Zeitpunkt und in der gewünschten Form abrufen können. Die Sicherung großer Datenmengen stellt eine zusätzliche Herausforderung dar. Die effektive Analyse der Daten ist eine weitere große Herausforderung. Viele Agenturen setzen kommerzielle Tools ein, die es ihnen ermöglichen, die Datenberge zu durchforsten und Trends zu erkennen, die ihnen helfen können, effizienter zu arbeiten. (Eine kürzlich von MeriTalk durchgeführte Studie ergab, dass IT-Führungskräfte auf Bundesebene der Meinung sind, dass Big Data den Behörden helfen könnte, mehr als 500 Milliarden Dollar einzusparen und gleichzeitig ihre Aufgaben zu erfüllen). Speziell entwickelte Big Data-Tools ermöglichen es den Behörden auch, ihre Daten zu analysieren. So hat beispielsweise die Computational Data Analytics Group des Oak Ridge National Laboratory ihr Datenanalysesystem Piranha anderen Behörden zur Verfügung gestellt. Das System hat medizinischen Forschern geholfen, eine Verbindung zu finden, die Ärzte vor Aortenaneurysmen warnen kann, bevor diese auftreten. Es wird auch für alltäglichere Aufgaben eingesetzt, z. B. für die Sichtung von Lebensläufen, um Bewerber mit Personalchefs in Kontakt zu bringen.

In dieser Schulung im Klassenzimmer wird Big Data untersucht. Den Teilnehmern stehen computergestützte Beispiele und Fallstudienübungen zur Verfügung, die sie mit relevanten Big-Data-Tools durchführen können

Tag 1 - bietet einen allgemeinen Überblick über wichtige Big Data Themenbereiche. Das Modul ist in eine Reihe von Abschnitten unterteilt, von denen jeder von einer praktischen Übung begleitet wird. Tag 2 - Erkundung einer Reihe von Themen, die Analyseverfahren und Tools für Big Data Umgebungen betreffen. Es geht nicht auf Implementierungs- oder Programmierdetails ein, sondern konzentriert sich auf konzeptionelle Aspekte, die es den Teilnehmern ermöglichen, ein umfassendes Verständnis der allgemeinen Analysefunktionen und -merkmale von Big Data Lösungen zu entwickeln. Tag 3 - bietet einen Überblick über die grundlegenden und wesentlichen Themenbereiche der Architektur der Big Data Lösungsplattform. Es behandelt Big Data Mechanismen, die für die Entwicklung einer Big Data Lösungsplattform erforderlich sind, und Architekturoptionen für den Aufbau einer Datenverarbeitungsplattform. Es werden auch allgemeine Szenarien vorgestellt, um ein grundlegendes Verständnis für die allgemeine Verwendung einer Big Data Lösungsplattform zu vermitteln. Tag 4 - baut auf Tag 3 auf und befasst sich mit fortgeschrittenen Themen zur Architektur der Big Data Lösungsplattform. Insbesondere werden verschiedene Architekturebenen, aus denen sich die Big Data Lösungsplattform zusammensetzt, vorgestellt und erörtert, darunter Datenquellen, Dateneingang, Datenspeicherung, Datenverarbeitung und Sicherheit. Tag 5 - umfasst eine Reihe von Übungen und Problemen, mit denen die Fähigkeit der Delegierten getestet werden soll, Kenntnisse über die behandelten Themen von Tag 3 und 4 anzuwenden.

Der technologische Fortschritt und die zunehmende Menge an Informationen verändern die Art und Weise, wie Strafverfolgungsmaßnahmen durchgeführt werden. Die Herausforderungen, die Big Data bringt, sind fast so gewaltig wie das Versprechen von Big Data . Effizientes Speichern von Daten ist eine dieser Herausforderungen. Effektiv zu analysieren ist eine andere. In diesem von Lehrern geleiteten Live-Training lernen die Teilnehmer, wie sie mit Big Data Technologien umgehen, ihre Auswirkungen auf vorhandene Prozesse und Richtlinien bewerten und diese Technologien implementieren können, um kriminelle Aktivitäten zu identifizieren und Kriminalität zu verhindern. Fallstudien von Strafverfolgungsbehörden auf der ganzen Welt werden untersucht, um Einblicke in ihre Ansätze, Herausforderungen und Ergebnisse bei der Adoption zu erhalten. Am Ende dieser Schulung können die Teilnehmer:

