Le terme BigData vise l'ensemble des solutions liées au stockage et au traitement d'un ensemble considérable de données. Les solutions BigData ont été initialement développées par Google, cependant, désormais, beaucoup d'implémentations open-source sont disponibles, dont Apache Hadoop, Cassandra ou Cloudera Impala. Selon des rapports de Gartner, BigData est la prochaine étape au niveau des technologies de l'information, aprés le Cloud Computing et sera la nouvelle tendance pour les prochaine années.
Le fait que toutes les données et tous les logiciels étaient prêts à être utilisés sur une VM déjà préparée, fournie par le formateur sur des disques externes.
vyzVoice
Formation: Hadoop pour Développeurs et Administrateurs
Translated by
Je pensais que l'information était intéressante.
Allison May
Formation: Data Visualization
Translated by
J'ai vraiment apprécié que Jeff ait utilisé des données et des exemples applicables aux données sur l'éducation. Il l'a rendu intéressant et interactif.
Carol Wells Bazzichi
Formation: Data Visualization
Translated by
Connaître tous les types de graphiques et à quoi ils servent. Apprendre la valeur de l'encombrement. Apprendre les méthodes pour afficher les données temporelles.
Susan Williams
Formation: Data Visualization
Translated by
Le formateur était enthousiaste.
Diane Lucas
Formation: Data Visualization
Translated by
J'ai vraiment aimé le contenu / instructeur.
Craig Roberson
Formation: Data Visualization
Translated by
Je suis un apprenant actif et c'était quelque chose qu'il faisait beaucoup.
Lisa Comfort
Formation: Data Visualization
Translated by
J'ai aimé les exemples.
Peter Coleman
Formation: Data Visualization
Translated by
J'ai généralement bénéficié des exemples.
Peter Coleman
Formation: Data Visualization
Translated by
J'ai apprécié les bons exemples du monde réel, les critiques des rapports existants.
Ronald Parrish
Formation: Data Visualization
Translated by
J'ai vraiment bénéficié de la volonté du formateur de partager davantage.
Balaram Chandra Paul
Formation: A Practical Introduction to Data Analysis and Big Data
Translated by
Il était interactif.
Suraj
Formation: Semantic Web Overview
Translated by
Nous en savons beaucoup plus sur l’ensemble de l’environnement.
John Kidd
Formation: Spark for Developers
Translated by
Le formateur a rendu le cours intéressant et divertissant, ce qui aide un peu tout au long de la journée.
Ryan Speelman
Formation: Spark for Developers
Translated by
Je pense que le formateur avait un excellent style en combinant l'humour et des histoires réelles pour rendre les sujets abordables. Je recommande vivement ce professeur à l'avenir.
Formation: Spark for Developers
Translated by
J'ai beaucoup aimé la façon interactive d'apprendre.
Luigi Loiacono
Formation: Data Analysis with Hive/HiveQL
Translated by
C'était une formation très pratique, j'ai aimé les exercices pratiques.
Proximus
Formation: Data Analysis with Hive/HiveQL
Translated by
J'ai bénéficié de la bonne vue d'ensemble, du bon équilibre entre la théorie et les exercices.
Proximus
Formation: Data Analysis with Hive/HiveQL
Translated by
J'ai apprécié l'interaction dynamique et la pratique du sujet, grâce à la machine virtuelle, très stimulante!
Philippe Job
Formation: Data Analysis with Hive/HiveQL
Translated by
Ernesto a fait un excellent travail en expliquant les concepts de haut niveau de l'utilisation de Spark et de ses différents modules.
Michael Nemerouf
Formation: Spark for Developers
Translated by
J'ai bénéficié de la compétence et des connaissances du formateur.
Jonathan Puvilland
Formation: Data Analysis with Hive/HiveQL
Translated by
J'ai bénéficié de quelques idées nouvelles et intéressantes. Rencontrer et interagir avec d'autres participants.
TECTERRA
Formation: IoT ( Internet of Things) for Entrepreneurs, Managers and Investors
Translated by
Il couvrait un large éventail d'informations.
Continental AG / Abteilung: CF IT Finance
Formation: A Practical Introduction to Data Analysis and Big Data
Translated by
J'ai généralement bénéficié de la présentation des technologies.
Continental AG / Abteilung: CF IT Finance
Formation: A Practical Introduction to Data Analysis and Big Data
Translated by
Dans l'ensemble, le contenu était bon.
Sameer Rohadia
Formation: A Practical Introduction to Data Analysis and Big Data
Translated by
J'ai généralement apprécié le système Eco Hardtop.
Adnan Rafiq
Formation: Big Data Business Intelligence for Govt. Agencies
Translated by
Michael le formateur est très compétent et compétent sur le sujet du Big Data et R. Il est très flexible et personnalise rapidement la formation en fonction des besoins des clients. Il est également très capable de résoudre des problèmes techniques et liés à un sujet en déplacement. Formation fantastique et professionnelle!
