Istanbul Merkezli Hadoop Eğitimleri

Bu eğitmen liderliğindeki, canlı eğitim (Istanbul çevrimiçi veya yerinde), büyük ve karmaşık veri kümelerini işlemek, analiz etmek ve dönüştürmek için Spark, Hadoop ve Python'yı kullanmak ve entegre etmek isteyen geliştiricilere yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Spark, Hadoop ve Python ile büyük veri işlemeye başlamak için gerekli ortamı kurmak.
• Spark ve Hadoop'in özelliklerini, temel bileşenlerini ve mimarisini anlamak.
• Büyük veri işleme için Spark, Hadoop ve Python'yı nasıl entegre edeceğini öğrenmek.
• Spark ekosistemindeki araçları (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka ve Flume) keşfetmek.
• Netflix, YouTube, Amazon, Spotify ve Google gibi işbirlikçi filtreleme öneri sistemleri oluşturmak.
• Apache Mahout'u kullanarak makine öğrenimi algoritmalarını ölçeklendirmek.

Bu kurs, Hive SQL dilinin (aynı zamanda: Hive HQL, SQL üzerinde Hive, HiveQL) Hive'den veri çıkaran kişiler için nasıl kullanılacağını kapsamaktadır.

Hedef Kitle: Bu kurs, dağıtık bir sistem ortamında büyük veri kümelerini depolamak ve işlemek için bir çözüm arayan BT uzmanlarına yöneliktir. Goal: Hadoop küme yönetimi konusunda derin bilgi.

Büyük veri analitiği, korelasyonları, gizli kalıpları ve diğer faydalı bilgileri ortaya çıkarmak amacıyla büyük ve çeşitli veri kümelerinin incelenmesi sürecini içerir. Sağlık sektörü, karmaşık ve heterojen tıbbi ve klinik verilerin büyük miktarlarına sahiptir. Sağlık verileri üzerinde büyük veri analitiği uygulamak, sağlık hizmetlerinin sunumunu iyileştirmek için öngörüler elde etme konusunda büyük bir potansiyel sunar. Ancak, bu veri kümelerinin büyüklüğü, analizlerde ve klinik ortamlara pratik uygulamalarda büyük zorluklar oluşturur. Bu eğitmen liderliğindeki, canlı (uzaktan) eğitimde katılımcılar, bir dizi uygulamalı canlı laboratuvar egzersiziyle sağlık alanında büyük veri analitiği yapmayı öğreneceklerdir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Hadoop MapReduce ve Spark gibi büyük veri analitiği araçlarını kurmak ve yapılandırmak
• Tıbbi verilerin özelliklerini anlamak
• Tıbbi verilerle başa çıkmak için büyük veri tekniklerini uygulamak
• Sağlık uygulamaları bağlamında büyük veri sistemlerini ve algoritmalarını incelemek

Hedef Kitle

• Geliştiriciler
• Veri Bilimciler

Kurs Formatı

• Kısmen ders anlatımı, kısmen tartışma, egzersizler ve yoğun uygulamalı pratik.

Not

• Bu kurs için özelleştirilmiş bir eğitim talep etmek için lütfen bizimle iletişime geçerek düzenleme yapınız.

Bu kurs, dağıtık sistem ortamında büyük veri kümelerini depolamak ve işlemek için bir çözüm arayan BT uzmanlarına yöneliktir. Kursun amacı: Hadoop küme yönetimi konusunda bilgi edinmek.

Apache Hadoop, sunucular kümesinde işleme için en popüler çerçevedir. Bu üç (isteğe bağlı olarak dört) günlük kursta, katılımcılar Hadoop ve ekosisteminin iş faydalarını ve kullanım senaryolarını, küme dağıtımını ve büyümesini nasıl planlayacaklarını, Hadoop'in nasıl kurulacağını, bakımı yapılacağını, izleneceğini, sorun giderileceğini ve optimize edileceğini öğreneceklerdir. Ayrıca küme toplu veri yüklemesi uygulayacak, çeşitli Hadoop dağıtımlarına aşina olacak ve Hadoop ekosistem araçlarını kurma ve yönetme alıştırmaları yapacaklardır. Kurs, kümenin Kerberos ile güvenliğinin tartışılmasıyla sona erecektir. “…Materyaller çok iyi hazırlanmış ve kapsamlı bir şekilde ele alınmıştı. Laboratuvar çok yardımcı ve iyi organize edilmişti.”
— Andrew Nguyen, Baş Entegrasyon DW Mühendisi, Microsoft Online Advertising Hedef Kitle Hadoop yöneticileri Format Dersler ve uygulamalı laboratuvarlar, yaklaşık denge %60 ders, %40 laboratuvar.

Apache Hadoop, sunucular kümesinde Big Data işleme için en popüler çerçevedir. Bu kurs, bir geliştiriciye çeşitli bileşenleri (HDFS, MapReduce, Pig, Hive ve HBase) Hadoop ekosistemi hakkında tanıtım yapacaktır.