• Kombinieren Sie die Big Data Technologie mit herkömmlichen Datenerfassungsprozessen, um eine Story während einer Untersuchung zusammenzustellen
• Implementieren Sie industrielle Big Data Storage- und Verarbeitungslösungen für die Datenanalyse
• Erarbeitung eines Vorschlags für die Annahme der am besten geeigneten Instrumente und Verfahren zur Ermöglichung eines datengestützten Ansatzes für strafrechtliche Ermittlungen

Publikum

• Strafverfolgungsspezialisten mit technischem Hintergrund

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

Big Data ist ein Begriff, der sich auf Lösungen bezieht, mit denen große Datenmengen gespeichert und verarbeitet werden können. Entwickelt von Go Ogle zunächst, diese Big Data haben Lösungen entwickelt und inspiriert andere ähnliche Projekte, von denen viele als Quelle Frei zur Verfügung stehen. R ist eine beliebte Programmiersprache in der Finanzbranche.

Wenn herkömmliche Speichertechnologien nicht die Datenmenge verarbeiten, die Sie zum Speichern benötigen, gibt es Hunderte von Alternativen. Dieser Kurs soll den Teilnehmern zeigen, welche Alternativen zum Speichern und Analysieren von Big Data und welche Vor- und Nachteile sie haben. Dieser Kurs konzentriert sich hauptsächlich auf die Diskussion und Präsentation von Lösungen, wobei praktische Übungen auf Anfrage erhältlich sind.

Der Kurs ist Teil der Fähigkeiten von Data Scientist (Bereich: Daten und Technologie).

Publikum Wenn Sie versuchen, aus den Daten, auf die Sie Zugriff haben, einen Sinn zu machen, oder wenn Sie unstrukturierte Daten analysieren möchten, die im Internet verfügbar sind (z. B. Twitter, Linked in usw.), ist dieser Kurs für Sie. Es richtet sich hauptsächlich an Entscheidungsträger und Personen, die entscheiden müssen, welche Daten gesammelt und welche analysiert werden sollten. Es richtet sich nicht an Personen, die die Lösung konfigurieren. Diese Personen werden jedoch vom Gesamtüberblick profitieren. Lieferungsmodus Während des Kurses werden den Teilnehmern Arbeitsbeispiele von meist Open Source-Technologien vorgestellt. Auf kurze Vorträge folgen Präsentationen und einfache Übungen der Teilnehmer Inhalt und verwendete Software Die gesamte verwendete Software wird jedes Mal aktualisiert, wenn der Kurs ausgeführt wird. Wir überprüfen daher die neuesten Versionen. Es umfasst den Prozess vom Abrufen, Formatieren, Verarbeiten und Analysieren der Daten, um zu erklären, wie der Entscheidungsprozess mit maschinellem Lernen automatisiert werden kann.

Big Data sind Datenmengen, die so umfangreich und komplex sind, dass herkömmliche Anwendungssoftware für die Datenverarbeitung nicht ausreicht, um mit ihnen umzugehen. Zu den großen Datenherausforderungen gehören Datenerfassung, Datenspeicherung, Datenanalyse, Suche, Freigabe, Übertragung, Visualisierung, Abfrage, Aktualisierung und Datenschutz.

Diese von einem Ausbilder geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die lernen möchten, wie man eine Strategie für maschinelles Lernen implementiert und gleichzeitig die Nutzung von Big Data maximiert. Am Ende dieser Schulung werden die Teilnehmer:

• Verstehen Sie die Entwicklung und die Trends des maschinellen Lernens.
• Wissen, wie maschinelles Lernen in verschiedenen Branchen eingesetzt wird.
• Mit den Tools, Fähigkeiten und Dienstleistungen vertraut sein, die für die Implementierung des maschinellen Lernens in einem Unternehmen zur Verfügung stehen.
• Verstehen Sie, wie maschinelles Lernen zur Verbesserung von Data Mining und Analyse eingesetzt werden kann.
• Lernen Sie, was ein Data-Middle-Backend ist und wie es von Unternehmen genutzt wird.
• Verstehen Sie die Rolle, die Big Data und intelligente Anwendungen in verschiedenen Branchen spielen.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Software-Ingenieure, die Sqoop und Flume für Big Data nutzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Anreicherung von Big Data mit Sqoop und Flume.
• Daten aus mehreren Datenquellen einlesen.
• Daten aus relationalen Datenbanken in HDFS und Hive verschieben.
• Daten aus HDFS in eine relationale Datenbank exportieren.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Talend Open Studio for Big Data einsetzen möchten, um den Prozess des Lesens und Verarbeitens von Big Data zu vereinfachen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Sie Talend Open Studio für Big Data.
• Verbinden mit Big Data Systemen wie Cloudera, HortonWorks, MapR, Amazon EMR und Apache.
• Die Big-Data-Komponenten und Konnektoren von Open Studio verstehen und einrichten.
• Parameter für die automatische Generierung von MapReduce-Code konfigurieren.
• Die Drag-and-Drop-Schnittstelle von Open Studio nutzen, um Hadoop-Jobs auszuführen.
• Big-Data-Pipelines prototypisieren.
• Automatisieren Sie Big-Data-Integrationsprojekte.

