Online Big Data Schulung in Deutschland

Dieser von einem Trainer durchgeführte Live-Kurs in Deutschland (online oder vor Ort) richtet sich an mittelcalibrige Datenwissenschaftler und Ingenieure, die Google Colab und Apache Spark für das Verarbeiten und Analysieren von Big Data einsetzen möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Eine Big-Data-Umgebung mit Google Colab und Spark einzurichten.
• Große Datensätze effizient mit Apache Spark zu verarbeiten und zu analysieren.
• Big Data in einer kollaborativen Umgebung visualisieren.
• Apache Spark mit cloudbasierten Tools zu integrieren.

Stratio ist eine datenzentrierte Plattform, die Big Data, KI und Governance in einer einzigen Lösung integriert. Die Rocket- und Intelligence-Module ermöglichen eine schnelle Datenauswertung, -transformation und fortgeschrittene Analysen in Unternehmensumgebungen.

Diese von einem Dozenten geleitete Live-Schulung (online oder vor Ort) richtet sich an datenzentrierte Fachkräfte mittlerer Qualifikation, die lernen möchten, die Rocket- und Intelligence-Module in Stratio effektiv mit PySpark zu nutzen. Der Fokus liegt auf Schleifenstrukturen, benutzerdefinierten Funktionen und fortgeschrittenen Datenlogiken.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Sich innerhalb der Stratio-Plattform mit den Rocket- und Intelligence-Modulen zu orientieren und darin zu arbeiten.
• PySpark im Kontext von Datenaufnahme, -transformation und -analyse anzuwenden.
• Schleifen und bedingte Logiken zur Steuerung von Datenworkflows und Feature-Engineering-Aufgaben zu verwenden.
• Benutzerdefinierte Funktionen (UDFs) für wiederverwendbare Datenoperationen in PySpark zu erstellen und zu verwalten.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Viele Übungen und Praxisbeispiele.
• Hands-on-Implementierung in einer Live-Lab-Umgebung.

Kursanpassungsoptionen

• Für eine angepasste Schulung für diesen Kurs, kontaktieren Sie uns bitte zur Terminfindung.

Data Warehousing ist die Praxis des Entwurfs, der Erstellung und des Betriebs von zentralisierten Datenrepositorien, die Analyse, Berichterstattung und Entscheidungsfindung unterstützen.

Dieses vom Trainer geführte, live-Training (online oder vor Ort) richtet sich an fortgeschrittene Datenprofis, die dimensionale Daten modellieren, robuste ETL-Pipelines aufbauen und analytische Workloads optimieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Kernkonzepte und Architekturen des Data Warehousing zu erklären.
• Dimensionale Modelle zu entwerfen und zwischen Stern- und Schneeflockenschemas zu wählen.
• ETL- und ELT-Pipelines zuverlässig aufzubauen und zu orchestrieren.
• OLTP- versus OLAP-Workloads zu differenzieren und für Analysen zu optimieren.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Viele Übungen und Praxisbeispiele.
• Praktische Umsetzung in einer Live-Lab-Umgebung.

Kursanpassungsoptionen

• Für eine angepasste Schulung für diesen Kurs kontaktieren Sie uns, um einen Termin zu vereinbaren.

Teilnehmer, die diese von einem Ausbilder geleitete Live-Schulung in Deutschland absolvieren, erhalten ein praktisches, praxisnahes Verständnis von Big Data und den damit verbundenen Technologien, Methoden und Werkzeugen.

Die Teilnehmer haben die Möglichkeit, dieses Wissen durch praktische Übungen in die Praxis umzusetzen. Die Interaktion in der Gruppe und das Feedback des Kursleiters sind ein wichtiger Bestandteil des Kurses.

Der Kurs beginnt mit einer Einführung in die grundlegenden Konzepte von Big Data und geht dann zu den Programmiersprachen und Methoden über, die zur Durchführung von Data Analysis verwendet werden. Abschließend werden die Werkzeuge und die Infrastruktur besprochen, die Big Data-Speicherung, verteilte Verarbeitung und Scala-Beweglichkeit ermöglichen.

Greenplum ist eine Open-Source-Massively Parallel Processing (MPP)-Datenplattform, die für Analysen und umfangreiche Datenumgebungen entwickelt wurde.

Diese von einem Trainer geführte Live-Schulung (online oder vor Ort) richtet sich an fortgeschrittene technische Nutzer, die das interne Architekturkonzept von Greenplum verstehen, optimierte Datenmodelle erstellen und SQL in verteilten Umgebungen effizient einsetzen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Das shared-nothing-Architekturkonzept und das Parallelitätsmodell von Greenplum zu verstehen.
• Verteilte Tabellenstrukturen und Partitionen für eine optimale Abfrageleistung zu entwerfen.
• Indizierungsstrategien, Speicherformate und physische Design-Techniken anzuwenden.
• EXPLAIN-Pläne zu interpretieren und Abfragen unter Verwendung bewährter Methoden zu optimieren.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Viele Übungen und Praxisübungen.
• Hands-on-Implementierung in einer Live-Lab-Umgebung.

