Big Data Training Courses

Big Data Training Courses

Τα τοπικά μαθήματα κατάρτισης μεγάλων δεδομένων, που διοργανώνονται από εκπαιδευτές, αρχίζουν με μια εισαγωγή στις στοιχειώδεις έννοιες του Big Data και στη συνέχεια προχωρούν στις γλώσσες προγραμματισμού και στις μεθοδολογίες που χρησιμοποιούνται για την ανάλυση δεδομένων. Τα εργαλεία και η υποδομή για την ενεργοποίηση της αποθήκευσης μεγάλων δεδομένων, της Κατανεμημένης Επεξεργασίας και της Επικουρικότητας συζητούνται, συγκρίνονται και εφαρμόζονται σε συνεδρίες πρακτικής εξάσκησης. Η εκπαίδευση Big Data είναι διαθέσιμη ως "onsite live training" ή "remote live training". Η επιτόπια κατάρτιση σε πραγματικό χρόνο μπορεί να πραγματοποιηθεί σε τοπικό επίπεδο στις εγκαταστάσεις του πελάτη Ελλάδα ή σε εταιρικά κέντρα κατάρτισης NobleProg στο Ελλάδα . Η απομακρυσμένη ζωντανή προπόνηση πραγματοποιείται μέσω μιας διαδραστικής, απομακρυσμένης επιφάνειας εργασίας. NobleProg - Ο τοπικός παροχέας εκπαίδευσης

Machine Translated

Testimonials

★★★★★
★★★★★

Big Data Course Outlines

Course Name
Duration
Overview
Course Name
Duration
Overview
14 hours
Overview
Go αλ:

Μάθηση για συνεργασία με το SPSS σε επίπεδο ανεξαρτησίας

Οι παραλήπτες:

Αναλυτές, ερευνητές, επιστήμονες, φοιτητές και όσοι επιθυμούν να αποκτήσουν τη δυνατότητα να χρησιμοποιήσουν το πακέτο SPSS και να μάθουν τις δημοφιλείς τεχνικές εξόρυξης δεδομένων.
35 hours
Overview
Οι πρόοδοι στις τεχνολογίες και η αυξανόμενη ποσότητα πληροφοριών μετασχηματίζουν τον τρόπο διεξαγωγής των επιχειρήσεων σε πολλές βιομηχανίες, συμπεριλαμβανομένης της κυβέρνησης. Go τεχνολογίες παραγωγής ψηφιακών δεδομένων και οι ψηφιακοί ρυθμοί αρχειοθέτησης αυξάνονται λόγω της ταχείας ανάπτυξης των κινητών συσκευών και εφαρμογών, των έξυπνων αισθητήρων και των συσκευών, των λύσεων cloud computing και των πύλων που βλέπουν τους πολίτες. Καθώς οι ψηφιακές πληροφορίες επεκτείνονται και καθίστανται πιο περίπλοκες, η διαχείριση πληροφοριών, η επεξεργασία, η αποθήκευση, η ασφάλεια και η διάθεση γίνονται πιο περίπλοκες. Τα νέα εργαλεία λήψης, αναζήτησης, ανίχνευσης και ανάλυσης βοηθούν τους οργανισμούς να αποκτήσουν γνώσεις από τα αδόμητα δεδομένα τους. Η κυβερνητική αγορά βρίσκεται σε σημείο ανατροπής, συνειδητοποιώντας ότι οι πληροφορίες είναι ένα στρατηγικό πλεονέκτημα και ότι η κυβέρνηση πρέπει να προστατεύσει, να αξιοποιήσει και να αναλύσει δομημένες και αδόμητες πληροφορίες για να εξυπηρετήσει καλύτερα και να ανταποκριθεί στις απαιτήσεις της αποστολής. Καθώς οι κυβερνητικοί ηγέτες προσπαθούν να αναπτύξουν οργανώσεις που βασίζονται σε δεδομένα για την επιτυχή ολοκλήρωση της αποστολής τους, δημιουργούν τις βάσεις για τη συσχέτιση των εξαρτήσεων μεταξύ γεγονότων, ανθρώπων, διαδικασιών και πληροφοριών.