In dieser von einem Ausbilder geleiteten Live-Schulung in Schweiz lernen die Teilnehmer, wie man ein Data Vault erstellt.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• die Architektur und die Designkonzepte hinter Data Vault 2.0 und ihre Interaktion mit Big Data, NoSQL und KI zu verstehen.
• Data Vaulting-Techniken anwenden, um Auditing, Tracing und Inspektion von historischen Daten in einem Data Warehouse zu ermöglichen.
• Entwicklung eines konsistenten und wiederholbaren ETL-Prozesses (Extract, Transform, Load).
• Aufbau und Bereitstellung hoch skalierbarer und wiederholbarer Warehouses.

Diese von einem Kursleiter geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Dateningenieure, Datenwissenschaftler und Programmierer, die die Funktionen von Spark Streaming zur Verarbeitung und Analyse von Echtzeitdaten nutzen möchten.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein, mit Spark Streaming Live-Datenströme zur Verwendung in Datenbanken, Dateisystemen und Live-Dashboards zu verarbeiten.

Diese von einem Kursleiter geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler, die Apache Kafka Stream Processing implementieren möchten, ohne Code zu schreiben.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Confluent KSQL zu installieren und zu konfigurieren.
• eine Stream-Processing-Pipeline nur mit SQL-Befehlen einzurichten (keine Java- oder Python-Codierung).
• Datenfilterung, Transformationen, Aggregationen, Joins, Windowing und Sessionization vollständig in SQL durchzuführen.
• Interaktive, kontinuierliche Abfragen für Streaming ETL und Echtzeit-Analysen entwerfen und einsetzen.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler, die die Prinzipien der persistenten und reinen In-Memory-Speicherung kennenlernen möchten, während sie ein Beispielprojekt für In-Memory-Computing erstellen.Am Ende dieses Kurses werden die Teilnehmer in der Lage sein

• Ignite für In-Memory- und On-Disk-Persistenz sowie für eine rein verteilte In-Memory-Datenbank zu verwenden.
• Persistenz zu erreichen, ohne Daten mit einer relationalen Datenbank zu synchronisieren.
• Verwendung von Ignite zur Durchführung von SQL und verteilten Joins.
• Verbessern Sie die Leistung, indem Sie Daten näher an die CPU verlagern und RAM als Speicher verwenden.
• Verteilen Sie Datensätze über einen Cluster, um horizontale Skalierbarkeit zu erreichen.
• Integrieren Sie Ignite mit RDBMS, NoSQL, Hadoop und Prozessoren für maschinelles Lernen.

Apache Beam ist ein quelloffenes, einheitliches Programmiermodell für die Definition und Ausführung von parallelen Datenverarbeitungspipelines. Seine Stärke liegt in der Fähigkeit, sowohl Batch- als auch Streaming-Pipelines auszuführen, wobei die Ausführung von einem der von Beam unterstützten verteilten Verarbeitungs-Backends übernommen wird: Apache Apex, Apache Flink, Apache Spark, und Google Cloud Dataflow. Apache Beam ist nützlich für ETL-Aufgaben (Extrahieren, Transformieren und Laden) wie das Verschieben von Daten zwischen verschiedenen Speichermedien und Datenquellen, das Transformieren von Daten in ein gewünschtes Format und das Laden von Daten in ein neues System.In dieser von einem Trainer geleiteten Live-Schulung (vor Ort oder per Fernzugriff) lernen die Teilnehmer, wie sie die Apache Beam-SDKs in einer Java- oder Python-Anwendung implementieren, die eine Datenverarbeitungspipeline zur Zerlegung eines großen Datensatzes in kleinere Teile für eine unabhängige, parallele Verarbeitung definiert.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Apache Beam.
• ein einziges Programmiermodell zu verwenden, um sowohl Batch- als auch Stream-Verarbeitung innerhalb ihrer Java oder Python Anwendung auszuführen.
• Pipelines über mehrere Umgebungen hinweg auszuführen.