Xiaoyuan Geng - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Formation: Programming with Big Data in R
Translated by
J'ai vraiment apprécié l'introduction de nouveaux paquets.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Formation: Programming with Big Data in R
Translated by
Le tuteur, M. Michael An, a très bien interagi avec le public, l'instruction était claire. Le tuteur va également jusqu'à ajouter plus d'informations en fonction des demandes des étudiants lors de la formation.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Formation: Programming with Big Data in R
Translated by
Le sujet et le rythme étaient parfaits.
Tim - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Formation: Programming with Big Data in R
Translated by
L'exemple et le matériel de formation étaient suffisants et ont facilité la compréhension de ce que vous faites.
Teboho Makenete
Formation: Data Science for Big Data Analytics
Translated by
C'est l'un des meilleurs cours pratiques de programmation d'exercices que j'ai jamais suivi.
Laura Kahn
Formation: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
C’est l’une des meilleures formations en ligne de qualité que j’ai jamais eues au cours de ma carrière de 13 ans. Continuez ce bon travail!.
Formation: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
C'était très pratique, nous avons passé la moitié du temps à faire des choses dans Clouded / Hardtop, à exécuter différentes commandes, à vérifier le système, etc. Les matériaux supplémentaires (livres, sites Web, etc.) ont été très appréciés, nous devrons continuer à apprendre. Les installations étaient très amusantes et très pratiques, la configuration du cluster à partir de zéro était vraiment bonne.
Ericsson
Formation: Administrator Training for Apache Hadoop
Translated by
Le style de formation de Richard a gardé son intérêt, les exemples concrets utilisés ont aidé à conduire les concepts à la maison.
Jamie Martin-Royle - NBrown Group
Formation: From Data to Decision with Big Data and Predictive Analytics
Translated by
Le contenu, comme je l'ai trouvé très intéressant et pense que cela m'aiderait dans ma dernière année à l'université.
Krishan Mistry - NBrown Group
Formation: From Data to Decision with Big Data and Predictive Analytics
Translated by
Les exercices pratiques nous permettent d’apprécier les capacités et les fonctionnalités de Talent.
Iverson Associates Sdn Bhd
Formation: Talend Open Studio for Data Integration
Translated by
J'ai surtout apprécié la formation pratique.
Muraly Muniandy - Iverson Associates Sdn Bhd
Formation: Talend Open Studio for Data Integration
Translated by
J'ai aimé les connaissances et la flexibilité du formateur avec des discussions un peu hors sujet.
Iverson Associates Sdn Bhd
Formation: Talend Open Studio for Data Integration
Translated by
J'ai aimé les vastes connaissances et expériences sur le sujet.
Iverson Associates Sdn Bhd
Formation: Talend Open Studio for Data Integration
Translated by
Le formateur était fantastique et connaissait vraiment ses affaires. J'ai beaucoup appris sur le logiciel que je ne connaissais pas auparavant, ce qui aidera beaucoup dans mon travail!
Steve McPhail - Alberta Health Services - Information Technology
Formation: Data Analysis with Hive/HiveQL
Translated by
Les principes de haut niveau concernant Hive, HDFS ...
Geert Suys - Proximus Group
Formation: Data Analysis with Hive/HiveQL
Translated by
Le handson. Le mix pratique / theroy
Proximus Group
Formation: Data Analysis with Hive/HiveQL
Translated by
Fulvio a été en mesure de comprendre le dossier commercial de nos sociétés et a pu établir une corrélation avec le matériel de cours presque instantanément.
Samuel Peeters - Proximus Group
Formation: Data Analysis with Hive/HiveQL
Translated by
Beaucoup d'exercices pratiques.
Ericsson
Formation: Administrator Training for Apache Hadoop
Translated by
Outil de gestion Ambari. Capacité à discuter des expériences pratiques Hadoop à partir d'une analyse de rentabilité autre que celle des télécommunications.
Ericsson
Formation: Administrator Training for Apache Hadoop
Translated by
J'ai apprécié le bon équilibre entre la théorie et les travaux pratiques.
N. V. Nederlandse Spoorwegen
Formation: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Translated by
J'ai généralement profité de la compréhension accrue d'Ignite.
N. V. Nederlandse Spoorwegen
Formation: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Translated by
J'ai surtout aimé les bonnes conférences.
N. V. Nederlandse Spoorwegen
Formation: Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing
Translated by
Richard était très disposé à faire une digression quand nous voulions poser des questions semi-liées sur des choses qui ne figuraient pas dans le programme. Les explications étaient claires et il était au premier plan des mises en garde dans tous les conseils qu'il nous donnait.
ARM Limited
Formation: Spark for Developers
Translated by
J'ai généralement aimé les connaissances du fernando.
Valentin de Dianous - Informatique ProContact INC.
Formation: Big Data Architect
Translated by
Je pense que le formateur avait un excellent style en combinant l'humour et des histoires réelles pour rendre les sujets abordables. Je recommande vivement ce professeur à l'avenir.
Formation: Spark for Developers
Translated by
C’est l’une des meilleures formations en ligne de qualité que j’ai jamais eues au cours de ma carrière de 13 ans. Continuez ce bon travail!.