Apache Hadoop, sunucular kümesinde işleme Big Data için en popüler çerçevelerden biridir. Bu kurs, HDFS'de veri yönetimi, gelişmiş Pig, Hive ve HBase konularına derinlemesine dalmaktadır. Bu gelişmiş programlama teknikleri, deneyimli Hadoop geliştiricileri için faydalı olacaktır. Hedef Kitle: geliştiriciler Süre:üç gün Format:dersler (%50) ve uygulamalı laboratuvarlar (%50).

Hedef Kitle: Bu kurs, büyük veri/Hadoop teknolojisini anlaşılır kılmayı ve aslında anlaşılması zor olmadığını göstermeyi amaçlamaktadır.

Bu eğitmen liderliğindeki, canlı eğitim (Istanbul çevrimiçi veya yerinde), kuruluşları içindeki Hadoop kümelerini kurmak, dağıtmak ve yönetmek isteyen sistem yöneticilerine yöneliktir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Apache Hadoop'i kurun ve yapılandırın.
• Hadoop ekosistemindeki dört ana bileşeni anlayın: HDFS, MapReduce, YARN ve Hadoop Common.
• Hadoop Dağıtılmış Dosya Sistemi'ni (HDFS) kullanarak bir kümeyi yüzlerce veya binlerce düğüme ölçeklendirin.
• HDFS'yi, şirket içi Spark dağıtımları için depolama motoru olarak ayarlayın.
• Spark'ın Amazon S3 gibi alternatif depolama çözümlerine ve Redis, Elasticsearch, Couchbase, Aerospike vb. gibi NoSQL veritabanı sistemlerine erişmesini sağlayın.
• Bir Apache Hadoop kümesini sağlama, yönetme, izleme ve güvenliğini sağlama gibi yönetimsel görevleri yerine getirin.

Bu kurs, Hadoop üzerine kurulu bir NoSQL deposu olan HBase'i tanıtır. Kurs, uygulamalar geliştirmek için HBase'i kullanacak geliştiriciler ve HBase kümelerini yönetecek yöneticiler için tasarlanmıştır. Bir geliştiriciyi HBase mimarisi ve veri modellemesi ve HBase üzerinde uygulama geliştirme konusunda yönlendireceğiz. Ayrıca MapReduce ile HBase kullanımı ve performans optimizasyonu ile ilgili bazı yönetim konuları da tartışılacaktır. Kurs, birçok laboratuvar egzersizi ile çok uygulamalıdır.
Süre: 3 gün Hedef Kitle: Geliştiriciler ve Yöneticiler

Bu eğitmen liderliğindeki, canlı eğitimde Istanbul (çevrimiçi veya yerinde) Hortonworks Data Platform (HDP) tanıtılacak ve katılımcılar Spark + Hadoop çözümünün dağıtımı konusunda yönlendirilecektir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Hortonworks'ü kullanarak Hadoop'u büyük ölçekte güvenilir bir şekilde çalıştırmak.
• Hadoop'un güvenlik, yönetişim ve operasyon yeteneklerini Spark'ın çevik analitik iş akışlarıyla birleştirmek.
• Hortonworks'ü kullanarak bir Spark projesindeki her bir bileşeni araştırmak, doğrulamak, onaylamak ve desteklemek.
• Yapılandırılmış, yapılandırılmamış, hareket halindeki ve hareketsiz veriler dahil olmak üzere farklı veri türlerini işlemek.

Cloudera Impala is an open source massively parallel processing (MPP) SQL query engine for Apache Hadoop clusters. Impala enables users to issue low-latency SQL queries to data stored in Hadoop Distributed File System and Apache Hbase without requiring data movement or transformation. Audience This course is aimed at analysts and data scientists performing analysis on data stored in Hadoop via Business Intelligence or SQL tools. After this course delegates will be able to

• Extract meaningful information from Hadoop clusters with Impala.
• Write specific programs to facilitate Business Intelligence in Impala SQL Dialect.
• Troubleshoot Impala.

Bu eğitmen liderliğindeki, canlı eğitimde (Istanbul yerinde veya uzaktan), katılımcılar Apache NiFi'ü canlı bir laboratuvar ortamında nasıl dağıtacaklarını ve yöneteceklerini öğreneceklerdir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Apachi NiFi'yi kurun ve yapılandırın.
• Veritabanları ve büyük veri gölleri de dahil olmak üzere farklı, dağıtılmış veri kaynaklarından veri alın, dönüştürün ve yönetin.
• Veri akışlarını otomatikleştirin.
• Akış analitiğini etkinleştirin.
• Veri alımı için çeşitli yaklaşımlar uygulayın.
• Big Data ve verilerini iş içgörülerini dönüştürün.

Bu eğitmen liderliğindeki canlı eğitimde Istanbul'da, katılımcılar Apache NiFi kullanarak bir dizi demo uzantısı, bileşen ve işlemci geliştirirken akış tabanlı programlamanın temellerini öğreneceklerdir. Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• NiFi'nin mimarisini ve veri akışı kavramlarını anlayabilecektir.
• NiFi ve üçüncü taraf API'lerini kullanarak uzantılar geliştirebilecektir.
• Kendi Apache Nifi işlemcilerini özel olarak geliştirebilecektir.
• Çeşitli ve alışılmadık dosya formatlarından ve veri kaynaklarından gerçek zamanlı verileri alıp işleyebilecektir.