Οι κυβερνητικές λύσεις υψηλής αξίας θα δημιουργηθούν από μια σειρά από τις πιο διαταραγμένες τεχνολογίες:

- Κινητές συσκευές και εφαρμογές
- Υπηρεσίες Cloud
- Τεχνολογίες κοινωνικών επιχειρήσεων και δικτύωση
- Big Data και αναλυτικά στοιχεία

Η IDC προβλέπει ότι μέχρι το 2020, η βιομηχανία πληροφορικής θα φτάσει τα 5 τρισεκατομμύρια δολάρια, δηλαδή περίπου 1,7 τρισεκατομμύρια δολάρια μεγαλύτερα από σήμερα και το 80% της ανάπτυξης του κλάδου θα κατευθυνθεί από αυτές τις τεχνολογίες της 3ης πλατφόρμας. Μακροπρόθεσμα, αυτές οι τεχνολογίες θα αποτελέσουν βασικά εργαλεία για την αντιμετώπιση της πολυπλοκότητας της αύξησης των ψηφιακών πληροφοριών. Big Data είναι μία από τις έξυπνες βιομηχανικές λύσεις και επιτρέπει στην κυβέρνηση να λαμβάνει καλύτερες αποφάσεις λαμβάνοντας μέτρα βάσει μοντέλων που αποκαλύπτονται αναλύοντας μεγάλους όγκους δεδομένων και άσχετων, δομημένων και αδόμητων.

Ωστόσο, η πραγματοποίηση αυτών των επιτεύξεων δεν υπερβαίνει απλώς τη συσσώρευση τεράστιων ποσοτήτων δεδομένων. "Η συνειδητοποίηση αυτών των μεγεθών των Big Data απαιτεί εργαλεία και τεχνολογίες αιχμής που μπορούν να αναλύσουν και να εξαγάγουν χρήσιμες γνώσεις από τεράστιες και ποικίλες ροές πληροφοριών", δήλωσε ο Tom Kalil και ο Fen Ο Zhao του Γραφείου Επιστημών και Τεχνολογίας του Λευκού Οίκου έγραψε σε μια θέση στο Blog OSTP.

Ο Λευκός Οίκος έκανε ένα βήμα προς την κατεύθυνση της βοήθειας των οργανισμών να βρουν αυτές τις τεχνολογίες κατά την ίδρυση της Εθνικής Μελέτης Big Data Έρευνα και Ανάπτυξη το 2012. Η πρωτοβουλία περιελάμβανε περισσότερα από 200 εκατομμύρια δολάρια για να αξιοποιήσουν στο έπακρο την έκρηξη του Big Data και τα εργαλεία που απαιτούνται για την ανάλυση του .

Οι προκλήσεις που θέτει το Big Data είναι σχεδόν τόσο αποθαρρυντικές όσο η υπόσχεσή του είναι ενθαρρυντική. Η αποθήκευση δεδομένων αποτελεσματικά είναι μία από αυτές τις προκλήσεις. Όπως πάντα, οι προϋπολογισμοί είναι σφιχτοί, οπότε οι οργανισμοί πρέπει να ελαχιστοποιούν την τιμή ανά megabyte της αποθήκευσης και να διατηρούν τα δεδομένα σε εύκολη πρόσβαση, έτσι ώστε οι χρήστες να μπορούν να το πάρουν όταν το θέλουν και το πώς το χρειάζονται. Η δημιουργία αντιγράφων ασφαλείας μεγάλων ποσοτήτων δεδομένων αυξάνει την πρόκληση.

Η αποτελεσματική ανάλυση των δεδομένων είναι μια άλλη σημαντική πρόκληση. Πολλοί οργανισμοί χρησιμοποιούν εμπορικά εργαλεία που τους επιτρέπουν να κοσκινίζουν τα βουνά των δεδομένων, εντοπίζοντας τάσεις που μπορούν να τους βοηθήσουν να λειτουργούν πιο αποτελεσματικά. (Μια πρόσφατη μελέτη από την MeriTalk διαπίστωσε ότι τα ομοσπονδιακά στελέχη πληροφορικής πιστεύουν ότι τα Big Data θα μπορούσαν να βοηθήσουν τους οργανισμούς να εξοικονομήσουν περισσότερα από 500 δισεκατομμύρια δολάρια, ενώ εκπλήρωσαν επίσης στόχους αποστολής).