Kursanpassungsoptionen

• Für eine angepasste Schulung für diesen Kurs wenden Sie sich bitte an uns, um die Anpassungen zu vereinbaren.

Greenplum ist eine open-source, massiv parallele Datenplattform auf Basis von PostgreSQL, die für erweiterte Analysen und umfangreiche Data-Warehousing-Lösungen entwickelt wurde.

Dieses von einem Ausbilder geführte Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Administratoren, die Greenplum-Umgebungen effektiv installieren, konfigurieren und verwalten möchten, einschließlich der Verwaltung von Systemaktualisierungen und Bibliotheken.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Einen produktionsbereiten Greenplum-Cluster zu installieren und zu konfigurieren.
• Systemaktualisierungen sicher durchzuführen und Patches anzuwenden.
• Die Verwaltung von Greenplum-Bibliotheken für Analysen und Erweiterungen zu übernehmen.
• Greenplum-Systeme zu überwachen und Probleme zu beheben.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Praktische Anwendung von Greenplum in einer kontrollierten Lab-Umgebung.
• Übungen zur Clustersetup, Upgrade-Workflows und Systemerweiterungen unter Anleitung.

Kursanpassungsoptionen

• Um ein angepasstes Training für diesen Kurs basierend auf Ihrer Umgebung oder Ihrem Datenplattform anzufordern, kontaktieren Sie uns bitte, um eine Anpassung vorzunehmen.

Dieses von einem Ausbilder geleitete, Live-Training in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Datenprofis, die Workflows zur Datenverarbeitung optimieren, die Datenintegrität sicherstellen und robuste Datenlakehouse-Lösungen implementieren möchten, die die Komplexitäten moderner Big-Data-Anwendungen bewältigen können.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Ein tiefgründiges Verständnis von Icebergs Architektur, einschließlich Metadaten-Management und Dateilayout, zu erlangen.
• Iceberg für optimale Leistung in verschiedenen Umgebungen zu konfigurieren und mit mehreren Datenverarbeitungsmotoren zu integrieren.
• Große Iceberg-Tabellen zu verwalten, komplexe Schemawechsel durchzuführen und Partitionsevolution zu handhaben.
• Techniken zur Optimierung der Abfrageleistung und der Datenscan-Effizienz für große Datenmengen zu beherrschen.
• Mechanismen zur Sicherstellung der Datenkonsistenz, Verwaltung transaktionaler Garantien und Handhabung von Fehlern in verteilten Umgebungen umzusetzen.

Dieses von einem Trainer geleitete, Live-Training in Deutschland (online oder vor Ort) richtet sich an datentechnische Anfänger, die das notwendige Wissen und die Fähigkeiten erwerben möchten, um Apache Iceberg effektiv für die Verwaltung von großen Datenmengen, die Sicherstellung der Datensicherheit und die Optimierung von Datenverarbeitungsabläufen zu nutzen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Ein tiefgehendes Verständnis für die Architektur, Funktionen und Vorteile von Apache Iceberg zu erlangen.
• Sich mit Tabellenformaten, Partitionierung, Schemaevolution und Zeitreisefähigkeiten vertraut zu machen.
• Apache Iceberg in verschiedenen Umgebungen zu installieren und zu konfigurieren.
• Iceberg-Tabellen zu erstellen, zu verwalten und zu bearbeiten.
• Den Prozess des Datenmigrations von anderen Tabellenformaten nach Iceberg zu verstehen.

Dieses von einem Dozenten geleitete, live-Training in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene IT-Profis, die ihre Fähigkeiten im Bereich Datenarchitektur, Datengovernance, Cloud Computing und Big Data-Technologien verbessern möchten, um große Datensätze effektiv zu verwalten und zu analysieren sowie Datenmigrationen in ihren Organisationen durchzuführen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die grundlegenden Konzepte und Komponenten verschiedener Datenarchitekturen zu verstehen.
• Ein umfassendes Verständnis der Prinzipien der Datengovernance und ihrer Bedeutung in regulatorischen Umgebungen zu erlangen.
• Datengovernance-Frameworks wie Dama und Togaf zu implementieren und zu verwalten.
• Cloud-Plattformen für effizientes Datenlagerung, -verarbeitung und -management zu nutzen.

Diese von einem Instructor geleitete, live-Trainingssitzung in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene Dateningenieure, die lernen möchten, wie man Azure Data Lake Storage Gen2 für effektive Datenanalyse-Lösungen einsetzt.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Architektur und die wichtigsten Funktionen von Azure Data Lake Storage Gen2 zu verstehen.
• Datenstorage und -zugriff für Kosten- und Leistungsaspekte zu optimieren.
• Azure Data Lake Storage Gen2 mit anderen Azure-Diensten zur Analyse und Datenverarbeitung zu integrieren.
• Lösungen unter Verwendung der Azure Data Lake Storage Gen2 API zu entwickeln.
• Übliche Probleme zu beheben und Speicherstrategien zu optimieren.