Formation: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
| Code | Nom | Durée | Aperçu |
|---|---|---|---|
| smtwebint | Semantic Web Overview | 7 heures | Le Web sémantique est un mouvement de collaboration mené par le World Wide Web Consortium (W3C) qui fait la promotion de formats communs pour les données sur le Web. Le Web sémantique fournit un cadre commun permettant le partage et la réutilisation des données à travers les frontières des applications, des entreprises et des communautés. |
| datavault | Data Vault: Building a Scalable Data Warehouse | 28 heures | La modélisation du coffre-fort de données est une technique de modélisation de base de données qui fournit un stockage historique à long terme des données provenant de plusieurs sources Un coffre de données stocke une seule version des faits, ou "toutes les données, tout le temps" Sa conception flexible, évolutive, cohérente et adaptable englobe les meilleurs aspects de la 3ème forme normale (3NF) et du schéma en étoile Dans cette formation en ligne, les participants apprendront comment créer un coffre-fort de données À la fin de cette formation, les participants seront en mesure de: Comprendre les concepts d'architecture et de conception derrière Data Vault 20, et son interaction avec Big Data, NoSQL et AI Utiliser des techniques de stockage de données pour activer l'audit, le suivi et l'inspection des données historiques dans un entrepôt de données Développer un processus ETL (Extract, Transform, Load) cohérent et reproductible Construire et déployer des entrepôts hautement évolutifs et reproductibles Public Modélisateurs de données Spécialiste de l'entreposage de données Spécialistes de la Business Intelligence Les ingénieurs de données Administrateurs de base de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| sparkpython | Python and Spark for Big Data (PySpark) | 21 heures | Python est un langage de programmation de haut niveau connu pour sa syntaxe claire et sa lisibilité Spark est un moteur de traitement de données utilisé dans l'interrogation, l'analyse et la transformation de Big Data PySpark permet aux utilisateurs d'interfacer Spark avec Python Dans cette formation en ligne, les participants apprendront à utiliser Python et Spark ensemble pour analyser les données volumineuses lorsqu'ils travaillent sur des exercices handson À la fin de cette formation, les participants seront en mesure de: Apprenez à utiliser Spark avec Python pour analyser les données volumineuses Travailler sur des exercices qui imitent les circonstances du monde réel Utilisez différents outils et techniques pour l'analyse de données volumineuses à l'aide de PySpark Public Développeurs Professionnels de l'informatique Data Scientists Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| bigdatabicriminal | Big Data Business Intelligence for Criminal Intelligence Analysis | 35 heures | Les progrès technologiques et la quantité croissante d'informations transforment la façon dont les organismes d'application de la loi sont menés Les défis que pose le Big Data sont presque aussi décourageants que la promesse de Big Data Stocker des données efficacement est l'un de ces défis; l'analyser efficacement en est une autre Dans cette formation en ligne, les participants apprendront la manière d'aborder les technologies Big Data, évalueront leur impact sur les processus et politiques existants et mettront en œuvre ces technologies dans le but d'identifier les activités criminelles et de prévenir le crime Des études de cas provenant d'organismes d'application de la loi du monde entier seront examinées afin de mieux comprendre leurs approches, défis et résultats en matière d'adoption À la fin de cette formation, les participants seront en mesure de: Combinez la technologie Big Data avec des processus de collecte de données traditionnels pour reconstituer une histoire au cours d'une enquête Mettre en œuvre des solutions industrielles de stockage et de traitement de Big Data pour l'analyse de données Préparer une proposition pour l'adoption des outils et des processus les plus adéquats pour permettre une approche de l'enquête criminelle axée sur les données Public Spécialistes de l'application de la loi avec un bagage technique Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| BDATR | Big Data Analytics for Telecom Regulators | 16 heures | Pour répondre à la conformité des régulateurs, les fournisseurs de services de communication (CSP) peuvent exploiter Big Data Analytics qui non seulement les aide à respecter la conformité, mais dans le cadre de la même projet, ils peuvent augmenter la satisfaction du client et ainsi réduire le taux de désabonnement En fait depuis la conformité est liée à la qualité de service liée à un contrat, toute initiative visant à conformité, améliorera «l'avantage concurrentiel» des DSP Par conséquent, il est important que Les régulateurs devraient être en mesure de conseiller / orienter un ensemble de pratiques analytiques Big Data pour les CSP qui seront être mutuellement bénéfique entre les régulateurs et les DSP 2 jours de cours: 8 modules, 2 heures chacun = 16 heures . |