Big Data εργαλεία Big Data μεγέθους που έχουν αναπτυχθεί Big Data επιτρέπουν επίσης στους οργανισμούς να αντιμετωπίζουν την ανάγκη ανάλυσης των δεδομένων τους. Για παράδειγμα, το Computational Data Analytics Group του Εθνικού Εργαστηρίου του Oak Ridge έχει διαθέσει το σύστημα ανάλυσης δεδομένων Piranha σε άλλους οργανισμούς. Το σύστημα βοήθησε τους ιατρούς ερευνητές να βρουν έναν σύνδεσμο που μπορεί να προειδοποιήσει τους γιατρούς για ανευρύσματα αορτής προτού να χτυπήσουν. Χρησιμοποιείται επίσης για πιο εγκόσμια καθήκοντα, όπως κοσκίνισμα μέσω βιογραφικών για τη σύνδεση υποψηφίων εργασίας με διαχειριστές προσλήψεων.
35 hours
Overview
ΣΦΑΙΡΙΚΗ ΕΙΚΟΝΑ

Communication πάροχοι υπηρεσιών επικοινωνίας (CSP) αντιμετωπίζουν πίεση για μείωση του κόστους και μεγιστοποίηση του μέσου εισοδήματος ανά χρήστη (ARPU), εξασφαλίζοντας ταυτόχρονα μια εξαιρετική εμπειρία πελατών, αλλά ο όγκος των δεδομένων συνεχίζει να αυξάνεται. Η παγκόσμια κίνηση δεδομένων κινητής τηλεφωνίας θα αυξηθεί με ρυθμό σύνθετου ετήσιου ρυθμού ανάπτυξης (CAGR) 78% έως 2016, φθάνοντας τα 10,8 exabytes ανά μήνα.

Εν τω μεταξύ, οι κεντρικοί αντισυμβαλλόμενοι δημιουργούν μεγάλους όγκους δεδομένων, συμπεριλαμβανομένων αρχείων λεπτομερειών κλήσεων (CDR), δεδομένων δικτύου και δεδομένων πελατών. Οι εταιρείες που εκμεταλλεύονται πλήρως αυτά τα δεδομένα κερδίζουν ανταγωνιστικό πλεονέκτημα. Σύμφωνα με πρόσφατη έρευνα της The Economist Intelligence Unit, οι εταιρείες που χρησιμοποιούν δεδομένα που βασίζονται στη λήψη αποφάσεων απολαμβάνουν αύξηση της παραγωγικότητας κατά 5-6%. Ωστόσο, το 53% των εταιρειών εκμεταλλεύονται μόνο τα μισά από τα πολύτιμα δεδομένα τους και το ένα τέταρτο των ερωτηθέντων σημείωσε ότι οι τεράστιες ποσότητες χρήσιμων δεδομένων είναι αναξιοποίητες. Οι όγκοι δεδομένων είναι τόσο υψηλοί ώστε η χειρωνακτική ανάλυση είναι αδύνατη και τα περισσότερα συστήματα λογισμικού παλαιού τύπου δεν μπορούν να συμβαδίσουν, με αποτέλεσμα να απορρίπτονται ή να αγνοούνται τα πολύτιμα δεδομένα.

Με το λογισμικό Big Data & Analytics της Big Data & Analytics, το οποίο μπορεί να κλιμακωθεί, τα CSP μπορούν να εξορύσσουν όλα τα δεδομένα τους για καλύτερη λήψη αποφάσεων σε μικρότερο χρονικό διάστημα. Τα διαφορετικά προϊόντα και τεχνικές Big Data παρέχουν μια πλατφόρμα λογισμικού από άκρο σε άκρο για τη συλλογή, την προετοιμασία, την ανάλυση και την παρουσίαση πληροφοριών από μεγάλα δεδομένα. Οι τομείς εφαρμογής περιλαμβάνουν την παρακολούθηση των επιδόσεων του δικτύου, την ανίχνευση απάτης, την ανίχνευση κακοποίησης πελατών και την ανάλυση πιστωτικού κινδύνου. Big Data μεγέθη Big Data και των προϊόντων Analytics επεξεργάζονται terabytes των δεδομένων, αλλά η εφαρμογή τέτοιων εργαλείων απαιτεί νέο είδος συστήματος βάσης δεδομένων που βασίζεται σε σύννεφο, όπως Hadoop ή επεξεργαστής παράλληλης επεξεργασίας υπολογιστών (KPU κ.λπ.)

Αυτό το μάθημα στο Big Data BI για την Telco καλύπτει όλες τις νέες περιοχές στις οποίες οι CSPs επενδύουν για αύξηση της παραγωγικότητας και άνοιγμα ροών νέων εσόδων από επιχειρήσεις. Το μάθημα θα παρέχει πλήρη 360 ° άποψη για την προβολή του Big Data BI στο Telco, ώστε οι υπεύθυνοι λήψης αποφάσεων και οι διαχειριστές να έχουν μια πολύ ευρεία και ολοκληρωμένη εικόνα των δυνατοτήτων του Big Data BI στο Telco για παραγωγικότητα και κέρδη.

