Data Warehouse Schulungen in Erfurt

Diese von einem Trainer geleitete Live-Schulung in Erfurt (online oder vor Ort) richtet sich an Dateningenieure auf mittlerem Niveau, die lernen möchten, wie man Azure Data Lake Storage Gen2 für effektive Datenanalyselösungen nutzt.Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Die Architektur und die wichtigsten Funktionen von Azure Data Lake Storage Gen2 zu verstehen.
• Optimieren der Datenspeicherung und des Datenzugriffs hinsichtlich Kosten und Leistung.
• Integration von Azure Data Lake Storage Gen2 mit anderen Azure Services für Analysen und Datenverarbeitung.
• Entwickeln Sie Lösungen mit der Azure Data Lake Storage Gen2 API.
• Fehlerbehebung bei allgemeinen Problemen und Optimierung von Speicherstrategien.

Diese Live-Schulung in Erfurt (online oder vor Ort) richtet sich an IT-Fachleute auf mittlerem Niveau, die ein umfassendes Verständnis von IBM DataStage sowohl aus der Verwaltungs- als auch aus der Entwicklungsperspektive erlangen möchten, damit sie dieses Tool an ihrem jeweiligen Arbeitsplatz effektiv verwalten und einsetzen können.Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Die Kernkonzepte von DataStage zu verstehen.
• Lernen, wie man DataStage-Umgebungen effektiv installiert, konfiguriert und verwaltet.
• Verbindung zu verschiedenen Datenquellen herstellen und Daten effizient aus Datenbanken, Flat Files und externen Quellen extrahieren.
• Effektive Datenladetechniken zu implementieren.

Apache Kylin ist eine extreme, verteilte Analyse-Motor für große Daten. In diesem Live-Training, der von Lehrern geleitet wird, lernen die Teilnehmer, wie man Apache Kylin einen Datenlager in Echtzeit zu verwenden. Am Ende dieser Ausbildung können die Teilnehmer:

• Echtzeit-Streamingdaten mit Kylin verbrauchen
• Nutze Apache Kylin's leistungsfähige Funktionen,rich SQL Schnittstelle, Spark-Cubing und subsecond Query Latency

Hinweis

• Wir verwenden die neueste Version von Kylin (basiert auf diesem Schreiben, Apache Kylin v2.0)

Publikum

• Big Data Ingenieure
• Big Data Analytiker

Format des Kurses

• Teilverhandlung, Teildiskussion, Übungen und schwere Übungen

Amazon Redshift ist ein Cloud-basierter Data Warehouse-Service für Petabytescale in AWS In diesem instruierten Live-Training lernen die Teilnehmer die Grundlagen von Amazon Redshift kennen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Installieren und konfigurieren Sie Amazon Redshift Laden, Konfigurieren, Bereitstellen, Abfragen und Visualisieren von Daten mit Amazon Redshift Publikum Entwickler IT-Fachleute Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen Hinweis Um ein maßgeschneidertes Training für diesen Kurs anzufordern, kontaktieren Sie uns bitte, um zu vereinbaren .

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

Apache Druid ist ein in Java geschriebener, spaltenorientierter, verteilter Open-Source-Datenspeicher. Es wurde entwickelt, um schnell große Mengen an Ereignisdaten aufzunehmen und OLAP-Abfragen mit niedriger Latenz für diese Daten auszuführen. Druid wird häufig in Business Intelligence-Anwendungen verwendet, um große Mengen von Echtzeit- und Verlaufsdaten zu analysieren. Es ist auch gut geeignet, um schnelle, interaktive, analytische Dashboards für Endbenutzer zu erstellen. Druid wird von Unternehmen wie Alibaba, Airbnb, Cisco , eBay, Netflix, Paypal und Yahoo verwendet. In diesem von Lehrern geführten Live-Kurs werden einige der Einschränkungen von Data Warehouse-Lösungen untersucht und erläutert, wie Druid diese Technologien zu einem flexiblen und skalierbaren Streaming Analytics-Stack ergänzen kann. Wir gehen viele Beispiele durch und bieten den Teilnehmern die Möglichkeit, Druiden-basierte Lösungen in einer Laborumgebung zu implementieren und zu testen.

Format des Kurses

• Teilvorlesung, Teildiskussion, intensive praktische Übungen, gelegentliche Tests zur Beurteilung des Verständnisses

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Entwickler, die eine Greenplum-Datenbank mit mehreren Knoten einrichten möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installation und Konfiguration von Pivotal Greenplum.
• Modellieren von Daten entsprechend den aktuellen Bedürfnissen und zukünftigen Erweiterungsplänen.
• Ausführen verschiedener Techniken zur Verteilung von Daten auf mehrere Knoten.
• Verbesserung der Datenbankleistung durch Tuning.
• Überwachung und Fehlerbehebung einer Greenplum-Datenbank.

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Administratoren, die Greenplum Database für Business Intelligence- und Data Warehousing-Lösungen einrichten möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Verarbeitungsanforderungen mit Greenplum erfüllen.
• ETL-Operationen für die Datenverarbeitung durchführen.
• Vorhandene Infrastrukturen für die Abfrageverarbeitung nutzen.

Mem SQL ist ein speicherinternes, verteiltes SQL Datenbankverwaltungssystem für Clouds und lokale Anwendungen. Es handelt sich um ein Echtzeit-Data-Warehouse, das sofort Einblicke in Live- und Verlaufsdaten bietet. In diesem von Lehrern geführten Live-Training lernen die Teilnehmer die Grundlagen von Mem SQL für die Entwicklung und Verwaltung. Am Ende dieser Schulung können die Teilnehmer:

• Verstehen Sie die wichtigsten Konzepte und Eigenschaften von Mem SQL
• Installieren, entwerfen, warten und betreiben Sie Mem SQL
• Optimieren Sie Schemata in Mem SQL
• Verbessern Sie Abfragen in Mem SQL
• Benchmark-Leistung in Mem SQL
• Erstellen Sie Echtzeit-Datenanwendungen mit Mem SQL

Publikum

• Entwickler
• Administratoren
• Betriebsingenieure

Format des Kurses

• Teilvorlesung, Teildiskussion, Übungen und viel praktisches Üben

In dieser von einem Ausbilder geleiteten Live-Schulung lernen die Teilnehmer, wie man ein Data Vault. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Verstehen Sie die Architektur und die Designkonzepte hinter Data Vault 2.0 und seine Interaktion mit Big Data, NoSQL und AI.
• Data Vaulting-Techniken nutzen, um Auditing, Tracing und Inspektion von historischen Daten in einem Data Warehouse zu ermöglichen.
• Entwickeln eines konsistenten und wiederholbaren ETL-Prozesses (Extrahieren, Transformieren, Laden).
• Hochskalierbare und wiederholbare Data Warehouses aufbauen und einsetzen.