Diese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Entwickler, die Spark, Hadoop und Python verwenden und integrieren möchten, um große und komplexe Datensätze zu verarbeiten, zu analysieren und zu transformieren.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• die notwendige Umgebung einzurichten, um mit der Verarbeitung von Big Data mit Spark, Hadoop und Python zu beginnen.
• die Funktionen, Kernkomponenten und Architektur von Spark und Hadoop zu verstehen.
• Lernen, wie man Spark, Hadoop und Python für die Verarbeitung von Big Data integriert.
• Erkunden Sie die Werkzeuge im Spark-Ökosystem (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka und Flume).
• Erstellen Sie Empfehlungssysteme mit kollaborativer Filterung ähnlich wie bei Netflix, YouTube, Amazon, Spotify und Google.
• Apache Mahout zur Skalierung von maschinellen Lernalgorithmen verwenden.

Big Data und Advanced Analytics ist die Anwendung fortgeschrittener Methoden und Werkzeuge zur Analyse großer, komplexer Datensätze für handlungsorientierte Erkenntnisse und strategisches Entscheidungsfinden.

Dieses von einem Trainer durchgeführte Live-Training (online oder vor Ort) richtet sich an fortgeschrittene Datenprofis, die moderne analytische Methoden und Big Data Technologien für prognostische, präskriptive und Echtzeit-Analyse nutzen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Großmaßstäbliche Datenaufbereitungsprozesse für strukturierte und unstrukturierte Daten zu entwerfen und umzusetzen.
• Fortgeschrittene Machine-Learning- und Deep-Learning-Techniken auf großen Datensätzen anzuwenden.
• Vereinte Rechenumgebungen für Echtzeit-Analyse und Datenströme zu nutzen.
• Big Data-Analytik in Business Intelligence-Systeme und Entscheidungsfindungssysteme zu integrieren.

Abschnittsformat des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Viele Übungen und Praxisfälle.
• Praxisorientierte Implementierung in einer Live-Lab-Umgebung.

Anpassungsoptionen des Kurses

• Zur Anfrage nach einem angepassten Training für diesen Kurs, kontaktieren Sie uns bitte zum Abschließen der Details.

Dieses von einem Ausbilder geleitete, Live-Training in Deutschland (online oder vor Ort) richtet sich an fortgeschrittene IT-Profis, die ein umfassendes Verständnis von IBM DataStage sowohl aus administrativer als auch aus entwicklerischer Perspektive erlangen möchten. Dies ermöglicht es ihnen, das Tool effektiv in ihren jeweiligen Arbeitsumgebungen zu verwalten und einzusetzen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Kernkonzepte von DataStage zu verstehen.
• Effektiv mit der Installation, Konfiguration und Verwaltung von DataStage-Umgebungen vertraut zu werden.
• Sich mit verschiedenen Datenquellen zu verbinden und Daten effizient aus Datenbanken, Flachdateien und externen Quellen zu extrahieren.
• Effektive Techniken zur Datenspeicherung umzusetzen.

Diese von einem Trainer geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Anfänger bis fortgeschrittene Systemadministratoren, die Spark-Cluster einsetzen, warten und optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installieren und konfigurieren Sie Apache Spark in verschiedenen Umgebungen.
• Cluster-Ressourcen zu verwalten und Spark-Anwendungen zu überwachen.
• Die Leistung von Spark-Clustern zu optimieren.
• Sicherheitsmaßnahmen zu implementieren und Hochverfügbarkeit zu gewährleisten.
• Allgemeine Spark-Probleme zu debuggen und zu beheben.

Teilnehmer, die diesen von einem Dozenten geleiteten, lebenden Kurs in Deutschland absolvieren, erhalten ein praxisorientiertes Verständnis für Big Data und seine zugehörigen Technologien, Methoden und Tools.

Die Teilnehmer haben die Möglichkeit, dieses Wissen durch praktische Übungen anzuwenden. Gruppeninteraktion und Rückmeldung des Dozenten sind ein wichtiger Bestandteil des Kurses.

Der Kurs beginnt mit einer Einführung in grundlegende Konzepte von Big Data, geht dann auf die Programmiersprachen und Methoden ein, die zur Datenanalyse verwendet werden. Schließlich besprechen wir die Tools und Infrastruktur, die Big Data-Speicherung, verteilte Verarbeitung und Skalierbarkeit ermöglichen.

In dieser von einem Trainer geleiteten Live-Schulung in Deutschland lernen die Teilnehmer anhand praktischer Übungen, wie sie Python und Spark gemeinsam zur Analyse von Big Data einsetzen können.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Lernen, wie man Spark mit Python verwendet, um Big Data zu analysieren.
• An Übungen arbeiten, die reale Fälle nachahmen.
• Verschiedene Tools und Techniken für die Big-Data-Analyse mit PySpark verwenden.

Zielgruppe:

Der Kurs richtet sich an IT-Spezialisten, die nach einer Lösung suchen, um große Datensätze in einer verteilten Systemumgebung zu speichern und zu verarbeiten.

GoVoraussetzungen:

Tiefes Wissen über die Verwaltung von Hadoop-Clustern.

Fortschritte in der Technologie und die steigende Menge an Informationen verändern zunehmend, wie Geschäftstätigkeit in vielen Branchen, einschließlich der Regierung, durchgeführt wird. Die Datenerstellung und -archivierung von Regierungsbehörden nimmt aufgrund des explosionsartigen Wachstums von Mobilgeräten und -anwendungen, Smart Sensoren und Geräten, Cloud Computing-Lösungen sowie Bürger-orientierten Portalen zu. Während die digitale Information zunimmt und komplexer wird, werden auch Informationsmanagement, Verarbeitung, Speicherung, Sicherheit und Ablaufverwaltung komplexer. Neue Tools zur Erfassung, Suche, Entdeckung und Analyse helfen Organisationen, Erkenntnisse aus ihren unstrukturierten Daten zu gewinnen. Der Regierungsmarkt steht an einem Wendepunkt und erkennt, dass Informationen ein strategisches Asset sind. Regierungseinheiten müssen sowohl strukturierte als auch unstrukturierte Informationen schützen, nutzen und analysieren, um besser den Bürgern zu dienen und ihre Aufgaben zu erfüllen. Während Führungskräfte in der Regierung darum bemüht sind, datengetriebene Organisationen aufzubauen, legen sie die Grundlagen, um Abhängigkeiten zwischen Ereignissen, Personen, Prozessen und Informationen zu korrelieren.

Hochwertige Regierungslösungen werden durch eine Kombination der disruptivsten Technologien entstehen:

• Mobilgeräte und -anwendungen
• Cloud-Dienste
• Soziale Business-Technologien und Netzwerke
• Big Data und Analyse

Big Data ist eine der intelligenten Branchenlösungen, die es Regierungen ermöglicht, bessere Entscheidungen zu treffen, indem sie auf Muster zurückgreifen, die durch die Analyse großer Mengen an Daten – verbunden oder unverbunden, strukturiert oder unstrukturiert – erkannt werden.

Die Umsetzung dieser Leistungen erfordert jedoch weit mehr als nur das Sammeln riesiger Datenmengen. "Das Verstehen dieser großen Datenmengen erfordert innovative Tools und Technologien, die in der Lage sind, nützliches Wissen aus umfangreichen und vielfältigen Informationsströmen zu extrahieren", schrieben Tom Kalil und Fen Zhao vom Weißen Haus Office of Science and Technology Policy in einem Beitrag auf dem OSTP-Blog.

Das Weiße Haus machte einen Schritt, um den Behörden bei der Suche nach diesen Technologien zu helfen, als es 2012 die National Big Data Research and Development Initiative ins Leben rief. Die Initiative schloss mehr als 200 Millionen US-Dollar ein, um von dem Boom an Big Data und den dafür erforderlichen Analysetools optimalen Nutzen zu ziehen.

Die Herausforderungen, die Big Data mit sich bringt, sind fast genauso bedeutsam wie seine vielversprechenden Aussichten. Eine effiziente Datenspeicherung ist eine dieser Herausforderungen. Budgets sind wie immer knapp, daher müssen Behörden den Speicherpreis pro Megabyte minimieren und die Daten leicht zugänglich halten, damit Benutzer sie erhalten können, wann und wie sie es benötigen. Das Sichern riesiger Datenmengen vergrößert die Herausforderung.

Die effektive Analyse der Daten ist eine weitere wichtige Herausforderung. Viele Behörden setzen kommerzielle Tools ein, die es ihnen ermöglichen, sich durch Berge von Daten zu wühlen und Trends zu erkennen, die ihnen helfen, effizienter zu operieren. (Eine kürzliche Studie von MeriTalk ergab, dass federale IT-Manager der Meinung sind, Big Data könne Behörden mehr als 500 Milliarden US-Dollar sparen und dabei den Erreichung der Aufgabenziele unterstützen.).

Eigens entwickelte Big Data Tools ermöglichen es auch Behörden, ihre Daten zu analysieren. Zum Beispiel macht die Computational Data Analytics Group des Oak Ridge National Laboratory ihr Piranha-Datenaufbereitungs-System anderen Behörden zur Verfügung. Das System hat Medizinforschern geholfen, einen Zusammenhang zu finden, der Ärzte vor aortenaneurysmen warnen kann, bevor sie auftreten. Es wird auch für alltägliche Aufgaben wie die Durchsicht von Lebensläufen eingesetzt, um Bewerber mit Personalverantwortlichen zu verbinden.

Tag 1 - bietet eine umfassende Übersicht der wesentlichen Themenbereiche des Big Data. Das Modul ist in eine Reihe von Abschnitten unterteilt, jedem davon begleitet von einer praktischen Übung.

Tag 2 - untersucht eine Vielzahl von Themen, die mit Analysepraktiken und -werkzeugen für Big Data-Umgebungen zusammenhängen. Es geht nicht in Implementierungs- oder Programmierungsdetails ein, sondern behält das Konzeptlevel bei und konzentriert sich auf Themen, die den Teilnehmern ermöglichen, ein umfassendes Verständnis der gängigen Analysefunktionen und -merkmale zu erlangen, die von Big Data-Lösungen angeboten werden.