| graphcomputing | Introduction to Graph Computing | 28 heures | Un grand nombre de problèmes du monde réel peuvent être décrits en termes de graphiques Par exemple, le graphique Web, le graphique du réseau social, le graphique du réseau ferroviaire et le graphique du langage Ces graphiques ont tendance à être extrêmement volumineux; Leur traitement nécessite un ensemble spécialisé d'outils et de processus Ces outils et processus peuvent être appelés Graph Computing (également appelé Graph Analytics) Dans cette formation en ligne, les participants apprendront sur les offres technologiques et les approches de mise en œuvre pour le traitement des données graphiques L'objectif est d'identifier les objets du monde réel, leurs caractéristiques et relations, puis de modéliser ces relations et de les traiter comme des données en utilisant une approche de calcul graphique Nous commençons par un large aperçu et nous nous concentrons sur des outils spécifiques au fur et à mesure que nous progressons dans une série d'études de cas, d'exercices pratiques et de déploiements en direct À la fin de cette formation, les participants seront en mesure de: Comprendre comment les données graphiques sont persistantes et traversées Sélectionnez le meilleur framework pour une tâche donnée (des bases de données graphiques aux frameworks de traitement par lots) Implémenter Hadoop, Spark, GraphX et Pregel pour effectuer le calcul graphique sur plusieurs machines en parallèle Voir les problèmes de big data de realworld en termes de graphiques, de processus et de traversées Public Développeurs Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| matlabpredanalytics | Matlab for Predictive Analytics | 21 heures | L'analyse prédictive est le processus d'utilisation de l'analyse de données pour faire des prédictions sur le futur Ce processus utilise des données ainsi que des techniques d'exploration de données, de statistiques et d'apprentissage automatique pour créer un modèle prédictif de prévision d'événements futurs Dans cette formation en ligne, les participants apprendront à utiliser Matlab pour créer des modèles prédictifs et les appliquer à de grands ensembles de données pour prédire les événements futurs en fonction des données À la fin de cette formation, les participants seront en mesure de: Créer des modèles prédictifs pour analyser les modèles dans les données historiques et transactionnelles Utiliser la modélisation prédictive pour identifier les risques et les opportunités Construire des modèles mathématiques qui capturent les tendances importantes Utiliser les données des appareils et des systèmes d'entreprise pour réduire le gaspillage, gagner du temps ou réduire les coûts Public Développeurs Ingénieurs Les experts du domaine Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| nifidev | Apache NiFi for Developers | 7 heures | Apache NiFi (Hortonworks DataFlow) est une plate-forme de traitement de données et de logistique de données intégrée en temps réel qui permet le déplacement, le suivi et l'automatisation des données entre les systèmes Il est écrit en utilisant la programmation basée sur les flux et fournit une interface utilisateur basée sur le Web pour gérer les flux de données en temps réel Dans cette formation en ligne, les participants apprendront les principes fondamentaux de la programmation basée sur les flux en développant un certain nombre d'extensions de démonstration, de composants et de processeurs utilisant Apache NiFi À la fin de cette formation, les participants seront en mesure de: Comprendre l'architecture de NiFi et les concepts de flux de données Développer des extensions en utilisant des API NiFi et tierces Personnaliser développer leur propre processeur Apache Nifi Ingest et traitement de données en temps réel à partir de formats de fichiers et de sources de données disparates et peu communs Public Développeurs Les ingénieurs de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| nifi | Apache NiFi for Administrators | 21 heures | Apache NiFi (Hortonworks DataFlow) est une plate-forme de traitement de données et de logistique de données intégrée en temps réel qui permet le déplacement, le suivi et l'automatisation des données entre les systèmes Il est écrit en utilisant la programmation basée sur les flux et fournit une interface utilisateur basée sur le Web pour gérer les flux de données en temps réel Dans cette formation en ligne, les participants apprendront comment déployer et gérer Apache NiFi dans un environnement de laboratoire en direct À la fin de cette formation, les participants seront en mesure de: Installez et configurez Apachi NiFi Source, transformer et gérer les données à partir de sources de données dispersées et disparates, y compris des bases de données et des lacs de données volumineuses Automatiser les flux de données Activer l'analyse en continu Appliquer différentes approches pour l'ingestion de données Transformez les Big Data et les informations sur les entreprises Public Administrateurs système Les ingénieurs de données Développeurs DevOps Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| solrcloud | SolrCloud | 14 heures | Apache SolrCloud est un moteur de traitement de données distribué qui facilite la recherche et l'indexation de fichiers sur un réseau distribué Dans cette formation en ligne, les participants apprendront comment configurer une instance SolrCloud sur Amazon AWS À la fin de cette formation, les participants seront en mesure de: Comprendre les fonctionnalités de SolCloud et comment elles se comparent à celles des clusters masterslave conventionnels Configurer un cluster centralisé SolCloud Automatisez les processus tels que la communication avec les partitions, l'ajout de documents aux partitions, etc Utilisez Zookeeper conjointement avec SolrCloud pour automatiser davantage les processus Utiliser l'interface pour gérer les rapports d'erreurs Équilibrer la charge d'une installation SolrCloud Configurer SolrCloud pour un traitement continu et un basculement Public Développeurs Solr Chefs de projet Administrateurs système Analystes de recherche Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| datameer | Datameer for Data Analysts | 14 heures | Datameer est une plateforme de business intelligence et d'analyse basée sur Hadoop Il permet aux utilisateurs finaux d'accéder, d'explorer et de mettre en corrélation des données à grande échelle, structurées, semi-structurées et non structurées de manière simple Dans cette formation en ligne, les participants apprendront à utiliser Datameer pour surmonter la