IBM Datastage For Administrators and Developers Schulung

In dieser von einem Ausbilder geleiteten Live-Schulung lernen die Teilnehmer, wie man ein Data Vault.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Verstehen Sie die Architektur und die Designkonzepte hinter Data Vault 2.0 und seine Interaktion mit Big Data, NoSQL und AI.
• Data Vaulting-Techniken nutzen, um Auditing, Tracing und Inspektion von historischen Daten in einem Data Warehouse zu ermöglichen.
• Entwickeln eines konsistenten und wiederholbaren ETL-Prozesses (Extrahieren, Transformieren, Laden).
• Hochskalierbare und wiederholbare Data Warehouses aufbauen und einsetzen.

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

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

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

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

Amazon Redshift ist ein Cloud-basierter Data Warehouse-Service für Petabytescale in AWS In diesem instruierten Live-Training lernen die Teilnehmer die Grundlagen von Amazon Redshift kennen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Installieren und konfigurieren Sie Amazon Redshift Laden, Konfigurieren, Bereitstellen, Abfragen und Visualisieren von Daten mit Amazon Redshift Publikum Entwickler IT-Fachleute Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um zu vereinbaren .

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.

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.

To meet compliance of the regulators, CSPs (Communication service providers) can tap into Big Data Analytics which not only help them to meet compliance but within the scope of same project they can increase customer satisfaction and thus reduce the churn. In fact since compliance is related to Quality of service tied to a contract, any initiative towards meeting the compliance, will improve the “competitive edge” of the CSPs. Therefore, it is important that Regulators should be able to advise/guide a set of Big Data analytic practice for CSPs that will be of mutual benefit between the regulators and CSPs.

The course consists of 8 modules (4 on day 1, and 4 on day 2)

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.

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.