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Hinweis

• Dieser Kurs wird in Zukunft Scala verfügbar sein. Bitte kontaktieren Sie uns zur Absprache.

Apache Apex ist eine YARN-native Plattform, die Stream- und Batch-Verarbeitung vereinheitlicht. Sie verarbeitet große Daten in Bewegung auf eine Art und Weise, die skalierbar, performant, fehlertolerant, zustandsorientiert, sicher, verteilt und leicht bedienbar ist.Diese von einem Trainer geleitete Live-Schulung stellt die einheitliche Stream-Verarbeitungsarchitektur von Apache Apex vor und führt die Teilnehmer durch die Erstellung einer verteilten Anwendung mit Apex auf Hadoop.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Konzepte für Datenverarbeitungspipelines wie Konnektoren für Quellen und Senken, allgemeine Datentransformationen usw. zu verstehen.
• eine Apex-Anwendung erstellen, skalieren und optimieren
• Echtzeit-Datenströme zuverlässig und mit minimaler Latenz zu verarbeiten
• Verwendung von Apex Core und der Apex Malhar-Bibliothek für eine schnelle Anwendungsentwicklung
• Verwenden Sie die Apex-API, um bestehenden Java Code zu schreiben und wiederzuverwenden
• Integration von Apex in andere Anwendungen als Verarbeitungsmodul
• Abstimmen, Testen und Skalieren von Apex-Anwendungen

Format des Kurses

• Interaktive Vorlesung und Diskussion.
• Viele Übungen und Praxis.
• Praktische Umsetzung in einer Live-Laborumgebung.

Optionen zur Kursanpassung

• Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Apache Storm ist ein verteilter Echtzeit-Rechenkern, der für Echtzeit-Business Intelligence eingesetzt wird. Sie ermöglicht es Anwendungen, unbegrenzte Datenströme zuverlässig zu verarbeiten (auch bekannt als Stream Processing)."Storm ist für die Echtzeitverarbeitung das, was Hadoop für die Stapelverarbeitung ist!"In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie sie Apache Storm installieren und konfigurieren und anschließend eine Apache Storm-Anwendung für die Verarbeitung von Big Data in Echtzeit entwickeln und einsetzen.Einige der in dieser Schulung behandelten Themen sind:

• Apache Storm im Kontext von Hadoop
• Arbeiten mit unbegrenzten Daten
• Kontinuierliche Berechnungen
• Echtzeit-Analytik
• Verteilte RPC- und ETL-Verarbeitung

Fordern Sie diesen Kurs jetzt an!Zielgruppe

• Software- und ETL-Entwickler
• Mainframe-Fachleute
• Datenwissenschaftler
• Big Data-Analysten
• Hadoop Fachleute

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

In dieser von einem Ausbilder geleiteten Live-Schulung in Schweiz (vor Ort oder per Fernzugriff) lernen die Teilnehmer, wie sie Apache NiFi in einer Live-Laborumgebung einsetzen und verwalten.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Apachi NiFi zu installieren und zu konfigurieren.
• Daten aus unterschiedlichen, verteilten Datenquellen, einschließlich Datenbanken und Big Data Lakes, zu beschaffen, umzuwandeln und zu verwalten.
• Datenflüsse zu automatisieren.
• Streaming-Analysen zu ermöglichen.
• Wenden Sie verschiedene Ansätze für die Datenerfassung an.
• Transformieren Sie Big Data und in Geschäftseinblicke.

In dieser Live-Schulung unter Anleitung in Schweiz lernen die Teilnehmer die Grundlagen der ablaufbasierten Programmierung, während sie eine Reihe von Demo-Erweiterungen, Komponenten und Prozessoren mit Apache NiFi entwickeln.Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Die Architektur von NiFi und Datenflusskonzepte zu verstehen.
• Erweiterungen mit NiFi und APIs von Drittanbietern zu entwickeln.
• Ihren eigenen Apache-NiFi-Prozessor zu entwickeln.
• Echtzeitdaten aus unterschiedlichen und ungewöhnlichen Dateiformaten und Datenquellen einlesen und verarbeiten.