courbe d'apprentissage abrupte d'Hadoop à mesure qu'ils progressent dans la configuration et l'analyse d'une série de sources de données volumineuses À la fin de cette formation, les participants seront en mesure de: Créer, organiser et explorer de manière interactive un lac de données d'entreprise Accéder aux entrepôts de données de Business Intelligence, aux bases de données transactionnelles et aux autres magasins analytiques Utiliser une interface utilisateur de feuille de calcul pour concevoir des pipelines de traitement de données endtoend Accéder à des fonctions prédéfinies pour explorer des relations de données complexes Utilisez les assistants draganddrop pour visualiser les données et créer des tableaux de bord Utiliser des tableaux, des graphiques, des graphiques et des cartes pour analyser les résultats de la requête Public Analystes de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| memsql | MemSQL | 28 heures | MemSQL est un système de gestion de bases de données SQL distribué, inmémoire, pour le cloud et les applications C'est un entrepôt de données en temps réel qui fournit immédiatement des informations à partir de données en direct et historiques Dans cette formation en ligne, les participants apprendront l'essentiel de MemSQL pour le développement et l'administration À la fin de cette formation, les participants seront en mesure de: Comprendre les concepts clés et les caractéristiques de MemSQL Installer, concevoir, maintenir et utiliser MemSQL Optimiser les schémas dans MemSQL Améliorer les requêtes dans MemSQL Performances de référence dans MemSQL Construire des applications de données en temps réel en utilisant MemSQL Public Développeurs Administrateurs Ingénieurs d'opération Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| tigon | Tigon: Real-time Streaming for the Real World | 14 heures | Tigon est un framework de traitement de flux opensource, temps réel, lowlatency, highthroughput, native natif, qui se trouve au-dessus de HDFS et de HBase pour la persistance Les applications Tigon traitent des cas d'utilisation tels que la détection et l'analyse des intrusions sur le réseau, l'analyse des marchés des médias sociaux, l'analyse de l'emplacement et les recommandations en temps réel aux utilisateurs Cette formation en ligne, introduite par un instructeur, présente l'approche de Tigon qui consiste à mélanger le traitement en temps réel et le traitement par lots tout en guidant les participants à travers la création d'un exemple d'application À la fin de cette formation, les participants seront en mesure de: Créez de puissantes applications de traitement de flux pour gérer de gros volumes de données Traiter des sources de flux telles que Twitter et Webserver Logs Utilisez Tigon pour joindre, filtrer et agréger rapidement des flux Public Développeurs Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| ApacheIgnite | Apache Ignite: Improve Speed, Scale and Availability with In-Memory Computing | 14 heures | Apache Ignite is an in-memory computing platform that sits between the application and data layer to improve speed, scale, and availability。 In this instructor-led, live training, participants will learn the principles behind persistent and pure in-memory storage as they step through the creation of a sample in-memory computing project. By the end of this training, participants will be able to: - Use Ignite for in-memory, on-disk persistence as well as a purely distributed in-memory database. - Achieve persistence without syncing data back to a relational database. - Use Ignite to carry out SQL and distributed joins. - Improve performance by moving data closer to the CPU, using RAM as a storage. - Spread data sets across a cluster to achieve horizontal scalability. - Integrate Ignite with RDBMS, NoSQL, Hadoop and machine learning processors. Format of the course - Part lecture, part discussion, exercises and heavy hands-on practice |
| vespa | Vespa: Serving Large-Scale Data in Real-Time | 14 heures | Vespa est un moteur de traitement de données et de traitement de données opensource créé par Yahoo Il est utilisé pour répondre aux requêtes des utilisateurs, faire des recommandations et fournir un contenu personnalisé et des publicités en temps réel Cette formation en ligne, instruite, introduit les défis de la diffusion de données à grande échelle et guide les participants à travers la création d'une application capable de calculer les réponses aux demandes des utilisateurs, sur de grands ensembles de données en temps réel À la fin de cette formation, les participants seront en mesure de: Utilisez Vespa pour calculer rapidement les données (stocker, rechercher, classer, organiser) au moment du service pendant qu'un utilisateur attend Implémenter Vespa dans des applications existantes impliquant la recherche de fonctionnalités, les recommandations et la personnalisation Intégrez et déployez Vespa avec les systèmes Big Data existants tels que Hadoop et Storm Public Développeurs Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| apex | Apache Apex: Processing Big Data-in-Motion | 21 heures | Apache Apex est une plate-forme YARNnative qui unifie le traitement des flux et des lots Il traite les données importantes de manière évolutive, performante, tolérante, dynamique, distribuée et facilement exploitable Cette formation en ligne, en mode instructeur, présente l'architecture de traitement de flux unifié d'Apache Apex et guide les participants à travers la création d'une application distribuée utilisant Apex sur Hadoop À la fin de cette formation, les participants seront en mesure de: Comprendre les concepts de pipeline de traitement de données tels que les connecteurs pour les sources et les puits, les transformations de données communes, etc Construire, dimensionner et optimiser une application Apex Traiter les flux de données