Στόχοι του μαθήματος

Κύριος στόχος του μαθήματος είναι η εισαγωγή νέων Big Data τεχνικές επιχειρηματικής ευφυΐας σε 4 τομείς της Telecom Business ( Marketing / Πωλήσεων, Διαχείρισης Δικτύου, Οικονομικών λειτουργία και η σχέση πελατών Management ). Οι σπουδαστές θα παρουσιαστούν στα εξής:

- Εισαγωγή σε Big Data - τι είναι 4Vs (όγκος, ταχύτητα, ποικιλία και αλήθεια) στα Big Data - Παραγωγή, εξαγωγή και διαχείριση από την άποψη του Telco
- Πόσο Big Data ανάλυσης Big Data διαφέρει από το αναλυτικό δεδομένων παλαιού τύπου
- Εσωτερική αιτιολόγηση της προοπτικής Big Data -Telco
- Εισαγωγή στο οικοσύστημα Hadoop εξοικείωση με όλα τα εργαλεία του Hadoop όπως το Hive , το Pig, το SPARC - πότε και πώς χρησιμοποιούνται για την επίλυση Big Data προβλημάτων Big Data
- Πώς Big Data εξάγεται για την ανάλυση των αναλυτικών εργαλείων, πώς Business Analysis «s μπορεί να μειώσει τα σημεία του πόνου τους από τη συλλογή και την ανάλυση των δεδομένων μέσω ολοκληρωμένων Hadoop προσέγγιση ταμπλό
- Βασική εισαγωγή αναλυτικών στοιχείων Insight, αναλυτικών στοιχείων απεικόνισης και προγνωστικών αναλύσεων για την Telco
- Αναλυτική αναλυτική αναλυτική αναφορά πελάτη και ανάλυση Big Data -how Big Data μπορεί να μειώσει την αδυναμία του πελάτη και την δυσαρέσκεια του πελάτη σε μελέτες περιπτώσεων Telco
- Αναλύσεις αποτυχίας δικτύου και αποτυχίας υπηρεσίας από μεταδεδομένα δικτύου και IPDR
- Χρηματοοικονομική ανάλυση - απάτη, σπατάλη και εκτίμηση ROI από πωλήσεις και λειτουργικά δεδομένα
- Πρόβλημα απόκτησης πελατών - Στόχευση μάρκετινγκ, κατάτμηση πελατών και διασταυρούμενη πώληση από τα δεδομένα πωλήσεων
- Εισαγωγή και σύνοψη όλων των αναλυτικών προϊόντων Big Data και όπου εντάσσονται στον αναλυτικό χώρο Telco
- Συμπέρασμα - πώς να λάβετε βήμα προς βήμα προσέγγιση για την εισαγωγή Big Data Business Intelligence στον οργανισμό σας

Στοχευμένο κοινό

- Λειτουργία δικτύου, οικονομικοί διευθυντές, διαχειριστές CRM και κορυφαίοι διαχειριστές πληροφορικής στο γραφείο Telco CIO.
- Business αναλυτές στην Telco
- Διευθυντές / αναλυτές γραφείων CFO
- Λειτουργικοί διαχειριστές
- Διαχειριστές QA
21 hours
Overview
Το μάθημα απευθύνεται σε ειδικούς πληροφορικής που αναζητούν λύση για την αποθήκευση και επεξεργασία μεγάλων συνόλων δεδομένων σε περιβάλλον κατανεμημένου συστήματος

Στόχος του μαθήματος:

Γνωριμία με τη διοίκηση του cluster Hadoop
35 hours
Overview
Κοινό:

Το μάθημα απευθύνεται σε ειδικούς πληροφορικής που αναζητούν λύση για την αποθήκευση και επεξεργασία μεγάλων συνόλων δεδομένων σε περιβάλλον κατανεμημένου συστήματος

Go αλ:

Βαθιά γνώση σχετικά με τη διοίκηση συμπλέγματος Hadoop .
21 hours
Overview
Course can be provided with any tools, including free open-source data mining software and applications
21 hours
Overview
Κοινό

Αν προσπαθήσετε να κατανοήσετε τα δεδομένα στα οποία έχετε πρόσβαση ή θέλετε να αναλύσετε μη δομημένα δεδομένα που είναι διαθέσιμα στο διαδίκτυο (όπως το Twitter, το Linked in, κ.λπ.), αυτό το μάθημα απευθύνεται σε εσάς.

