Formation HBase for Developers

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.

Lorsque les technologies de stockage traditionnelles ne gèrent pas la quantité de données que vous avez besoin de stocker, il existe des centaines d’alternatives. Ce cours essaie de montrer aux participants quelles sont les alternatives pour stocker et analyser le Big Data et quels sont leurs avantages et leurs inconvénients.

Ce cours est principalement axé sur la discussion et la présentation de solutions, bien que des exercices pratiques soient disponibles sur demande.

Le cours fait partie des compétences de Data Scientist (domaine: données et technologie).

Cette formation en direct avec instructeur en Canada&nbsp ;(en ligne ou sur site) est destinée aux administrateurs de bases de données ou aux développeurs qui souhaitent utiliser Microsoft Azure Cosmos DB pour développer et gérer des applications hautement réactives et à faible latence.

A l'issue de cette formation, les participants seront capables de :

• Provisionner les ressources Cosmos DB nécessaires pour commencer à construire des bases de données et des applications.
• Mettre à niveau les performances et le stockage des applications en utilisant les API de Cosmos DB. 
• Gérer les opérations des bases de données et réduire les coûts en optimisant les ressources de Cosmos DB.

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 Advertising

Audience

Hadoop administrateurs

Format

Cours 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: développeurs

Durée : trois jours

Format : cours magistraux (50%) et travaux pratiques (50%).

Cette formation en direct à Canada (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.

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

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.

Public

Ce 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.

Les bases de données relationnelles constituent la technologie de choix pour stocker, récupérer et interroger des données. Les bases de données relationnelles permettent aux utilisateurs d'organiser leurs données à l'aide d'un ensemble de modèles structuré et bien défini (modèle). Bien que cette approche fonctionne bien pour stocker des données normalisées et bien comprises à l’avance (imaginez une application d’enregistrement dans un hôpital qui conserve les enregistrements patient avec le même ensemble cohérent de champs prédéfinis ... id patient, prénom, nom nom, date de la dernière visite, etc.), ce modèle présente des limites. Pour les organisations dont les données entrantes ne sont pas bien définies (pensez à un formulaire de demande de renseignements en ligne destiné à une start-up qui est toujours en train d'expérimenter différents champs pour la collecte de données de visiteurs, la suppression et l'ajout de champs au fur et à mesure, afin de s'adapter à la nature changeante de la entreprises), toute définition établie de la manière dont les données devraient s'intégrer dans une base de données existante devra être redéfinie régulièrement. Cela nécessiterait de recréer le modèle de données (schéma) qui dicte la structure des données et ses types de données autorisés à prendre en charge différents types d'entrées de données, etc., avant que toute nouvelle donnée puisse être enregistrée dans la base de données.

Entrez No SQL (Not Only SQL ) bases de données. Aucune base de données SQL n'empêche les utilisateurs de prédéfinir la structure des données entrantes, ce qui leur permet d'insérer et de mettre à jour de nouvelles données à la volée. Aucune base de données SQL n'est souvent plus rapide que les bases de données relationnelles et peut gérer facilement de très grandes quantités de données. Aucune base de données SQL n'est également plus performante que les bases de données relationnelles, en raison de leur capacité à partitionner efficacement les données sur plusieurs serveurs (cluster) et à équilibrer la charge de l'accès à ces données. Aucune base de données SQL s'intègre particulièrement bien aux applications prenant en charge l'analyse en temps réel, la personnalisation de site, l'IdO et les applications mobiles

Lors de cette formation en direct animée par un instructeur, les participants comprendront l'architecture, les principes de conception et les fonctionnalités des bases de données No SQL les plus populaires du marché lors de la configuration, du fonctionnement et de l'évaluation d'un certain nombre de bases de données No SQL dans un environnement de laboratoire réel. L'objectif de cette formation est de donner aux participants la possibilité d'évaluer, de proposer et de mettre en œuvre de manière intelligente une solution de base de données No SQL appropriée au sein de leur organisation.

À la fin de cette formation, les participants seront en mesure de:

• Installer et configurer différents types de bases de données No SQL , y compris MongoDB , Cassandra , Redis et Neo4j
• Comprendre les avantages et les inconvénients de l'absence de bases de données SQL rapport aux bases de données relationnelles
• Comprendre les formats de données sous-jacents utilisés par SQL bases de données No SQL et comprendre comment utiliser avantageusement ces formats lors du développement d'applications modernes (ordinateurs de bureau, mobiles, cloud, IoT)
• Effectuer des opérations de création, insertion, mise à jour et suppression dans une base de données No SQL
• Configurez un environnement mixte avec une base de données relationnelle et No SQL fonctionnant en tandem
• Configurer un cluster de base de données No SQL pour le traitement distribué de très grands ensembles de données
• Comprendre les implications pour la sécurité de l'utilisation d'une base de données No SQL
• Déployer et mettre à l'échelle une base de données No SQL dans un environnement de production

Public

• Professionnels de la Database
• Architectes de données
• Stratèges de données
• Chefs de projet
• Les développeurs d'applications souhaitant intégrer une solution de base de données flexible à leur application

Format du cours

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

Remarque

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

redis

nosql

Scylla est un magasin de données No SQL distribué et open source. Il est compatible avec Apache Cassandra mais fonctionne à des débits nettement supérieurs et des latences plus faibles.

Dans ce cours, les participants découvriront les fonctionnalités et l'architecture de Scylla tout en acquérant une expérience pratique de la configuration, de l'administration, de la surveillance et du dépannage de Scylla.

Public

• Administrateurs de Database
• Développeurs
• Ingénieurs Système

Format du cours

• Le cours est interactif et comprend des discussions sur les principes et les méthodes de déploiement et de gestion des bases de données et des grappes Scylla.
• Le cours comprend une part importante d’exercices pratiques et pratiques.