en temps réel de manière fiable et avec une latence minimale Utilisez Apex Core et la bibliothèque Apex Malhar pour accélérer le développement d'applications Utiliser l'API Apex pour écrire et réutiliser le code Java existant Intégrer Apex dans d'autres applications en tant que moteur de traitement Régler, tester et mettre à l'échelle les applications Apex Public Développeurs Architectes d'entreprise Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| alluxio | Alluxio: Unifying Disparate Storage Systems | 7 heures | Alexio est un système de stockage distribué virtuel opensource qui unifie les systèmes de stockage disparates et permet aux applications d'interagir avec les données à la vitesse de la mémoire Il est utilisé par des sociétés telles que Intel, Baidu et Alibaba Dans cette formation en ligne, les participants apprendront à utiliser Alexio pour rapprocher différents cadres de calcul avec des systèmes de stockage et gérer efficacement des données à l'échelle de plusieurs octets au fur et à mesure de la création d'une application avec Alluxio À la fin de cette formation, les participants seront en mesure de: Développer une application avec Alluxio Connectez des systèmes et applications Big Data tout en préservant un espace de nom Extraction efficace de la valeur de Big Data dans n'importe quel format de stockage Améliorer les performances de la charge de travail Déployer et gérer Alluxio autonome ou en cluster Public Data scientist Développeur Administrateur du système Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| flink | Flink for Scalable Stream and Batch Data Processing | 28 heures | Apache Flink est un framework opensource pour le traitement de données de flux et de lots évolutif Cette formation en ligne, introduite par un instructeur, présente les principes et les approches qui sous-tendent le traitement distribué des données par lots et par lots, et guide les participants à travers la création d'une application de streaming de données en temps réel À la fin de cette formation, les participants seront en mesure de: Mettre en place un environnement pour développer des applications d'analyse de données Intégrez, exécutez et surveillez les applications de streaming de données basées sur Flinkbased, faulttolerant Gérer des charges de travail diverses Effectuer des analyses avancées à l'aide de Flink ML Configurer un cluster Flink multinoeud Mesurer et optimiser les performances Intégrez Flink avec différents systèmes Big Data Comparez les capacités de Flink avec celles d'autres grands frameworks de traitement de données Public Développeurs Architectes Les ingénieurs de données Les professionnels de l'analyse Directeurs techniques Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| samza | Samza for Stream Processing | 14 heures | Apache Samza est une architecture computationnelle asynchrone, nearrealtime, opensource pour le traitement de flux Il utilise Apache Kafka pour la messagerie et Apache Hadoop YARN pour la tolérance aux pannes, l'isolation du processeur, la sécurité et la gestion des ressources Cette formation en direct instruite introduit les principes qui sous-tendent les systèmes de messagerie et le traitement des flux distribués, tout en guidant les participants à travers la création d'un exemple de projet Samzabased et d'exécution de tâches À la fin de cette formation, les participants seront en mesure de: Utilisez Samza pour simplifier le code nécessaire pour produire et consommer des messages Découpler la gestion des messages d'une application Utilisez Samza pour implémenter le calcul asynchrone nearrealtime Utilisez le traitement de flux pour fournir un plus haut niveau d'abstraction sur les systèmes de messagerie Public Développeurs Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| zeppelin | Zeppelin for Interactive Data Analytics | 14 heures | Apache Zeppelin est un bloc-notes basé sur le Web pour la capture, l'exploration, la visualisation et le partage de données basées sur Hadoop et Spark Cette formation en ligne, introduite en classe, présente les concepts de l'analyse interactive des données et guide les participants à travers le déploiement et l'utilisation de Zeppelin dans un environnement à utilisateur unique ou multi-utilisateur À la fin de cette formation, les participants seront en mesure de: Installer et configurer Zeppelin Développer, organiser, exécuter et partager des données dans une interface basée sur un navigateur Visualisez les résultats sans faire référence à la ligne de commande ou aux détails du cluster Exécuter et collaborer sur de longs workflows Travailler avec un certain nombre de plugin language / dataprocessingbackends, tels que Scala (avec Apache Spark), Python (avec Apache Spark), SQL Spark, JDBC, Markdown et Shell Intégrez Zeppelin avec Spark, Flink et Map Reduce Instances multi-utilisateurs sécurisées de Zeppelin avec Apache Shiro Public Les ingénieurs de données Analystes de données Les scientifiques de données Les développeurs de logiciels Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| magellan | Magellan: Geospatial Analytics on Spark | 14 heures | Magellan est un moteur d'exécution distribuée opensource pour l'analyse géospatiale sur Big Data Implémenté au-dessus d'Apache Spark, il étend Spark SQL et fournit une abstraction relationnelle pour l'analyse géospatiale Cette formation en ligne, introduite en classe, présente les concepts et les approches pour la mise en œuvre de l'analyse géospaciale et guide les participants à travers la création d'une application d'analyse prédictive à l'aide de Magellan sur Spark À la fin de cette formation, les participants seront en mesure de: Interrogez, analysez et joignez efficacement les ensembles de données géospatiales à l'échelle Implémenter des données géospatiales dans les applications de business intelligence et d'analyse prédictive Utiliser le contexte spatial pour étendre les capacités des appareils mobiles, des capteurs, des journaux et des accessoires connectés Public Les développeurs d'applications Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| hadooppython | Hadoop with Python | 28 heures | Hadoop est un framework de traitement Big Data populaire Python est un langage de programmation de haut niveau connu pour sa syntaxe claire et sa lisibilité Dans cette formation en ligne, les participants apprendront à travailler avec Hadoop, MapReduce, Pig et Spark à l'aide de Python, tout en parcourant plusieurs exemples et cas d'utilisation À la fin de cette formation, les participants seront en mesure de: Comprendre les concepts de base de Hadoop, MapReduce, Pig et Spark Utilisez Python avec le système de fichiers distribués Hadoop (HDFS), MapReduce, Pig et Spark Utiliser Snakebite pour accéder par programme à HDFS dans Python Utilisez mrjob pour écrire des jobs MapReduce dans Python Écrire des programmes Spark avec Python Étendre les fonctionnalités de pig en utilisant les UDF Python Gérer les jobs MapReduce et les scripts Pig en utilisant Luigi Public Développeurs Professionnels de l'informatique Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| monetdb | MonetDB | 28 heures | MonetDB est une base de données opensource qui a été le pionnier de l'approche technologique columnstore Dans cette formation en ligne, les participants apprendront à utiliser MonetDB et à en tirer le meilleur parti À la fin de cette formation, les participants seront en mesure de: Comprendre MonetDB et ses fonctionnalités Installez et commencez avec MonetDB Explorer et exécuter différentes fonctions et tâches dans MonetDB Accélérer la livraison de leur projet en maximisant les capacités de MonetDB Public Développeurs Experts techniques Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| PentahoDI | Pentaho Data Integration Fundamentals | 21 heures | Pentaho Data Integration est un outil d'intégration de données opensource permettant de définir des tâches et des transformations de données Dans cette formation en ligne, les participants apprendront à utiliser les capacités ETL puissantes de Pentaho Data Integration et leur interface utilisateur graphique pour gérer un cycle de vie complet des données volumineuses, en maximisant la valeur des données pour l'organisation À la fin de cette formation, les participants seront en mesure de: Créer, prévisualiser et exécuter des transformations de données de base contenant des étapes et des sauts Configurer et sécuriser le référentiel Pentaho Enterprise Exploitez des sources de données disparates et générez une version unique et unifiée de la vérité dans un format analyticsready Fournir des résultats aux applications tierces pour traitement ultérieur Public Analyste de données Développeurs ETL Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson . |
| introtostreamprocessing | A Practical Introduction to Stream Processing | 21 heures | Le traitement de flux fait référence au traitement en temps réel de "données en mouvement", c'est-à-dire, effectuer des calculs sur des données lors de leur réception Ces données sont lues comme des flux continus provenant de sources de données telles que les événements de capteurs, les transactions financières, les balayages de cartes de crédit, les flux de clics, etc Les structures de traitement de flux peuvent lire de gros volumes de données entrantes Dans le cadre de cette formation en direct (sur place ou à distance), les participants apprendront comment configurer et intégrer différents cadres de traitement de flux avec des systèmes de stockage de données volumineuses et des applications et microservices connexes À la fin de cette formation, les participants seront en mesure de: Installer et configurer différents cadres de traitement de flux, tels que Spark Streaming et Kafka Streaming Comprendre et sélectionner le cadre le plus approprié pour le travail Processus de données en continu, simultanément, et de manière recordbyregistrée Intégrez les solutions de traitement de flux aux bases de données existantes, aux entrepôts de données, aux lacs de données, etc Intégration de la bibliothèque de traitement de flux la plus appropriée avec les applications d'entreprise et les microservices Public Développeurs Architectes logiciels Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson Remarques Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser . |
| confluent | Building Kafka Solutions with Confluent | 14 heures | cette formation en direct (sur site ou à distance) dirigée par un instructeur est destinée aux ingénieurs qui souhaitent utiliser confluent (une distribution de Kafka) pour construire et gérer une plate-forme de traitement de données en temps réel pour leurs applications. à la fin de cette formation, les participants pourront: - installer et configurer confluent Platform. - Utilisez les outils et services de gestion confluent & #39; s pour exécuter Kafka plus facilement. - stocker et traiter les données de flux entrantes. - optimiser et gérer les clusters Kafka. flux de données - Secure. format du cours - interactive Conférence et discussion. - beaucoup d'exercices et de pratique. - Hands-on mise en œuvre dans un environnement Live-Lab. options de personnalisation de cours - ce cours est basé sur la version open source de confluent: confluent Open source. - pour demander une formation personnalisée pour ce cours, s'il vous plaît contactez-nous pour organiser. |
| dataminpython | Data Mining with Python | 14 heures | cette formation dirigée par un instructeur, en direct (sur site ou à distance) s'adresse aux analystes de données et aux scientifiques de données qui souhaitent implémenter des techniques d'analyse de données plus avancées pour l'exploration de données à l'aide de Python. à la fin de cette formation, les participants pourront: - comprendre les domaines importants de l'exploration de données, y compris l'exploration des règles d'association, l'analyse du sentiment textuel, la synthèse automatique des textes et la détection des anomalies de données. - comparez et implémentez diverses stratégies pour résoudre des problèmes réels d'exploration de données. - comprendre et interpréter les résultats. format du cours - conférence interactive et discussion. - beaucoup d'exercices et de la pratique. implémentation de - Hands-on dans un environnement Live-Lab. cours options de personnalisation - pour demander une formation personnalisée pour ce cours, s'il vous plaît nous contacter pour organiser. |
| sparkcloud | Apache Spark in the Cloud | 21 heures | Apache Spark's learning curve is slowly increasing at the begining, it needs a lot of effort to get the first return. This course aims to jump through the first tough part. After taking this course the participants will understand the basics of Apache Spark , they will clearly differentiate RDD from DataFrame, they will learn Python and Scala API, they will understand executors and tasks, etc. Also following the best practices, this course strongly focuses on cloud deployment, Databricks and AWS. The students will also understand the differences between AWS EMR and AWS Glue, one of the lastest Spark service of AWS. AUDIENCE: Data Engineer, DevOps, Data Scientist |
| bigdataanahealth | Big Data Analytics in Health | 21 heures | L'analyse des données volumineuses implique le processus consistant à examiner de grandes quantités d'ensembles de données variés afin de découvrir des corrélations, des modèles cachés et d'autres informations utiles L'industrie de la santé a des quantités massives de données médicales et cliniques hétérogènes complexes L'application de l'analyse des données volumineuses aux données sur la santé présente un énorme potentiel pour obtenir des informations sur l'amélioration de la prestation des soins de santé Cependant, l'énormité de ces ensembles de données pose de grands défis dans les analyses et les applications pratiques à un environnement clinique Dans le cadre de cette formation en ligne (à distance), les participants apprendront à effectuer des analyses de données volumineuses en matière de santé au cours d'une série d'exercices pratiques À la fin de cette formation, les participants seront en mesure de: Installer et configurer des outils d'analyse de Big Data tels que Hadoop MapReduce et Spark Comprendre les caractéristiques des données médicales Appliquer des techniques de big data pour traiter les données médicales Étudier les systèmes de données volumineuses et les algorithmes dans le contexte des applications de santé Public Développeurs Data Scientists Format du cours Partie conférence, discussion partielle, exercices et pratique lourde de handson Remarque Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser . |
| arrow | Apache Arrow for Data Analysis across Disparate Data Sources | 14 heures | Apache Arrow est un framework de traitement de données inmemory opensource Il est souvent utilisé avec d'autres outils de science des données pour accéder à des bases de données disparates à des fins d'analyse Il s'intègre bien avec d'autres technologies telles que les bases de données GPU, les bibliothèques et outils d'apprentissage automatique, les moteurs d'exécution et les frameworks de visualisation de données Dans le cadre de cette formation en ligne, les participants apprendront à intégrer Apache Arrow à divers frameworks Data Science pour accéder aux données provenant de sources de données disparates À la fin de cette formation, les participants seront en mesure de: Installer et configurer Apache Arrow dans un environnement en cluster distribué Utilisez Apache Arrow pour accéder aux données provenant de sources de données disparates Utilisez Apache Arrow pour contourner le besoin de construire et de maintenir des pipelines ETL complexes Analyser des données sur des sources de données disparates sans avoir à les consolider dans un référentiel centralisé Public Les scientifiques de données Les ingénieurs de données Format du cours Partie conférence, discussion en partie, exercices et pratique lourde de handson Remarque Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser . |
| Formation | Date Formation | Prix [A distance / Classe] |
|---|---|---|
| Apache Drill Query Optimization - Grenoble, Centre Ville proche Gare | mer, 2019-03-13 09:30 | 1500EUR / 1900EUR |
| Apache Drill Query Optimization - Lille, Gare Flandres | ven, 2019-03-15 09:30 | 1500EUR / 1900EUR |
| Apache Drill Query Optimization - Tours, Parc Honoré de Balzac | ven, 2019-03-15 09:30 | 1500EUR / 1900EUR |
| Apache Drill Query Optimization - Montpellier, Garosud | jeu, 2019-03-21 09:30 | 1500EUR / 1900EUR |
| Apache Drill Query Optimization - Marseille, Quartier du Prado | mer, 2019-03-27 09:30 | 1500EUR / 1900EUR |
| Formation | Lieu | Date Formation | Prix [A distance / Classe] |
|---|---|---|---|
| Advanced Statistics using SPSS Predictive Analytics Software | Strasbourg, Kibitzenau Station | lun, 2019-04-01 09:30 | 6300EUR / 7300EUR |
| R for Data Analysis and Research | Orléans, gare centrale | lun, 2019-04-15 09:30 | 1575EUR / 1975EUR |
| Advanced Go Programming | Limoges, Centre Ville | mar, 2019-06-04 09:30 | 4725EUR / 5525EUR |
| Blockchain for Financial Bodies | Limoges, Centre Ville | jeu, 2019-06-06 09:30 | 3150EUR / 3750EUR |
| The Secure Coding Landscape | Marseille, Quartier du Prado | mar, 2019-07-09 09:30 | 3150EUR / 3750EUR |
.jpg "aeronautical radio, incorporated (arinc)")
_ireland.gif "environmental protection agency (epa) ireland")
We are looking to expand our presence in France!
If you are interested in running a high-tech, high-quality training and consulting business.
Apply now!
