IBM Datastage For Administrators and Developers Training Cursus

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.

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).

Deze live training onder leiding van een instructeur in België (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.

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 België (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.

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

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

Om te voldoen aan de regelgeving, kunnen CSP's ( Communication ) gebruikmaken van Big Data Analytics die hen niet alleen helpt om aan de compliance te voldoen, maar in het kader van hetzelfde project kunnen ze de klanttevredenheid verhogen en daarmee het verloop verminderen. Omdat compliance gerelateerd is aan de servicekwaliteit die verbonden is aan een contract, zal elk initiatief om aan de compliance te voldoen het "concurrentievoordeel" van de CSP's verbeteren. Daarom is het belangrijk dat regelgevers een reeks Big Data analysepraktijken voor CSP's kunnen adviseren / begeleiden die van wederzijds voordeel zullen zijn tussen de regelgevers en CSP's.

De cursus bestaat uit 8 modules (4 op dag 1 en 4 op dag 2)

Technologische vooruitgang en de toenemende hoeveelheid informatie transformeren de manier waarop zaken worden gedaan in veel sectoren, waaronder de overheid. GoDe snelheid waarmee gegevens worden gegenereerd en digitaal wordt gearchiveerd, neemt toe als gevolg van de snelle groei van mobiele apparaten en applicaties, slimme sensoren en apparaten, cloud computing-oplossingen en op de burger gerichte portalen. Naarmate digitale informatie zich uitbreidt en complexer wordt, worden informatiebeheer, -verwerking, -opslag, -beveiliging en -dispositie ook complexer. Nieuwe tools voor vastleggen, zoeken, ontdekken en analyseren helpen organisaties inzichten te verkrijgen uit hun ongestructureerde gegevens. De overheidsmarkt bevindt zich op een omslagpunt en realiseert zich dat informatie een strategisch bezit is, en dat de overheid zowel gestructureerde als ongestructureerde informatie moet beschermen, benutten en analyseren om de missievereisten beter te kunnen bedienen en vervullen. Terwijl overheidsleiders ernaar streven datagestuurde organisaties te ontwikkelen om hun missie succesvol te volbrengen, leggen zij de basis voor het correleren van afhankelijkheden tussen gebeurtenissen, mensen, processen en informatie.

Hoogwaardige overheidsoplossingen zullen worden gecreëerd uit een mix van de meest ontwrichtende technologieën:

Mobiele apparaten en applicaties Clouddiensten Sociale bedrijfstechnologieën en netwerken Big Data en analyses

IDC voorspelt dat de IT-industrie in 2020 een waarde van $5 biljoen zal bereiken, ongeveer $1,7 biljoen meer dan nu, en dat 80% van de groei van de industrie zal worden aangedreven door deze derdeplatformtechnologieën. Op de lange termijn zullen deze technologieën cruciale instrumenten zijn om met de complexiteit van de toegenomen digitale informatie om te gaan. Big Data is een van de intelligente industriële oplossingen en stelt de overheid in staat betere beslissingen te nemen door actie te ondernemen op basis van patronen die aan het licht komen door het analyseren van grote hoeveelheden gegevens – gerelateerd en niet-gerelateerd, gestructureerd en ongestructureerd.

Maar om deze prestaties te verwezenlijken is veel meer nodig dan alleen maar het verzamelen van enorme hoeveelheden data. “Het begrijpen van deze hoeveelheden Big Data vereist geavanceerde tools en technologieën die nuttige kennis kunnen analyseren en extraheren uit enorme en diverse informatiestromen”, aldus Tom Kalil en Fen Zhao van het Witte Huis Office of Science and Technology Policy schreef in een bericht op de OSTP Blog.

Het Witte Huis zette een stap in de richting van het helpen van instanties deze technologieën te vinden toen het in 2012 het National Big Data Research and Development Initiative oprichtte. Het initiatief omvatte meer dan $200 miljoen om het meeste te halen uit de explosie van Big Data en de tools die nodig zijn om analyseer het.

De uitdagingen die Big Data met zich meebrengt zijn bijna net zo ontmoedigend als de belofte ervan bemoedigend is. Gegevens efficiënt opslaan is een van deze uitdagingen. Zoals altijd zijn de budgetten krap, dus moeten bureaus de opslagprijs per megabyte minimaliseren en de gegevens gemakkelijk toegankelijk houden, zodat gebruikers deze kunnen verkrijgen wanneer zij dat willen en hoe zij die nodig hebben. Het maken van back-ups van enorme hoeveelheden gegevens vergroot de uitdaging.

Een andere grote uitdaging is het effectief analyseren van de gegevens. Veel bureaus maken gebruik van commerciële tools waarmee ze de bergen aan gegevens kunnen doorzoeken en trends kunnen ontdekken die hen kunnen helpen efficiënter te werken. (Uit een recent onderzoek van MeriTalk is gebleken dat federale IT-managers denken dat Big Data bureaus kan helpen meer dan 500 miljard dollar te besparen en tegelijkertijd de missiedoelstellingen te verwezenlijken.)