Diese Live-Schulung in Schweiz (online oder vor Ort) führt die Teilnehmer in die Prinzipien und Ansätze der verteilten Stream- und Batch-Datenverarbeitung ein und führt sie durch die Erstellung einer Echtzeit-Daten-Streaming-Anwendung in Apache Flink.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Eine Umgebung für die Entwicklung von Datenanalyseanwendungen einrichten.
• Verstehen, wie die graphverarbeitende Bibliothek (Gelly) von Apache Flink funktioniert.
• Flink-basierte, fehlertolerante Daten-Streaming-Anwendungen paketieren, ausführen und überwachen.
• Verschiedene Workloads verwalten.
• Fortgeschrittene Analysen durchführen.
• Einrichten eines Flink-Clusters mit mehreren Knoten.
• Messen und Optimieren der Leistung.
• Flink mit verschiedenen Big Data Systemen integrieren.
• Flink-Funktionen mit denen anderer Big-Data-Verarbeitungs-Frameworks vergleichen.

In dieser von einem Trainer geleiteten Live-Schulung in Schweiz lernen die Teilnehmer die Technologieangebote und Implementierungsansätze für die Verarbeitung von Graphdaten kennen. Ziel ist es, Objekte der realen Welt, ihre Eigenschaften und Beziehungen zu identifizieren, diese Beziehungen zu modellieren und sie als Daten mit einem Graph Computing (auch bekannt als Graph Analytics) Ansatz zu verarbeiten. Wir beginnen mit einem breiten Überblick und konzentrieren uns auf spezifische Tools, während wir eine Reihe von Fallstudien, praktischen Übungen und Live-Einsätzen durchführen.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein

• Verstehen, wie Graphdaten persistiert und durchlaufen werden.
• das beste Framework für eine bestimmte Aufgabe auszuwählen (von Graphdatenbanken bis hin zu Stapelverarbeitungs-Frameworks).
• Implementierung von Hadoop, Spark, GraphX und Pregel, um Graphenberechnungen auf vielen Rechnern parallel durchzuführen.
• Big-Data-Probleme aus der realen Welt in Form von Graphen, Prozessen und Traversalen zu betrachten.

Dieser Kurs richtet sich an Entwickler und Datenwissenschaftler, die KI verstehen und in ihre Anwendungen implementieren wollen. Besonderes Augenmerk wird auf Datenanalyse, verteilte KI und natürliche Sprachverarbeitung gelegt.

MLlib ist die ML-Bibliothek (Machine Learning) von Spark. Ziel ist es, praktisches maschinelles Lernen skalierbar und einfach zu machen. Es besteht aus allgemeinen Lernalgorithmen und Dienstprogrammen, einschließlich Klassifizierung, Regression, Clustering, kollaborativer Filterung, Dimensionsreduzierung sowie Optimierungsprimitiven auf niedrigerer Ebene und Pipeline-APIs auf höherer Ebene. Es teilt sich in zwei Pakete:

• spark.mllib enthält die ursprüngliche API, die auf RDDs basiert.
• spark.ml bietet eine API auf höherer Ebene, die auf DataFrames zum Erstellen von ML-Pipelines basiert.

Publikum Dieser Kurs richtet sich an Ingenieure und Entwickler, die eine integrierte Maschinenbibliothek für Apache Spark

Diese Live-Schulung mit Kursleiter in Schweiz (online oder vor Ort) führt die Teilnehmer in die Hortonworks Data Platform (HDP) ein und begleitet sie durch den Einsatz der Spark + Hadoop Lösung.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Hortonworks verwenden, um Hadoop in großem Maßstab zuverlässig auszuführen.
• Die Sicherheits-, Governance- und Betriebsfunktionen von Hadoop mit den agilen analytischen Workflows von Spark zu vereinen.
• Verwenden Sie Hortonworks, um jede Komponente in einem Spark-Projekt zu untersuchen, zu validieren, zu zertifizieren und zu unterstützen.
• Verarbeiten Sie verschiedene Datentypen, einschließlich strukturierter und unstrukturierter Daten sowie Daten in Bewegung und im Ruhezustand.

