Data Warehouse Training in Utrecht

Deze live training onder leiding van een instructeur in Utrecht (online of op locatie) is bedoeld voor data-engineers van gemiddeld niveau die willen leren hoe ze Azure Data Lake Storage Gen2 kunnen gebruiken voor effectieve oplossingen voor data-analyse.Aan het einde van deze training zijn de deelnemers in staat om:

• Begrijp de architectuur en de belangrijkste functies van Azure Data Lake Storage Gen2.
• Optimaliseer gegevensopslag en -toegang op basis van kosten en prestaties.
• Integreer Azure Data Lake Storage Gen2 met andere Azure services voor analyse en gegevensverwerking.
• Ontwikkel oplossingen met behulp van de Azure Data Lake Storage Gen2 API.
• Los veelvoorkomende problemen op en optimaliseer opslagstrategieën.

Deze door een instructeur geleide, live training (ter plaatse of op afstand) is gericht op IT-professionals met een gemiddeld niveau die een uitgebreid begrip willen hebben van IBM DataStage vanuit zowel een administratief als een ontwikkelingsperspectief, zodat ze dit kunnen beheren en gebruiken. effectief in te zetten op hun respectievelijke werkplekken. Aan het einde van deze training kunnen deelnemers:

• Begrijp de kernconcepten van DataStage.
• Leer hoe u DataStage-omgevingen effectief installeert, configureert en beheert.
• Maak verbinding met verschillende gegevensbronnen en extraheer gegevens efficiënt uit databases, platte bestanden en externe bronnen.
• Implementeer effectieve technieken voor het laden van gegevens.

Apache Kylin is een extreme, gedistribueerde analytische motor voor big data. In deze instructeur geleide live training zullen de deelnemers leren hoe te gebruiken Apache Kylin om een real-time data warehouse te installeren. Aan het einde van deze training zullen de deelnemers in staat zijn:

• Gebruik realtime streaminggegevens met behulp van Kylin
• Gebruik Apache Kylin's krachtige functies,rijke SQL interface, spark cubing en subsecond query latency

Opmerking

• We gebruiken de nieuwste versie van Kylin (op basis van dit schrijven, Apache Kylin v2.0)

Het publiek

• Big Data ingenieurs
• Big Data De analisten

Format van de cursus

• Deel lezing, deel discussie, oefeningen en zware praktijken

Amazon Redshift is een petabytescale cloudgebaseerde datawarehouse-service in AWS In deze live training met instructeur leren deelnemers de grondbeginselen van Amazon Redshift Aan het einde van deze training kunnen deelnemers: Installeer en configureer Amazon Redshift Gegevens laden, configureren, implementeren, opvragen en visualiseren met Amazon Redshift Publiek ontwikkelaars IT-professionals Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen Notitie Om een ​​aangepaste training aan te vragen voor deze cursus, neem dan contact met ons op om dit te regelen .

De cursus maakt deel uit van de vaardigheden van Data Scientist (Domain: Data and Technology).

Apache Druid is een open-source, kolomgeoriënteerde, gedistribueerde gegevensopslag geschreven in Java . Het is ontworpen om snel enorme hoeveelheden gebeurtenisgegevens op te nemen en OLAP-query's met lage latentie op die gegevens uit te voeren. Druid wordt vaak gebruikt in business intelligence-toepassingen om grote hoeveelheden realtime en historische gegevens te analyseren. Het is ook zeer geschikt voor het aansturen van snelle, interactieve, analytische dashboards voor eindgebruikers. Druid wordt gebruikt door bedrijven zoals Alibaba, Airbnb, Cisco , eBay, Netflix, Paypal en Yahoo. In deze door een instructeur geleide live cursus verkennen we enkele van de beperkingen van datawarehouse-oplossingen en bespreken we hoe Druid deze technologieën kan aanvullen om een flexibele en schaalbare streaming analytics-stack te vormen. We nemen vele voorbeelden door en bieden deelnemers de kans om op druïden gebaseerde oplossingen in een laboratoriumomgeving te implementeren en te testen.

Indeling van de cursus

• Deelcollege, deelbespreking, zware praktijkoefeningen, incidentele testen om begrip te peilen

Deze door een instructeur geleide, live training in Utrecht (op locatie of op afstand) is gericht op ontwikkelaars die een Greenplum-database met meerdere knooppunten willen opzetten.Aan het einde van deze training kunnen deelnemers:

• Installeer en configureer Pivotal Greenplum.
• Modelleer gegevens in overeenstemming met de huidige behoeften en toekomstige uitbreidingsplannen.
• Voer verschillende technieken uit om gegevens over meerdere knooppunten te distribueren.
• Verbeter de databaseprestaties door afstemming.
• Bewaak en los problemen op met een Greenplum-database.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op beheerders die business intelligence- en datawarehousing-oplossingen willen opzetten Greenplum Database.Aan het einde van deze training kunnen deelnemers:

• Pak verwerkingsbehoeften aan met Greenplum.
• Voer ETL-bewerkingen uit voor gegevensverwerking.
• Maak gebruik van bestaande infrastructuren voor queryverwerking.

Mem SQL is een in het geheugen verdeeld, SQL databasebeheersysteem voor cloud en on-premises. Het is een realtime datawarehouse dat onmiddellijk inzichten levert uit live en historische gegevens. In deze door een instructeur geleide, live training leren deelnemers de essentie van Mem SQL voor ontwikkeling en beheer. Aan het einde van deze training kunnen deelnemers:

• Begrijp de belangrijkste concepten en kenmerken van Mem SQL
• Mem SQL installeren, ontwerpen, onderhouden en bedienen
• Optimaliseer schema's in Mem SQL
• Verbeter vragen in Mem SQL
• Benchmarkprestaties in Mem SQL
• Bouw realtime datatoepassingen met behulp van Mem SQL

Publiek

• ontwikkelaars
• Administrators
• Operation Engineers

Formaat van de cursus

• Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

In deze door een instructeur geleide, live training leren deelnemers hoe ze een Data Vault kunnen bouwen.Aan het einde van deze training kunnen deelnemers:

• Begrijp de architectuur- en ontwerpconcepten achter Data Vault 2.0 en de interactie ervan met Big Data, NoSQL en AI.
• Gebruik datakluistechnieken om auditing, tracering en inspectie 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.