Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op databasebeheerders of ontwikkelaars die Microsoft Azure Cosmos DB willen gebruiken om zeer responsieve toepassingen met lage latentie te ontwikkelen en te beheren.

Aan het einde van deze training kunnen deelnemers:

• Zorg voor de benodigde Cosmos DB-resources om te beginnen met het bouwen van databases en toepassingen.
• Schaal de prestaties en opslag van toepassingen door gebruik te maken van API's in Cosmos DB.
• Beheer databasebewerkingen en verlaag de kosten door Cosmos DB-resources te optimaliseren.

In deze live training onder leiding van een instructeur in Nederland leren deelnemers hoe ze een Data Vault kunnen bouwen.

Aan het einde van deze training zijn de deelnemers in staat om:

• Begrijp de architectuur- en ontwerpconcepten achter Data Vault 2.0 en de interactie met Big Data, NoSQL en AI.
• Gebruik technieken voor het opslaan van gegevens om controles, traceringen en inspecties van historische gegevens in een datawarehouse mogelijk te maken.
• Ontwikkel een consistent en herhaalbaar ETL-proces (Extract, Transform, Load).
• Bouw en implementeer zeer schaalbare en herhaalbare magazijnen.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor data-engineers, datawetenschappers en programmeurs die Spark Streaming functies willen gebruiken bij het verwerken en analyseren van realtime gegevens.

Aan het einde van deze training zijn deelnemers in staat om Spark Streaming te gebruiken om live datastromen te verwerken voor gebruik in databases, bestandssystemen en live dashboards.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor ontwikkelaars die Apache Kafka streamverwerking willen implementeren zonder code te schrijven.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Confluent KSQL.
• Stel een stroomverwerkingspijplijn in met alleen SQL opdrachten (geen Java of Python codering).
• Voer gegevensfiltering, transformaties, aggregaties, joins, windowing en sessionization volledig uit in SQL.
• Ontwerp en implementeer interactieve, continue query's voor streaming ETL en realtime analyses.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor ontwikkelaars die de principes achter persistente en pure in-memory opslag willen leren terwijl ze stap bij het maken van een voorbeeld van een in-memory computing-project gaan.

Aan het einde van deze training zijn de deelnemers in staat om:

• Gebruik Ignite voor persistentie in het geheugen, op de schijf en voor een puur gedistribueerde database in het geheugen.
• Bereik persistentie zonder gegevens terug te synchroniseren naar een relationele database.
• Gebruik Ignite om SQL en gedistribueerde joins uit te voeren.
• Verbeter de prestaties door gegevens dichter bij de CPU te plaatsen en RAM als opslag te gebruiken.
• Verspreid datasets over een cluster om horizontale schaalbaarheid te bereiken.
• Integreer Ignite met RDBMS, NoSQL, Hadoop en machine learning-processors.

Apache Beam is een open source, uniform programmeermodel voor het definiëren en uitvoeren van parallelle gegevensverwerkingspijplijnen. De kracht ligt in de mogelijkheid om zowel batch- als streaming-pijplijnen uit te voeren, waarbij de uitvoering wordt uitgevoerd door een van de ondersteunde gedistribueerde verwerkingsback-ends van Beam: Apache Apex, Apache Flink, Apache Spark en Google Cloud Dataflow. Apache Beam is handig voor ETL-taken (Extract, Transform en Load), zoals het verplaatsen van gegevens tussen verschillende opslagmedia en gegevensbronnen, het transformeren van gegevens naar een meer wenselijk formaat en het laden van gegevens op een nieuw systeem.

In deze live training onder leiding van een instructeur (op locatie of op afstand) leren deelnemers hoe ze de Apache Beam SDK's kunnen implementeren in een Java of Python applicatie die een gegevensverwerkingspijplijn definieert voor het opsplitsen van een grote dataset in kleinere brokken voor onafhankelijke, parallelle verwerking.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Apache Beam.
• Gebruik een enkel programmeermodel om zowel batch- als streamverwerking uit te voeren vanuit hun Java of Python toepassing.
• Voer pijplijnen uit in meerdere omgevingen.