Apache Ambari ist eine Open-Source-Management-Plattform für die Bereitstellung, Verwaltung, Überwachung und Sicherung von Apache Hadoop-Clustern.In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer die von Ambari bereitgestellten Management-Tools und -Verfahren zur erfolgreichen Verwaltung von Hadoop-Clustern kennen.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Einrichten eines Live-Big Data-Clusters mit Ambari
• Ambaris fortgeschrittene Features und Funktionalitäten auf verschiedene Anwendungsfälle anwenden
• Nahtloses Hinzufügen und Entfernen von Knoten nach Bedarf
• Die Leistung eines Hadoop-Clusters durch Tuning und Optimierung zu verbessern

Zielgruppe

• DevOps
• Systemadministratoren
• DBAs
• Hadoop Testexperten

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Cloudera Impala ist eine quelloffene, massiv-parallele Verarbeitungs- (MPP) SQL Abfrage-Engine für Apache Hadoop-Cluster.Mit Cloudera Impala können Benutzer Abfragen mit niedriger Latenz SQL an Daten stellen, die im Hadoop Distributed File System und in Apache Hbase gespeichert sind, ohne dass eine Datenbewegung oder -transformation erforderlich ist.ZielgruppeDieser Kurs richtet sich an Analysten und Datenwissenschaftler, die Daten, die in Hadoop gespeichert sind, mit Business Intelligence oder SQL Tools analysieren.Nach diesem Kurs werden die Teilnehmer in der Lage sein

• Aussagekräftige Informationen aus Hadoop-Clustern mit Impala zu extrahieren.
• Spezifische Programme zu schreiben, um Business Intelligence in Impala SQL Dialekt zu erleichtern.
• Fehler zu beheben Impala.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Architekten, Entwickler und Administratoren, die die Denodo-Plattform zur Optimierung und Beschleunigung der Datenverwaltung durch Datenvirtualisierung nutzen möchten.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Denodo-Plattform installieren und konfigurieren.
• die Funktionen und die Architektur von Denodo Platform zu verstehen.
• die wichtigsten Konzepte, Vorteile und Anwendungsfälle der Datenvirtualisierung zu verstehen.
• den Denodo-Plattform-Server zu konfigurieren und zu verwalten.
• Implementierung von Datensicherheit, Benutzerzugriff und Dienstauthentifizierung.
• Werkzeuge und Techniken zur Betriebsüberwachung und Leistungsoptimierung anwenden.

Diese von einem Trainer geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Datenwissenschaftler, die Apache Airflow zum Aufbau und zur Verwaltung von End-to-End-Datenpipelines verwenden möchten.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Apache Airflow zu installieren und zu konfigurieren.
• Komplexe Datenpipelines erstellen, planen und überwachen
• Viele ETLs (Extrahieren, Extrahieren, Transformieren, Laden) zu verwalten.
• Skalieren und sichern Apache Airflow.

Apache Hama ist ein Framework, das auf dem Bulk-Synchron-Parallel-Computing-Modell (BSP) basiert und hauptsächlich für Big Data-Analysen verwendet wird.In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer die Grundlagen von Apache Hama kennen, während sie schrittweise eine BSP-basierte Anwendung und ein vertex-zentriertes Programm unter Verwendung des Apache Hama-Frameworks erstellen.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Apache Hama zu installieren und zu konfigurieren
• die Grundlagen von Apache Hama und dem Bulk Synchronous Parallel (BSP) Programmiermodell zu verstehen
• ein BSP-basiertes Programm mit dem Apache Hama BSP-Framework zu erstellen
• Ein vertex-zentriertes Programm mit dem Apache Hama Graph Framework erstellen
• Eigene Apache Hama-Anwendungen erstellen, testen und debuggen

Zielgruppe

• Entwickler

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Hinweis

• Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Diese von einem Trainer geleitete Live-Schulung führt in die Konzepte der interaktiven Datenanalyse ein und führt die Teilnehmer durch den Einsatz und die Nutzung von Zeppelin in einer Einzel- oder Mehrbenutzerumgebung.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Zeppelin zu installieren und zu konfigurieren
• Daten in einer browserbasierten Oberfläche entwickeln, organisieren, ausführen und austauschen
• Ergebnisse zu visualisieren, ohne auf die Kommandozeile oder Clusterdetails zurückgreifen zu müssen
• Lange Workflows auszuführen und gemeinsam daran zu arbeiten
• Arbeiten Sie mit einer beliebigen Anzahl von Plug-in-Sprachen/Datenverarbeitungs-Backends, wie Scala (mit Apache Spark), Python (mit Apache Spark), Spark SQL, JDBC, Markdown und Shell.
• Integrieren Sie Zeppelin mit Spark, Flink und Map Reduce
• Sichere Mehrbenutzer-Instanzen von Zeppelin mit Apache Shiro