Tag 3 - bietet eine Übersicht über grundlegende und wesentliche Themenbereiche im Zusammenhang mit der Architektur von Big Data-Lösungsplattformen. Es behandelt die für die Entwicklung einer Big Data-Lösungsplattform erforderlichen Mechanismen sowie architektonische Optionen zur Zusammenstellung einer Datenverarbeitungsplattform. Um allgemeine Szenarien zu präsentieren, werden auch gängige Anwendungsfälle vorgestellt, um ein grundlegendes Verständnis dafür zu vermitteln, wie eine Big Data-Lösungsplattform im Allgemeinen genutzt wird.

Tag 4 - baut auf Tag 3 auf und untersucht fortgeschrittene Themen im Zusammenhang mit der Architektur von Big Data-Lösungsplattformen. Insbesondere werden die verschiedenen architektonischen Schichten, aus denen eine Big Data-Lösungsplattform besteht, vorgestellt und diskutiert, einschließlich Datenquellen, Dateneingang, Daten Speicherung, Datenverarbeitung und Sicherheit.

Tag 5 - deckt eine Reihe von Übungen und Problemen ab, die darauf ausgelegt sind, die Fähigkeit der Teilnehmer zu testen, das Wissen über die Themen aus Tag 3 und 4 anzuwenden.

Die Big Data-Analytics beinhaltet den Prozess, große Mengen an vielfältigen Datensätzen zu untersuchen, um Zusammenhänge, verborgene Muster und andere nützliche Erkenntnisse aufzudecken.

Der Gesundheitssektor verfügt über riesige Mengen komplexer, heterogener medizinischer und klinischer Daten. Die Anwendung von Big Data-Analytics auf gesundheitliche Daten bietet enormes Potenzial zur Ableitung von Erkenntnissen für die Verbesserung der Gesundheitsversorgung. Allerdings stellen die Größenordnungen dieser Datensätze große Herausforderungen bei der Analyse und den praktischen Anwendungen in einem klinischen Umfeld dar.

In diesem von einem Dozenten geleiteten, Live-Training (Remote) werden die Teilnehmer lernen, wie man Big Data-Analytics in der Gesundheitsversorgung durchführt, indem sie eine Reihe praktischer Übungen durchlaufen.

Bis zum Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Hadoop MapReduce und Spark zu installieren und zu konfigurieren
• Die Eigenschaften medizinischer Daten zu verstehen
• Große Datentechniken zur Bearbeitung von medizinischen Daten anzuwenden
• Große Datensysteme und Algorithmen im Kontext von Gesundheitsanwendungen zu studieren

Zielgruppe

• Entwickler
• Data Scientists

Kursformat

• Vorlesungsteil, Diskussionsteil, Übungen und praktische Anwendung.

Hinweis

• Um ein angepasstes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um eine Terminvereinbarung zu treffen.

In dieser von einem Ausbilder geleiteten Live-Schulung in Deutschland lernen die Teilnehmer die Denkweise kennen, mit der sie an Big Data Technologien herangehen, ihre Auswirkungen auf bestehende Prozesse und Richtlinien bewerten und diese Technologien zur Erkennung von kriminellen Aktivitäten und zur Verbrechensverhütung einsetzen. Anhand von Fallstudien von Strafverfolgungsbehörden aus der ganzen Welt werden Einblicke in deren Einführungsansätze, Herausforderungen und Ergebnisse gewonnen.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Technologie mit traditionellen Datenerfassungsprozessen zu kombinieren, um während einer Untersuchung eine Geschichte zusammenzusetzen.
• Industrielle Big-Data-Speicher- und Verarbeitungslösungen für die Datenanalyse zu implementieren.
• einen Vorschlag für die Einführung der geeignetsten Tools und Prozesse für einen datengesteuerten Ansatz bei kriminalpolizeilichen Ermittlungen auszuarbeiten.

Big Data ist ein Begriff, der sich auf Lösungen zur Speicherung und Verarbeitung großer Datensätze bezieht. Ursprünglich von Google entwickelt, haben diese Big Data-Lösungen sich weiterentwickelt und andere ähnliche Projekte inspiriert, viele davon sind als Open-Source verfügbar. R ist eine weit verbreitete Programmiersprache in der Finanzbranche.

Wenn herkömmliche Speichertechnologien die Menge an Daten, die Sie speichern müssen, nicht bewältigen können, gibt es Hunderte von Alternativen. Dieser Kurs versucht, den Teilnehmern zu vermitteln, welche Alternativen für das Speichern und Analysieren von Big Data existieren und welche Vor- und Nachteile diese haben.

Dieser Kurs konzentriert sich hauptsächlich auf Diskussionen und Präsentationen von Lösungen, obwohl bei Bedarf praktische Übungen angeboten werden.

Der Kurs ist Teil der Fähigkeiten von Data Scientist (Bereich: Daten und Technologie).