Vorm van de cursus

• Deels lezing, deels discussie, oefeningen en zware hands-on oefening

Notitie

• Deze cursus zal in de toekomst beschikbaar zijn Scala. Neem contact met ons op om dit te regelen.

Apache Apex is een YARN-native platform dat stream- en batchverwerking verenigt. Het verwerkt big data-in-motion op een manier die schaalbaar, performant, fouttolerant, stateful, veilig, gedistribueerd en gemakkelijk te bedienen is.

Deze live training onder leiding van een instructeur introduceert de uniforme streamverwerkingsarchitectuur van Apache Apex en begeleidt deelnemers bij het maken van een gedistribueerde applicatie met behulp van Apex op Hadoop.

Aan het einde van deze training zijn de deelnemers in staat om:

• Begrijp concepten van pijplijnen voor gegevensverwerking, zoals connectoren voor bronnen en sinks, veelvoorkomende gegevenstransformaties, enzovoort.
• Een Apex-applicatie bouwen, schalen en optimaliseren
• Verwerk real-time datastromen betrouwbaar en met minimale latency
• Gebruik Apex Core en de Apex Malhar-bibliotheek om snelle applicatieontwikkeling mogelijk te maken
• Gebruik de Apex API om bestaande Java code te schrijven en te hergebruiken
• Integreer Apex in andere applicaties als een verwerkingsengine
• Apex-toepassingen afstemmen, testen en schalen

Vorm van de cursus

• Interactieve lezing en discussie.
• Veel oefeningen en oefenen.
• Hands-on implementatie in een live-lab omgeving.

Opties voor het aanpassen van cursussen

• Om een training op maat voor deze cursus aan te vragen, neem dan contact met ons op om een afspraak te maken.

Apache Storm is een gedistribueerde, real-time computation engine die wordt gebruikt voor het mogelijk maken van real-time business intelligence. Het doet dit door applicaties in staat te stellen om op betrouwbare wijze onbegrensde gegevensstromen (ook wel stroomverwerking genoemd) te verwerken.

"Storm is voor real-time verwerking wat Hadoop is voor batchverwerking!"

In deze live training onder leiding van een instructeur leren deelnemers hoe ze Apache Storm kunnen installeren en configureren, en vervolgens een Apache Storm applicatie kunnen ontwikkelen en implementeren voor het verwerken van big data in realtime.

Enkele van de onderwerpen die in deze training aan bod komen, zijn:

• Apache Storm In het kader van Hadoop
• Werken met niet-begrensde gegevens
• Continue berekening
• Realtime analyse
• Gedistribueerde RPC- en ETL-verwerking

Vraag nu deze cursus aan!

Audiëntie

• Software- en ETL-ontwikkelaars
• Mainframe professionals
• Datawetenschappers
• Big data-analisten
• Hadoop Professionals

Vorm van de cursus

•     Deels lezing, deels discussie, oefeningen en zware hands-on oefening

In deze live training onder leiding van een instructeur in Nederland (ter plaatse of op afstand) leren deelnemers hoe ze Apache NiFi kunnen implementeren en beheren in een live labomgeving.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer en configureer Apachi NiFi.
• Bron, transformeer en beheer gegevens uit ongelijksoortige, gedistribueerde gegevensbronnen, waaronder databases en big data lakes.
• Automatiseer gegevensstromen.
• Schakel streaminganalyse in.
• Pas verschillende benaderingen toe voor gegevensopname.
• Transformeer Big Data en naar zakelijke inzichten.

In deze door een instructeur geleide, live training in Nederland leren deelnemers de basisprincipes van flow-based programmeren terwijl ze een aantal demo-extensies, componenten en processors ontwikkelen met behulp van Apache NiFi.

Aan het einde van deze training zijn de deelnemers in staat om:

• Begrijp de architectuur en dataflowconcepten van NiFi.
• Ontwikkel extensies met behulp van NiFi en API's van derden.
• Op maat ontwikkelen van hun eigen Apache Nifi processor.
• Neem real-time gegevens op en verwerk ze uit ongelijksoortige en ongebruikelijke bestandsindelingen en gegevensbronnen.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) introduceert de principes en benaderingen achter gedistribueerde stream- en batchgegevensverwerking, en begeleidt deelnemers bij het maken van een real-time toepassing voor gegevensstreaming in Apache Flink.

Aan het einde van deze training zijn de deelnemers in staat om:

• Zet een omgeving op voor het ontwikkelen van toepassingen voor data-analyse.
• Begrijp hoe de grafische verwerkingsbibliotheek van Apache Flink (Gelly) werkt.
• Verpak, voer uit en bewaak op Fusen gebaseerde, fouttolerante toepassingen voor gegevensstreaming.
• Beheer diverse workloads.
• Voer geavanceerde analyses uit.
• Stel een Flink-cluster met meerdere knooppunten in.
• Meet en optimaliseer prestaties.
• Integreer Flink met verschillende Big Data systemen.
• Vergelijk de mogelijkheden van Flink met die van andere frameworks voor de verwerking van big data.

In deze door een instructeur geleide, live training in Nederland, leren deelnemers hoe ze Python en Spark samen kunnen gebruiken om big data te analyseren terwijl ze werken aan praktische oefeningen.

Aan het einde van deze training zijn de deelnemers in staat om:

• Leer hoe u Spark kunt gebruiken met Python om Big Data te analyseren.
• Werk aan oefeningen die gevallen uit de echte wereld nabootsen.
• Gebruik verschillende tools en technieken voor big data-analyse met behulp van PySpark.

In deze door een instructeur geleide, live training in Nederland, leren deelnemers over het technologieaanbod en de implementatiebenaderingen voor het verwerken van grafiekgegevens. Het doel is om objecten uit de echte wereld, hun kenmerken en relaties te identificeren, deze relaties vervolgens te modelleren en ze als gegevens te verwerken met behulp van een Graph Computing (ook bekend als Graph Analytics) benadering. We beginnen met een breed overzicht en beperken ons tot specifieke tools terwijl we een reeks casestudy's, hands-on oefeningen en live implementaties doorlopen.

Aan het einde van deze training zijn de deelnemers in staat om:

• Begrijp hoe grafiekgegevens worden bewaard en doorkruist.
• Selecteer het beste framework voor een bepaalde taak (van graph databases tot batch processing frameworks).
• Implementeer Hadoop, Spark, GraphX en Pregel om grafiekberekeningen op veel machines parallel uit te voeren.
• Bekijk real-world big data-problemen in termen van grafieken, processen en traversals.

Deze cursus is bedoeld voor ontwikkelaars en datawetenschappers die AI willen begrijpen en implementeren in hun toepassingen. Er wordt speciale aandacht besteed aan data-analyse, gedistribueerde kunstmatige intelligentie en natuurlijke taalverwerking.

MLlib is Spark's machine learning (ML) bibliotheek. Het doel is om praktische machine learning schaalbaar en eenvoudig te maken. Het bestaat uit algemene leeralgoritmen en hulpprogramma's, waaronder classificatie, regressie, clustering, collaboratieve filtering, vermindering van de dimensionaliteit, evenals optimalisatieprimitieven op een lager niveau en pijplijn-API's op een hoger niveau.

Het is verdeeld in twee pakketten:

• spark.mllib bevat de originele API gebouwd bovenop RDD's.

• spark.ml biedt een API op een hoger niveau gebouwd bovenop DataFrames voor het construeren van ML-pijpleidingen.

Publiek

Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die een ingebouwde machinebibliotheek voor Apache Spark