Apache Accumulo ist ein sortierter, verteilter Schlüssel/Wertespeicher, der eine robuste, skalierbare Datenspeicherung und -abfrage ermöglicht. Er basiert auf dem Design von Google's BigTable und wird von Apache Hadoop, Apache Zookeeper und Apache Thrift unterstützt.Dieser von einem Trainer geleitete Live-Kurs behandelt die Funktionsprinzipien von Accumulo und führt die Teilnehmer durch die Entwicklung einer Beispielanwendung auf Apache Accumulo.Format des Kurses

• Teilweise Vortrag, teilweise Diskussion, praktische Entwicklung und Implementierung, gelegentliche Tests zur Überprüfung des Verständnisses

Amazon Redshift ist ein Cloud-basierter Data-Warehouse-Service in AWS im Petabyte-Bereich. In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer die Grundlagen von Amazon Redshift kennen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installieren und Konfigurieren von Amazon Redshift
• Daten mit Amazon Redshift zu laden, zu konfigurieren, bereitzustellen, abzufragen und zu visualisieren

Zielgruppe

• Entwickler
• IT-Fachleute

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Hinweis

• Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Apache Druid ist ein in Java geschriebener, spaltenorientierter, verteilter Open-Source-Datenspeicher. Es wurde entwickelt, um schnell große Mengen an Ereignisdaten aufzunehmen und OLAP-Abfragen mit niedriger Latenz für diese Daten auszuführen. Druid wird häufig in Business Intelligence-Anwendungen verwendet, um große Mengen von Echtzeit- und Verlaufsdaten zu analysieren. Es ist auch gut geeignet, um schnelle, interaktive, analytische Dashboards für Endbenutzer zu erstellen. Druid wird von Unternehmen wie Alibaba, Airbnb, Cisco , eBay, Netflix, Paypal und Yahoo verwendet. In diesem von Lehrern geführten Live-Kurs werden einige der Einschränkungen von Data Warehouse-Lösungen untersucht und erläutert, wie Druid diese Technologien zu einem flexiblen und skalierbaren Streaming Analytics-Stack ergänzen kann. Wir gehen viele Beispiele durch und bieten den Teilnehmern die Möglichkeit, Druiden-basierte Lösungen in einer Laborumgebung zu implementieren und zu testen. Format des Kurses

• Teilvorlesung, Teildiskussion, intensive praktische Übungen, gelegentliche Tests zur Beurteilung des Verständnisses

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die eine Greenplum-Datenbank mit mehreren Knoten einrichten möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installation und Konfiguration von Pivotal Greenplum.
• Modellieren von Daten entsprechend den aktuellen Bedürfnissen und zukünftigen Erweiterungsplänen.
• Ausführen verschiedener Techniken zur Verteilung von Daten auf mehrere Knoten.
• Verbesserung der Datenbankleistung durch Tuning.
• Überwachung und Fehlerbehebung einer Greenplum-Datenbank.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Administratoren, die Greenplum Database für Business Intelligence- und Data Warehousing-Lösungen einrichten möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Verarbeitungsanforderungen mit Greenplum erfüllen.
• ETL-Operationen für die Datenverarbeitung durchführen.
• Vorhandene Infrastrukturen für die Abfrageverarbeitung nutzen.

Mem SQL ist ein speicherinternes, verteiltes SQL Datenbankverwaltungssystem für Clouds und lokale Anwendungen. Es handelt sich um ein Echtzeit-Data-Warehouse, das sofort Einblicke in Live- und Verlaufsdaten bietet. In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Grundlagen von Mem SQL für die Entwicklung und Verwaltung. Am Ende dieser Schulung können die Teilnehmer:

• Verstehen Sie die wichtigsten Konzepte und Eigenschaften von Mem SQL
• Installieren, entwerfen, warten und betreiben Sie Mem SQL
• Optimieren Sie Schemata in Mem SQL
• Verbessern Sie Abfragen in Mem SQL
• Benchmark-Leistung in Mem SQL
• Erstellen Sie Echtzeit-Datenanwendungen mit Mem SQL

Publikum

• Entwickler
• Administratoren
• Betriebsingenieure

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben