Formation Hadoop en France

Cette formation en France (en ligne ou sur site) est destinée aux développeurs qui souhaitent utiliser et intégrer Spark, Hadoop et Python pour traiter, analyser et transformer des ensembles de données complexes et volumineux.A l'issue de cette formation, les participants seront capables de :

• Mettre en place l'environnement nécessaire pour commencer à traiter les big data avec Spark, Hadoop et Python.
• Comprendre les fonctionnalités, les composants de base et l'architecture de Spark et Hadoop.
• Apprendre à intégrer Spark, Hadoop et Python pour le traitement des big data.
• Explorer les outils de l'écosystème Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka et Flume).
• Construire des systèmes de recommandation par filtrage collaboratif similaires à Netflix, YouTube, Amazon, Spotify et Google.
• Utiliser Apache Mahout pour mettre à l'échelle des algorithmes d'apprentissage automatique.

Ce cours explique comment utiliser le SQL Hive SQL (AKA: Hive HQL, SQL sur Hive , Hive QL) pour les personnes qui extraient des données à partir de Hive

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 .

Le cours s'adresse aux spécialistes de l'informatique :Ce cours s'adresse aux spécialistes de l'informatique qui recherchent une solution pour stocker et traiter de grands ensembles de données dans un environnement de système distribué.Goal :Connaissance approfondie de l'administration des clusters Hadoop.

L'analyse de données volumineuses implique l'examen 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 dispose de quantités massives de données médicales et cliniques hétérogènes complexes. L'application de l'analyse de données volumineuses sur les données de santé présente un potentiel énorme pour la compréhension de l'amélioration de la prestation des soins de santé. Cependant, l'énormité de ces ensembles de données pose de grands défis pour les analyses et les applications pratiques dans un environnement clinique. Au cours de cette formation en direct animée par un instructeur (à distance), les participants apprendront à effectuer des analyses de données volumineuses dans le domaine de la santé tout en effectuant une série d'exercices pratiques en laboratoire. À la fin de cette formation, les participants seront en mesure de:

• Installer et configurer des outils d'analyse de données volumineuses tels que Hadoop MapReduce et Spark
• Comprendre les caractéristiques des données médicales
• Appliquer des techniques Big Data pour traiter des données médicales
• Etudiez les systèmes de données volumineuses et les algorithmes dans le contexte d'applications de santé

Public

• Développeurs
• Data Scientists

Format du cours

• Partie lecture, partie discussion, exercices et exercices intensifs.

Remarque

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Le cours s'adresse aux informaticiens qui recherchent une solution pour stocker et traiter de grands ensembles de données dans un environnement de système distribué.Objectif du cours :Acquérir des connaissances sur l'administration des clusters Hadoop.

Apache Hadoop est le framework le plus populaire pour traiter Big Data sur des clusters de serveurs. Dans ce cours de trois (optionnellement, quatre) jours, les participants apprendront les avantages commerciaux et les cas d'utilisation de Hadoop et de son écosystème, comment planifier le déploiement et la croissance d'un cluster, comment installer, maintenir, surveiller, dépanner et optimiser Hadoop. Ils s'exerceront également au chargement de données en masse, se familiariseront avec les différentes distributions de Hadoop et s'entraîneront à installer et à gérer les outils de l'écosystème Hadoop. Le cours se termine par une discussion sur la sécurisation des clusters avec Kerberos."...Le matériel était très bien préparé et couvert de manière exhaustive. Le laboratoire était très utile et bien organisé"
- Andrew Nguyen, Ingénieur DW d'intégration principal, Microsoft Online AdvertisingAudienceHadoop administrateursFormatCours magistraux et travaux pratiques, approximativement 60% de cours magistraux et 40% de travaux pratiques.

Apache Hadoop est le framework le plus populaire pour le traitement Big Data sur des clusters de serveurs. Ce cours introduira le développeur aux différents composants (HDFS, MapReduce, Pig, Hive et HBase) Hadoop de l'écosystème.

Apache Hadoop est l'un des frameworks les plus populaires pour le traitement Big Data sur des clusters de serveurs. Ce cours aborde la gestion des données dans HDFS, Pig avancé, Hive, et HBase. Ces techniques de programmation avancées seront bénéfiques pour les développeurs Hadoop expérimentés.Public: développeursDurée : trois joursFormat : cours magistraux (50%) et travaux pratiques (50%).

Hadoop est le cadre de traitement Big Data le plus populaire.

Dans cette formation dirigée par un instructeur dans France, les participants apprendront les composants essentiels de l'écosystème Hadoop et comment ces technologies peuvent être utilisées pour résoudre des problèmes à grande échelle. En apprenant ces bases, les participants amélioreront leur capacité à communiquer avec les développeurs et les implémenteurs de ces systèmes, ainsi qu'avec les scientifiques des données et les analystes que de nombreux projets informatiques impliquent.Public

• Chefs de projet souhaitant mettre en œuvre Hadoop dans leur infrastructure de développement ou informatique existante
• Chefs de projet ayant besoin de communiquer avec des équipes interfonctionnelles comprenant des ingénieurs big data, des data scientists et des analystes d'entreprise.

Public :Ce cours vise à démystifier la technologie big data/hadoop et à montrer qu'elle n'est pas difficile à comprendre.

Hadoop est un cadre de traitement Big Data populaire. Python est un langage de programmation de haut niveau réputé pour sa syntaxe claire et la lisibilité de son code.Dans cette formation en direct, les participants apprendront à travailler avec Hadoop, MapReduce, Pig et Spark en utilisant Python à travers de nombreux exemples et cas d'utilisation.À la fin de cette formation, les participants seront capables de :

• Comprendre les concepts de base de Hadoop, MapReduce, Pig et Spark
• Utiliser Python avec Hadoop Distributed File System (HDFS), MapReduce, Pig et Spark
• Utiliser Snakebite pour accéder de manière programmatique à HDFS dans Python.
• Utiliser mrjob pour écrire des jobs MapReduce dans Python
• Écrire des programmes Spark avec Python
• Étendre les fonctionnalités de Pig à l'aide des UDF Python
• Gérer les jobs MapReduce et les scripts Pig avec Luigi

Public

• Développeurs
• Professionnels de l'informatique

Format du cours

• Une partie de cours, une partie de discussion, des exercices et une grande partie de pratique.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux administrateurs système qui souhaitent apprendre à mettre en place, déployer et gérer des clusters Hadoop au sein de leur organisation. A l'issue de cette formation, les participants seront capables de :

• Installer et configurer Apache Hadoop.
• Comprendre les quatre composants majeurs de l'écosystème Hadoop : HDFS, MapReduce, YARN et Hadoop Common.
• Utiliser le système de fichiers distribués Hadoop (HDFS) pour faire évoluer un cluster vers des centaines ou des milliers de nœuds. 
• Configurer HDFS comme moteur de stockage pour les déploiements Spark sur site.
• Configurer Spark pour accéder à des solutions de stockage alternatives telles qu'Amazon S3 et des systèmes de base de données NoSQL tels que Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Exécuter des tâches administratives telles que le provisionnement, la gestion, la surveillance et la sécurisation d'un cluster Apache Hadoop.

Ce cours présente HBase - un magasin No SQL au-dessus de Hadoop . Le cours est destiné aux développeurs qui utiliseront HBase pour développer des applications et aux administrateurs qui géreront les clusters HBase. Nous guiderons un développeur à travers l'architecture HBase, la modélisation de données et le développement d'applications sur HBase. Il discutera également de l’utilisation de MapReduce avec HBase et de quelques sujets d’administration liés à l’optimisation des performances. Le cours est très pratique avec de nombreux exercices de laboratoire.
Durée : 3 jours Audience : Développeurs et Administrateurs

Au cours de cette formation en direct, dirigée par un instructeur, à France (sur place ou à distance), les participants apprendront à déployer et à gérer Apache NiFi dans un environnement de laboratoire réel.A la fin de cette formation, les participants seront capables de :

• Installer et configurer Apachi NiFi.
• Rechercher, transformer et gérer des données à partir de sources de données disparates et distribuées, y compris les bases de données et les lacs de données.
• Automatiser les flux de données.
• Permettre l'analyse en continu.
• Appliquer différentes approches pour l'ingestion de données.
• Transformer les données Big Data en informations commerciales.