Στόχος είναι κυρίως οι υπεύθυνοι λήψης αποφάσεων και οι άνθρωποι που πρέπει να επιλέξουν ποια δεδομένα αξίζει να συλλέξουν και τι αξίζει να αναλύσουμε.

Δεν στοχεύει στους ανθρώπους να διαμορφώσουν τη λύση, αλλά αυτοί θα επωφεληθούν από τη μεγάλη εικόνα.

Λειτουργία παράδοσης

Κατά τη διάρκεια του μαθήματος οι εκπρόσωποι θα παρουσιαστούν με παραδείγματα εργασίας για τις περισσότερες τεχνολογίες ανοιχτού κώδικα.

Οι σύντομες διαλέξεις θα ακολουθούνται από παρουσίαση και απλές ασκήσεις από τους συμμετέχοντες

Το περιεχόμενο και το λογισμικό που χρησιμοποιήθηκαν

Όλο το λογισμικό που χρησιμοποιείται ενημερώνεται κάθε φορά που εκτελείται το μάθημα, έτσι ελέγχουμε τις πιο πρόσφατες εκδόσεις.

Καλύπτει τη διαδικασία από την απόκτηση, τη μορφοποίηση, την επεξεργασία και την ανάλυση των δεδομένων, για να εξηγήσει πώς αυτοματοποιείται η διαδικασία λήψης αποφάσεων με τη μηχανική μάθηση.
14 hours
Overview
R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.
35 hours
Overview
Ημέρα 1 - παρέχει μια επισκόπηση υψηλού επιπέδου των βασικών θεματικών τομέων Big Data . Η ενότητα χωρίζεται σε μια σειρά τμημάτων, καθένα από τα οποία συνοδεύεται από πρακτική άσκηση.

Ημέρα 2 - διερευνά μια σειρά θεμάτων που σχετίζονται με τις πρακτικές και τα εργαλεία ανάλυσης για περιβάλλοντα Big Data . Δεν λαμβάνει πληροφορίες σχετικά με την εφαρμογή ή το προγραμματισμό, αλλά διατηρεί την κάλυψη σε εννοιολογικό επίπεδο, εστιάζοντας σε θέματα που επιτρέπουν στους συμμετέχοντες να αναπτύξουν μια ολοκληρωμένη κατανόηση των κοινών λειτουργιών ανάλυσης και των χαρακτηριστικών που προσφέρουν οι λύσεις Big Data .

Ημέρα 3 - παρέχει μια επισκόπηση των θεμελιωδών και βασικών θεματικών πεδίων που σχετίζονται με την αρχιτεκτονική πλατφόρμα λύσεων Big Data . Καλύπτει τους μηχανισμούς Big Data απαιτούνται για την ανάπτυξη μιας πλατφόρμας λύσεων Big Data και αρχιτεκτονικές επιλογές για τη συναρμολόγηση μιας πλατφόρμας επεξεργασίας δεδομένων. Παρουσιάζονται επίσης κοινά σενάρια που παρέχουν μια βασική κατανόηση του τρόπου με τον οποίο χρησιμοποιείται γενικά μια πλατφόρμα λύσεων Big Data .

Ημέρα 4 - βασίζεται στην Ημέρα 3 με την εξερεύνηση προηγμένων θεμάτων που σχετίζονται με την αρχιτεκτονική πλατφόρμας λύση Big Data . Συγκεκριμένα, εισάγονται και συζητούνται διαφορετικά αρχιτεκτονικά στρώματα που αποτελούν την πλατφόρμα λύσεων Big Data , συμπεριλαμβανομένων πηγών δεδομένων, εισόδου δεδομένων, αποθήκευσης δεδομένων, επεξεργασίας δεδομένων και ασφάλειας.

Ημέρα 5 - καλύπτει μια σειρά ασκήσεων και προβλημάτων που αποσκοπούν στη δοκιμασία της δυνατότητας των αντιπροσώπων να εφαρμόζουν γνώσεις των θεμάτων που καλύπτονται από την Ημέρα 3 και 4.
21 hours
Overview
Big Data είναι ένας όρος που αναφέρεται σε λύσεις που προορίζονται για την αποθήκευση και την επεξεργασία μεγάλων συνόλων δεδομένων. Αναπτύχθηκαν αρχικά από την Go Ogle, οι λύσεις αυτές Big Data έχουν εξελιχθεί και εμπνευστούν από άλλα παρόμοια έργα, πολλά από τα οποία είναι διαθέσιμα ως open-source. R είναι μια δημοφιλής γλώσσα προγραμματισμού στον χρηματοπιστωτικό κλάδο.
28 hours
Overview
Audience:

This course is intended to demystify big data/hadoop technology and to show it is not difficult to understand.
14 hours
Overview
Ο στόχος του μαθήματος είναι να δώσει τη δυνατότητα στους συμμετέχοντες να αποκτήσουν την ικανότητα να δουλεύουν με τη γλώσσα SQL στη Oracle δεδομένων της Oracle για την εξαγωγή δεδομένων σε ενδιάμεσο επίπεδο.
28 hours
Overview
Objective:

Delegates be able to analyse big data sets, extract patterns, choose the right variable impacting the results so that a new model is forecasted with predictive results.
28 hours
Overview
R είναι μια ελεύθερη γλώσσα προγραμματισμού ανοικτού κώδικα για στατιστικούς υπολογιστές, ανάλυση δεδομένων και γραφικά. R χρησιμοποιείται από έναν αυξανόμενο αριθμό διαχειριστών και αναλυτών δεδομένων μέσα σε εταιρείες και ακαδημαϊκούς κύκλους. Η R βρήκε επίσης οπαδούς μεταξύ των στατιστικολόγων, των μηχανικών και των επιστημόνων χωρίς δεξιότητες προγραμματισμού στον υπολογιστή, οι οποίοι βρίσκουν εύκολο στη χρήση. Η δημοτικότητά του οφείλεται στην αυξανόμενη χρήση της εξόρυξης δεδομένων για διάφορους στόχους, όπως η ρύθμιση των τιμών διαφήμισης, η ταχύτερη εύρεση νέων φαρμάκων ή η τελειοποίηση οικονομικών μοντέλων. Το R διαθέτει μια μεγάλη ποικιλία πακέτων για την εξόρυξη δεδομένων.
14 hours
Overview
Όταν οι παραδοσιακές τεχνολογίες αποθήκευσης δεν χειρίζονται την ποσότητα των δεδομένων που χρειάζεστε για να αποθηκεύσετε, υπάρχουν εναλλακτικές λύσεις. Αυτό το μάθημα προσπαθεί να καθοδηγήσει τους συμμετέχοντες ποιες είναι οι εναλλακτικές λύσεις για την αποθήκευση και ανάλυση των Big Data και ποια είναι τα πλεονεκτήματα και τα μειονεκτήματά τους.

Αυτό το μάθημα επικεντρώνεται κατά κύριο λόγο στη συζήτηση και την παρουσίαση λύσεων, αν και οι πρακτικές ασκήσεις είναι διαθέσιμες κατόπιν αιτήματος.
21 hours
Overview
ΣΚΟΠΟΣ:

Αυτό το μάθημα θα εισαγάγει το Apache Spark . Οι μαθητές θα μάθουν πώς το Spark εντάσσεται στο οικοσύστημα Big Data και πώς να χρησιμοποιήσει το Spark για ανάλυση δεδομένων. Το μάθημα καλύπτει το κέλυφος Spark για διαδραστική ανάλυση δεδομένων, εσωτερικά Spark, API Spark, Spark SQL , Spark streaming και μηχανική μάθηση και graphX.

ΚΟΙΝΟ :

Προγραμματιστές / αναλυτές δεδομένων
28 hours
Overview
Το Apache Hadoop είναι το πιο δημοφιλές πλαίσιο για την επεξεργασία Big Data σε συμπλέγματα διακομιστών. Αυτό το μάθημα θα εισαγάγει έναν προγραμματιστή σε διάφορα συστατικά (HDFS, MapReduce, Pig, Hive και HBase) Hadoop οικοσύστημα.
21 hours
Overview
Το Apache Hadoop είναι ένα από τα πιο δημοφιλή πλαίσια για την επεξεργασία Big Data σε ομάδες συμπλεγμάτων διακομιστών. Αυτό το μάθημα διερευνά τη διαχείριση δεδομένων σε HDFS, προχωρημένο χοίρο, Hive και HBase. Αυτές οι προηγμένες τεχνικές προγραμματισμού θα είναι επωφελείς για τους έμπειρους προγραμματιστές Hadoop .

Κοινό : προγραμματιστές

Διάρκεια: τρεις ημέρες

Μορφή: διαλέξεις (50%) και εργαστήρια (50%).
21 hours
Overview
Αυτό το μάθημα εισάγει το HBase - ένα κατάστημα No SQL πάνω από τον Hadoop . Το μάθημα προορίζεται για προγραμματιστές που θα χρησιμοποιούν το HBase για την ανάπτυξη εφαρμογών και για διαχειριστές που θα διαχειρίζονται τα clusters του HBase.

Θα περπατήσουμε έναν προγραμματιστή μέσω της αρχιτεκτονικής HBase και της μοντελοποίησης δεδομένων και ανάπτυξης εφαρμογών στην HBase. Θα συζητήσει επίσης τη χρήση του MapReduce με το HBase και ορισμένα θέματα διαχείρισης που σχετίζονται με τη βελτιστοποίηση της απόδοσης. Το μάθημα είναι πολύ πρακτικό με πολλές εργαστηριακές ασκήσεις.

Διάρκεια : 3 ημέρες

Κοινό : προγραμματιστές και διαχειριστές
21 hours
Overview
Το Apache Hadoop είναι το πιο δημοφιλές πλαίσιο για την επεξεργασία Big Data σε συμπλέγματα διακομιστών. Σε αυτά τα τρία (προαιρετικά, τέσσερα) ημερήσια μαθήματα, οι συμμετέχοντες θα ενημερωθούν για τα επιχειρηματικά οφέλη και τις περιπτώσεις χρήσης του Hadoop και του οικοσυστήματός του, πώς να σχεδιάσουν την ανάπτυξη και ανάπτυξη συμπλεγμάτων, πώς να εγκαταστήσετε, να διατηρήσετε, να παρακολουθήσετε, να αντιμετωπίσετε και να βελτιστοποιήσετε τον Hadoop . Επίσης, θα ασκήσουν το φορτίο μαζικών δεδομένων συμπλεγμάτων, θα εξοικειωθούν με διάφορες κατανομές του Hadoop και θα εγκαταστήσουν και θα διαχειριστούν εργαλεία οικολογικού συστήματος Hadoop . Το μάθημα ολοκληρώνεται με συζήτηση για την εξασφάλιση συμπλέγματος με τον Kerberos.

"... Τα υλικά ήταν πολύ καλά προετοιμασμένα και καλυμμένα καλά. Το Εργαστήριο ήταν πολύ εξυπηρετικό και καλά οργανωμένο "
- Andrew Nguyen, κύριος μηχανικός ολοκλήρωσης DW, Microsoft Online Advertising

Κοινό

Διαχειριστές του Hadoop

Μορφή

Διαλέξεις και πρακτικά εργαστήρια, κατά προσέγγιση ισορροπία 60% διαλέξεις, 40% εργαστήρια.
21 hours
Overview
Apache Hadoop is the most popular framework for processing Big Data. Hadoop provides rich and deep analytics capability, and it is making in-roads in to tradional BI analytics world. This course will introduce an analyst to the core components of Hadoop eco system and its analytics

Audience

Business Analysts

Duration

three days

Format

Lectures and hands on labs.
14 hours
Overview
Το μάθημα αποτελεί μέρος του συνόλου δεξιοτήτων Data Scientist (Domain: Data and Technology).
14 hours
Overview
R is an open-source free programming language for statistical computing, data analysis, and graphics. R is used by a growing number of managers and data analysts inside corporations and academia. R has a wide variety of packages for data mining.
7 hours
Overview
Αυτό το μάθημα καλύπτει τον τρόπο χρήσης της γλώσσας Hive SQL (AKA: Hive HQL, SQL σε Hive , Hive QL) για άτομα που εξάγουν δεδομένα από την Hive
21 hours
Overview
Το Cloudera Impala είναι μια μηχανή ερώτησης SQL ανοιχτού κώδικα μαζικής παράλληλης επεξεργασίας (MPP) για συστάδες Apache Hadoop .

Impala επιτρέπει στους χρήστες να εκδίδουν ερωτήματα SQL χαμηλού λανθάνοντος χρόνου σε δεδομένα που είναι αποθηκευμένα σε Hadoop Distributed File System και Apache Hbase χωρίς να απαιτείται κίνηση ή μετασχηματισμός δεδομένων.

Κοινό

Αυτό το μάθημα απευθύνεται σε αναλυτές και επιστήμονες δεδομένων που πραγματοποιούν ανάλυση δεδομένων που έχουν αποθηκευτεί στο Hadoop μέσω Business Intelligence ή εργαλείων SQL .

Μετά από αυτό το μάθημα οι εκπρόσωποι θα είναι σε θέση να

- Εξάγει σημαντικές πληροφορίες από τις ομάδες Hadoop με την Impala .
- Γράψτε συγκεκριμένα προγράμματα για τη διευκόλυνση της Business Intelligence στο Impala SQL Dialect.
- Αντιμετώπιση προβλημάτων της Impala .
35 hours
Overview
Το MLlib είναι η βιβλιοθήκη εκμάθησης μηχανών Spark (ML). Σκοπός του είναι να κάνει την πρακτική εκμάθηση μηχανών κλιμακωτή και εύκολη. Αποτελείται από κοινούς αλγόριθμους και βοηθητικά προγράμματα μάθησης, συμπεριλαμβανομένης της ταξινόμησης, της παλινδρόμησης, της ομαδοποίησης, του συνεργατικού φιλτραρίσματος, της μείωσης των διαστάσεων, καθώς και των πρωτόγονων βελτιστοποίησης χαμηλότερου επιπέδου και των API αγωγών υψηλότερου επιπέδου.

Διαχωρίζεται σε δύο πακέτα:

-

Το spark.mllib περιέχει το αρχικό API που είναι ενσωματωμένο στο RDD.

-

Το spark.ml παρέχει API υψηλότερου επιπέδου που είναι ενσωματωμένο στο DataFrames για την κατασκευή αγωγών ML.

Κοινό

Αυτό το μάθημα απευθύνεται σε μηχανικούς και προγραμματιστές που επιδιώκουν να χρησιμοποιήσουν μια ενσωματωμένη βιβλιοθήκη μηχανών για Apache Spark
28 hours
Overview
Αυτό το μάθημα προορίζεται για μηχανικούς και υπεύθυνους λήψης αποφάσεων που εργάζονται στην εξόρυξη δεδομένων και την ανακάλυψη γνώσεων.

Θα μάθετε πώς μπορείτε να δημιουργήσετε αποτελεσματικά οικόπεδα και τρόπους για να παρουσιάσετε και να εκπροσωπήσετε τα δεδομένα σας με τρόπο που θα προσελκύσει τους υπεύθυνους λήψης αποφάσεων και θα τους βοηθήσει να καταλάβουν τις κρυφές πληροφορίες.
21 hours
Overview
Hadoop is the most popular Big Data processing framework.
35 hours
Overview
Τα μεγάλα δεδομένα είναι σύνολα δεδομένων που είναι τόσο ογκώδη και περίπλοκα που το παραδοσιακό λογισμικό εφαρμογών επεξεργασίας δεδομένων είναι ανεπαρκές για την αντιμετώπισή τους. Οι μεγάλες προκλήσεις δεδομένων περιλαμβάνουν τη συλλογή δεδομένων, την αποθήκευση δεδομένων, την ανάλυση δεδομένων, την αναζήτηση, την κοινή χρήση, τη μεταφορά, την οπτικοποίηση, την αναζήτηση, την ενημέρωση και την προστασία της ιδιωτικής ζωής των πληροφοριών.
14 hours
Overview
Το ZooKeeper είναι μια κεντρική υπηρεσία για τη διατήρηση πληροφοριών διαμόρφωσης, την ονομασία, την παροχή κατανεμημένου συγχρονισμού και την παροχή υπηρεσιών ομάδας.

Upcoming Big Data Courses

Online Big Data courses, Weekend Big Data courses, Evening Big Data training, Big Data boot camp, Big Data instructor-led, Weekend Big Data training, Evening Big Data courses, Big Data coaching, Big Data instructor, Big Data trainer, Big Data training courses, Big Data classes, Big Data on-site, Big Data private courses, Big Data one on one training

Course Discounts

Course Discounts Newsletter

We respect the privacy of your email address. We will not pass on or sell your address to others.
You can always change your preferences or unsubscribe completely.

Some of our clients

is growing fast!

We are looking for a good mixture of IT and soft skills in Greece!

As a NobleProg Trainer you will be responsible for:

  • delivering training and consultancy Worldwide
  • preparing training materials
  • creating new courses outlines
  • delivering consultancy
  • quality management

At the moment we are focusing on the following areas:

  • Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
  • SOA, BPM, BPMN
  • Hibernate/Spring, Scala, Spark, jBPM, Drools
  • R, Python
  • Mobile Development (iOS, Android)
  • LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
  • You need to have patience and ability to explain to non-technical people

To apply, please create your trainer-profile by going to the link below:

Apply now!

This site in other countries/regions