In dieser Schulung im Klassenzimmer wird Big Data untersucht. Den Teilnehmern stehen computergestützte Beispiele und Fallstudienübungen zur Verfügung, die sie mit relevanten Big-Data-Tools durchführen können

Publikum

Wenn Sie versuchen, aus den Daten, auf die Sie Zugriff haben, einen Sinn zu machen, oder wenn Sie unstrukturierte Daten analysieren möchten, die im Internet verfügbar sind (z. B. Twitter, Linked in usw.), ist dieser Kurs für Sie.

Es richtet sich hauptsächlich an Entscheidungsträger und Personen, die entscheiden müssen, welche Daten gesammelt und welche analysiert werden sollten.

Es richtet sich nicht an Personen, die die Lösung konfigurieren. Diese Personen werden jedoch vom Gesamtüberblick profitieren.

Lieferungsmodus

Während des Kurses werden den Teilnehmern Arbeitsbeispiele von meist Open Source-Technologien vorgestellt.

Auf kurze Vorträge folgen Präsentationen und einfache Übungen der Teilnehmer

Inhalt und verwendete Software

Die gesamte verwendete Software wird jedes Mal aktualisiert, wenn der Kurs ausgeführt wird. Wir überprüfen daher die neuesten Versionen.

Es umfasst den Prozess vom Abrufen, Formatieren, Verarbeiten und Analysieren der Daten, um zu erklären, wie der Entscheidungsprozess mit maschinellem Lernen automatisiert werden kann.

Big Data bezeichnet Datensätze, die so umfangreich und komplex sind, dass traditionelle Datenverarbeitungssoftware nicht in der Lage ist, sie angemessen zu verarbeiten. Herausforderungen bei Big Data umfassen Datenaufnahme, Speicherung, Analyse, Suche, Teilen, Übertragung, Visualisierung, Abfrage, Aktualisierung und Datenschutz.

Apache Hadoop ist das beliebteste Framework für die Verarbeitung von Big Data auf Serverclusters. In diesem drei- (optional vier-) Tageskurs lernen Teilnehmer über den Geschäftsvorteile und Einsatzmöglichkeiten von Hadoop und seinem Ökosystem, wie man einen Cluster bereitstellt und ausbaut, wie man Hadoop installiert, betreibt, überwacht, Fehler behebt und optimiert. Sie werden auch die Massendaten-Import in Clusters praktizieren, verschiedene Verteilungen von Hadoop kennen lernen und die Installation und Verwaltung von Tools des Hadoop-Ökosystems üben. Der Kurs endet mit einer Diskussion über das Schützen des Clusters mit Kerberos.

“…Die Materialien waren sehr gut vorbereitet und detailliert abgedeckt. Das Labor war sehr hilfreich und gut organisiert”— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Zielgruppe

Hadoop-Administratoren

Format

Vorlesungen und praktische Labore, ungefährer Teilungsgrad 60% Vorlesungen, 40% Labore.

Apache Hadoop ist der populärste Framework zur Verarbeitung von Big Data auf Clustern von Servern. Dieses Kurs wird einen Entwickler in verschiedene Komponenten des Hadoop-Ökosystems (HDFS, MapReduce, Pig, Hive und HBase) einführen.

Apache Hadoop ist eines der beliebtesten Frameworks zur Verarbeitung von Big Data auf Clustern von Servern. Dieses Kurs geht tief in die Datenverwaltung in HDFS, fortgeschrittene Pig, Hive und HBase ein. Diese fortgeschrittenen Programmiermethoden werden erfahrenen Hadoop-Entwicklern zugutekommen.

Zielgruppe: Entwickler

Dauer: drei Tage

Format: Vorlesungen (50%) und praktische Übungen (50%).

Zielgruppe:

Dieser Kurs soll Big Data/Hadoop-Technologie entmystifizieren und zeigen, dass sie nicht schwer zu verstehen ist.

Dieses von einem Dozenten geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Systemadministratoren, die lernen möchten, wie sie Hadoop-Cluster in ihrer Organisation einrichten, bereitstellen und verwalten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Apache Hadoop zu installieren und zu konfigurieren.
• Die vier Hauptkomponenten des Hadoop-Ökosystems zu verstehen: HDFS, MapReduce, YARN und Hadoop Common.
• Hadoop Distributed File System (HDFS) zum Skalieren eines Clusters auf Hunderte oder Tausende von Knoten zu verwenden.  
• HDFS als Speicher-Engine für lokale Spark-Bereitstellungen einzurichten.
• Spark zum Zugriff auf alternative Speicherlösungen wie Amazon S3 und NoSQL-Datenbanksysteme wie Redis, Elasticsearch, Couchbase, Aerospike etc. einzurichten.
• Administrative Aufgaben wie Bereitstellung, Verwaltung, Überwachung und Sicherung eines Apache Hadoop-Clusters durchzuführen.

Dieser Kurs stellt HBase vor – eine NoSQL-Datenbank auf Basis von Hadoop. Der Kurs richtet sich an Entwickler, die HBase zur Entwicklung von Anwendungen verwenden werden, sowie an Administratoren, die HBase-Clusters verwalten werden.