Au cours de cette formation en direct et dirigée par un instructeur dans France, les participants apprendront les principes fondamentaux de la programmation par flux en développant un certain nombre d'extensions, de composants et de processeurs de démonstration à l'aide de Apache NiFi.A la fin de cette formation, les participants seront capables de :

• Comprendre l'architecture de NiFi et les concepts de flux de données.
• Développer des extensions en utilisant NiFi et des APIs tierces.
• Développer leur propre processeur Apache Nifi.
• Ingérer et traiter des données en temps réel à partir de formats de fichiers et de sources de données disparates et peu communs.

Apache Samza est un framework de calcul asynchrone open source quasi-temps réel 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, animée par un instructeur, présente les principes sous-jacents aux systèmes de messagerie et au traitement de flux distribué, tout en guidant les participants dans la création d'un exemple de projet et d'exécution de travaux basé sur Samza. À la fin de cette formation, les participants seront en mesure de:

• Utilisez Samza pour simplifier le code nécessaire à la production et à la consommation de messages.
• Découpler le traitement des messages d'une application.
• Utilisez Samza pour implémenter un calcul asynchrone en temps quasi réel.
• Utilisez le traitement de flux pour fournir un niveau d'abstraction plus élevé sur les systèmes de messagerie.

Public

• Développeurs

Format du cours

• Partie de conférence, partie de discussion, exercices et exercices intensifs

Cette formation en direct à France (en ligne ou sur site) présente Hortonworks Data Platform (HDP) et accompagne les participants dans le déploiement de la solution Spark + Hadoop.A l'issue de cette formation, les participants seront capables de :

• Utiliser Hortonworks pour exécuter de manière fiable Hadoop à grande échelle.
• Unifier les capacités de sécurité, de gouvernance et d'exploitation de Hadoop avec les flux de travail analytiques agiles de Spark.
• Utiliser Hortonworks pour étudier, valider, certifier et prendre en charge chacun des composants d'un projet Spark.
• Traiter différents types de données, notamment structurées, non structurées, en mouvement et au repos.

Ambari Apache Ambari est une plateforme de gestion open-source pour le provisionnement, la gestion, la surveillance et la sécurisation des clusters Apache Hadoop.Dans cette formation, les participants apprendront les outils de gestion et les pratiques fournies par Ambari pour gérer avec succès les clusters Hadoop.A la fin de cette formation, les participants seront capables de :

• Configurer un cluster Big Data en utilisant Ambari
• Appliquer les caractéristiques et fonctionnalités avancées d'Ambari à divers cas d'utilisation
• Ajouter et supprimer des noeuds de manière transparente selon les besoins
• Améliorer les performances d'un cluster Hadoop par le biais de réglages et d'ajustements.

Audience

• DevOps
• Administrateurs système
• administrateurs de bases de données
• Hadoop Professionnels des tests

Format du cours

• Une partie de cours, une partie de discussion, des exercices et beaucoup de pratique.

Cloudera Impala est un moteur de requête open source de traitement massivement parallèle (MPP) SQL pour les clusters Apache Hadoop.Cloudera Impala permet aux utilisateurs d'émettre des requêtes à faible latence SQL sur des données stockées dans Hadoop Distributed File System et Apache Hbase sans avoir à déplacer ou à transformer les données.PublicCe cours s'adresse aux analystes et aux scientifiques des données qui effectuent des analyses sur des données stockées dans Hadoop via des outils Business Intelligence ou SQL.À l'issue de cette formation, les participants seront en mesure de

• Extraire des informations significatives des clusters Hadoop avec Impala.
• Écrire des programmes spécifiques pour faciliter Business Intelligence dans Impala SQL Dialecte.
• Dépanner Impala.