Met op maat ontwikkelde Big Data tools kunnen agentschappen ook tegemoetkomen aan de noodzaak om hun gegevens te analyseren. De Computational Data Analytics Group van het Oak Ridge National Laboratory heeft bijvoorbeeld zijn Piranha-data-analysesysteem beschikbaar gesteld aan andere instanties. Het systeem heeft medische onderzoekers geholpen een link te vinden die artsen kan waarschuwen voor aorta-aneurysmata voordat deze toeslaan. Het wordt ook gebruikt voor meer alledaagse taken, zoals het doorzoeken van cv's om sollicitanten in contact te brengen met personeelsmanagers.

Dag 1 - biedt een overzicht op hoog niveau van essentiële Big Data onderwerpgebieden. De module is verdeeld in een reeks secties, die elk vergezeld gaan van een praktische oefening.

Dag 2 - onderzoekt een reeks onderwerpen die betrekking hebben op analysepraktijken en hulpmiddelen voor Big Data omgevingen. Het gaat niet over implementatie- of programmadetails, maar houdt in plaats daarvan dekking op een conceptueel niveau, gericht op onderwerpen die deelnemers in staat stellen een uitgebreid begrip te ontwikkelen van de gemeenschappelijke analysefuncties en functies die door Big Data oplossingen worden aangeboden.

Dag 3 - biedt een overzicht van de fundamentele en essentiële onderwerpgebieden met betrekking tot de platformarchitectuur voor Big Data oplossingen. Het omvat Big Data mechanismen die nodig zijn voor de ontwikkeling van een Big Data oplossingsplatform en architecturale opties voor het samenstellen van een gegevensverwerkingsplatform. Er worden ook algemene scenario's gepresenteerd om een basiskennis te geven van hoe een Big Data oplossingsplatform in het algemeen wordt gebruikt.

Dag 4 - bouwt voort op dag 3 door geavanceerde onderwerpen te verkennen die betrekking hebben op de platformarchitectuur voor Big Data oplossingen. In het bijzonder worden verschillende architecturale lagen die deel uitmaken van het Big Data oplossingsplatform geïntroduceerd en besproken, waaronder gegevensbronnen, gegevensinvoer, gegevensopslag, gegevensverwerking en beveiliging.

Dag 5 - behandelt een aantal oefeningen en problemen die zijn ontworpen om het vermogen van de afgevaardigden om kennis van onderwerpen die op dag 3 en 4 zijn behandeld toe te passen, te testen.

Vooruitgang in technologieën en de toenemende hoeveelheid informatie transformeert de manier waarop wetshandhaving wordt uitgevoerd. De uitdagingen die Big Data meebrengen zijn bijna net zo ontmoedigend als de belofte van Big Data . Gegevens efficiënt opslaan is een van deze uitdagingen; effectief analyseren is een andere.

In deze door een instructeur geleide, live training leren deelnemers de mentaliteit om Big Data technologieën te benaderen, hun impact op bestaande processen en beleidsmaatregelen te beoordelen en deze technologieën te implementeren om criminele activiteiten te identificeren en criminaliteit te voorkomen. Casestudies van wetshandhavingsorganisaties over de hele wereld zullen worden onderzocht om inzicht te krijgen in hun aanpak, uitdagingen en resultaten van adoptie.

Aan het einde van deze training kunnen deelnemers:

• Combineer Big Data technologie met traditionele gegevensverzamelingsprocessen om een verhaal samen te stellen tijdens een onderzoek
• Implementeer industriële big data-opslag- en verwerkingsoplossingen voor data-analyse
• Een voorstel opstellen voor de goedkeuring van de meest adequate hulpmiddelen en processen om een gegevensgestuurde aanpak van strafrechtelijk onderzoek mogelijk te maken

Publiek

• Specialisten in rechtshandhaving met een technische achtergrond

Formaat van de cursus

• Deelcollege, deelbespreking, oefeningen en zware praktijkoefeningen

Big Data is een term die verwijst naar oplossingen die zijn bedoeld voor het opslaan en verwerken van grote gegevenssets. Go eerste instantie ontwikkeld door Go ogle, hebben deze Big Data oplossingen andere vergelijkbare projecten ontwikkeld en geïnspireerd, waarvan vele beschikbaar zijn als open-source. R is een populaire programmeertaal in de financiële sector.

Wanneer traditionele opslagtechnologieën niet omgaan met de hoeveelheid gegevens die u moet opslaan, zijn er honderden alternatieven. Deze cursus probeert de deelnemers te begeleiden wat alternatieven zijn voor het opslaan en analyseren van Big Data en wat hun voor- en nadelen zijn.

Deze cursus is vooral gericht op discussie en presentatie van oplossingen, hoewel praktische oefeningen op aanvraag beschikbaar zijn.