Wir führen die Entwickler durch die Architektur und Datenmodellierung von HBase sowie die Anwendungsentwicklung auf HBase. Der Kurs behandelt auch die Verwendung von MapReduce mit HBase und einige Administrations-Themen im Zusammenhang mit der Leistungsoptimierung. Der Kurs ist sehr praxisorientiert und enthält viele Laborübungen.

Dauer : 3 Tage

Zielgruppe : Entwickler  & Administratoren

In dieser von einem Dozenten geleiteten Live-Training in Deutschland (vor Ort oder remote) lernen die Teilnehmer, verschiedene Stream Processing-Frameworks mit bestehenden Big Data-Speichersystemen und verwandten Softwareanwendungen und Microservices zu integrieren.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• verschiedene Stream Processing-Frameworks wie Spark Streaming und Kafka Streaming zu installieren und zu konfigurieren.
• das für die Aufgabe am besten geeignete Framework auszuwählen.
• Daten kontinuierlich, parallel und zeile für Zeile zu verarbeiten.
• Stream Processing-Lösungen mit bestehenden Datenbanken, Data Warehouses, Data Lakes usw. zu integrieren.
• die für Unternehmen am besten geeignete Stream-Processing-Bibliothek mit Anwendungen und Microservices zu integrieren.

Dieses von einem Dozenten geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an technische Personen, die lernen möchten, eine Strategie für maschinelles Lernen zu implementieren, während sie den Einsatz von Big Data maximieren.

Am Ende dieses Trainings werden die Teilnehmer:

• Das Wachstum und die Trends im Bereich des maschinellen Lernens verstehen.
• Wissen, wie maschinelles Lernen in verschiedenen Branchen eingesetzt wird.
• Mit den Werkzeugen, Fähigkeiten und Dienstleistungen vertraut werden, die zur Implementierung von maschinellem Lernen innerhalb einer Organisation verfügbar sind.
• Verstehen, wie maschinelles Lernen verwendet werden kann, um Datenanalyse und -mining zu verbessern.
• Erfahren, was ein Datennachbearbeitungssystem ist und wie es von Unternehmen genutzt wird.
• Verstehen, welche Rolle Big Data und intelligente Anwendungen in verschiedenen Branchen spielen.

Apache NiFi ist eine Open-Source-Plattform für flussbasierte Datenintegration und Ereignisverarbeitung. Sie ermöglicht die automatisierte, in Echtzeit stattfindende Datenrouting-, Transformations- und Systemvermittlungsfunktionen zwischen unterschiedlichen Systemen mit einer webbasierten Benutzeroberfläche und feingranularen Kontrollmöglichkeiten.

Dieses vom Trainer geleitete, live Training (vor Ort oder remote) richtet sich an fortgeschrittene Administratoren und Ingenieure, die NiFi-Datenflüsse in Produktionsumgebungen bereitstellen, verwalten, schützen und optimieren möchten.

Zum Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Apache NiFi-Clusters zu installieren, zu konfigurieren und zuwartenden.
• Datenflüsse von verschiedenen Quellen und Senken zu planen und zu verwalten.
• Flussautomatisierung, Routing und Transformationslogik umzusetzen.
• Die Leistung zu optimieren, Operationen zu überwachen und Probleme zu beheben.

Kursformat

• Interaktive Vorlesung mit Diskussion realer Architekturen.
• Praktische Übungen: Erstellen, Bereitstellen und Verwalten von Flüssen.
• Szenario-basierte Aufgaben in einer Live-Lab-Umgebung.

Kursanpassungsoptionen

• Für eine angepasste Schulung für diesen Kurs kontaktieren Sie uns, um einen Termin zu vereinbaren.

In dieser Live-Schulung unter Anleitung in Deutschland lernen die Teilnehmer die Grundlagen der ablaufbasierten Programmierung, während sie eine Reihe von Demo-Erweiterungen, Komponenten und Prozessoren mit Apache NiFi entwickeln.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Die Architektur von NiFi und Datenflusskonzepte zu verstehen.
• Erweiterungen mit NiFi und APIs von Drittanbietern zu entwickeln.
• Ihren eigenen Apache-NiFi-Prozessor zu entwickeln.
• Echtzeitdaten aus unterschiedlichen und ungewöhnlichen Dateiformaten und Datenquellen einlesen und verarbeiten.

Dieses von einem Trainer angeleitete, Live-Training in Deutschland (online oder vor Ort) richtet sich an Datenwissenschaftler, die das SMACK Stack verwenden möchten, um Datenverarbeitungsplattformen für Big Data-Lösungen zu erstellen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Eine Datenpipeline-Architektur zur Verarbeitung von Big Data zu implementieren.
• Eine Cluster-Infrastruktur mit Apache Mesos und Docker zu entwickeln.
• Daten mit Spark und Scala zu analysieren.
• Unstrukturierte Daten mit Apache Cassandra zu verwalten.

Dieses von einem Dozenten geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Ingenieure, die Apache Spark-System zur Verarbeitung sehr großer Datenmengen einrichten und bereitstellen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Apache Spark zu installieren und zu konfigurieren.
• Sehr große Datensätze schnell zu verarbeiten und zu analysieren.
• Den Unterschied zwischen Apache Spark und Hadoop MapReduce zu verstehen und zu wissen, wann welches System verwendet werden sollte.
• Apache Spark mit anderen maschinellen Lernwerkzeugen zu integrieren.

Die Lernkurve von Apache Spark steigt am Anfang langsam an, es bedarf viel Mühe, um den ersten Erfolg zu erzielen. Dieses Kursziel ist es, den ersten schwierigen Teil zu überwinden. Nachdem die Teilnehmer diesen Kurs absolviert haben, verstehen sie die Grundlagen von Apache Spark, sie können RDD und DataFrame klar voneinander abgrenzen, sie lernen die Python- und Scala-APIs, sie verstehen Executoren und Tasks usw. Auch indem es sich an beste Praktiken orientiert, konzentriert sich dieser Kurs stark auf die Cloudbereitstellung, insbesondere auf Databricks und AWS. Die Teilnehmer werden auch die Unterschiede zwischen AWS EMR und AWS Glue verstehen, einem der neuesten Spark-Dienste von AWS.

ZIELGRUPPE:

Data Engineer, DevOps, Data Scientist

ZIEL:

In diesem Kurs wird Apache Spark vorgestellt. Die Teilnehmer lernen, wie Spark in das Big Data-Ökosystem passt und wie man Spark zur Datenanalyse verwendet. Der Kurs behandelt die Spark Shell für interaktive Datenanalyse, die Interna von Spark, Spark APIs, Spark SQL, Spark Streaming sowie maschinelles Lernen und GraphX.

ZIELGRUPPE:

Entwickler / Datenanalysten

Diese von einem Dozenten geleitete Live-Schulung in Deutschland (online oder vor Ort) richtet sich an Datenwissenschaftler und Entwickler, die Spark NLP, das auf Apache Spark aufbaut, zur Entwicklung, Implementierung und Skalierung von Modellen und Pipelines für die Verarbeitung natürlicher Sprache nutzen möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• die notwendige Entwicklungsumgebung einzurichten, um mit dem Aufbau von NLP-Pipelines mit Spark NLP zu beginnen.
• die Funktionen, die Architektur und die Vorteile der Verwendung von Spark NLP zu verstehen.
• die in Spark NLP verfügbaren vortrainierten Modelle zur Implementierung von Textverarbeitung zu verwenden.
• Lernen Sie, wie Sie Spark NLP-Modelle für produktionsreife Projekte erstellen, trainieren und skalieren können.
• Anwendung von Klassifizierung, Inferenz und Sentiment-Analyse auf reale Anwendungsfälle (klinische Daten, Einblicke in das Kundenverhalten usw.).

Spark SQL ist das Modul von Apache Spark, mit dem strukturierte und unstrukturierte Daten verarbeitet werden. Spark SQL bietet Informationen über die Struktur der Daten sowie über die durchgeführte Berechnung. Diese Informationen können zur Optimierung verwendet werden. Zwei häufige Anwendungen von Spark SQL sind:
- die Ausführung von SQL-Abfragen.
- das Lesen von Daten aus einer bestehenden Hive-Installation.

In diesem von einem Trainer geleiteten, live-Schulung (vor Ort oder Remote) lernen die Teilnehmer, verschiedene Arten von Datensätzen mit Spark SQL zu analysieren.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Spark SQL zu installieren und zu konfigurieren.
• Datenanalyse mit Spark SQL durchzuführen.
• Datensätze in verschiedenen Formaten abzufragen.
• Daten und Abfrageergebnisse zu visualisieren.

Kursformat

• Interaktive Vorlesung und Diskussion.
• Viele Übungen und Praxisübungen.
• Praktische Umsetzung in einer live-Lab-Umgebung.

Kursanpassungsoptionen

• Für eine angepasste Schulung für diesen Kurs wenden Sie sich bitte an uns, um die Anforderungen zu besprechen.

Dieses von einem Trainer geführte Live-Training in Deutschland (online oder vor Ort) richtet sich an technische Personen, die Talend Open Studio for Big Data einsetzen möchten, um den Prozess der Verarbeitung und Analyse von Big Data zu vereinfachen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Talend Open Studio for Big Data zu installieren und zu konfigurieren.
• Mit Big Data-Systemen wie Cloudera, HortonWorks, MapR, Amazon EMR und Apache zu verbinden.
• Die Big Data-Komponenten und -Connectors von Open Studio zu verstehen und einzurichten.
• Parameter zu konfigurieren, um MapReduce-Code automatisch zu generieren.
• Die Drag-and-Drop-Oberfläche von Open Studio zu verwenden, um Hadoop-Jobs auszuführen.
• Big Data-Pipelines zu prototypen.
• Big Data-Integration-Projekte zu automatisieren.