Big Data Schulungen in Österreich

Teilnehmer, die diese von einem Ausbilder geleitete Live-Schulung in Österreich 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.

Diese von einem Trainer geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an fortgeschrittene Datenexperten, die Datenverarbeitungsabläufe optimieren, Datenintegrität sicherstellen und robuste Data Lakehouse-Lösungen implementieren möchten, die die Komplexität moderner Big Data-Anwendungen bewältigen können. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Ein tiefes Verständnis der Iceberg-Architektur, einschließlich Metadatenmanagement und Dateilayout, zu erlangen.
• Iceberg für eine optimale Leistung in verschiedenen Umgebungen zu konfigurieren und es mit mehreren Datenverarbeitungs-Engines zu integrieren.
• Große Iceberg-Tabellen zu verwalten, komplexe Schemaänderungen durchzuführen und Partitionsentwicklungen zu handhaben.
• Beherrschen von Techniken zur Optimierung der Abfrageleistung und der Effizienz von Datenscans bei großen Datenbeständen.
• Implementierung von Mechanismen zur Sicherstellung der Datenkonsistenz, zur Verwaltung von Transaktionsgarantien und zum Umgang mit Fehlern in verteilten Umgebungen.

Diese Live-Schulung in Österreich (online oder vor Ort) unter der Leitung eines Dozenten richtet sich an Datenexperten auf Anfängerniveau, die sich das Wissen und die Fähigkeiten aneignen möchten, die erforderlich sind, um Apache Iceberg effektiv für die Verwaltung großer Datenmengen, die Sicherstellung der Datenintegrität und die Optimierung von Datenverarbeitungsabläufen zu nutzen. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Ein gründliches Verständnis der Architektur, der Funktionen und der Vorteile von Apache Iceberg erlangen.
• Sie lernen Tabellenformate, Partitionierung, Schemaentwicklung und Zeitreisefähigkeiten kennen.
• Apache Iceberg in verschiedenen Umgebungen zu installieren und zu konfigurieren.
• Erstellen, Verwalten und Manipulieren von Iceberg-Tabellen.
• Den Prozess der Migration von Daten aus anderen Tabellenformaten nach Iceberg verstehen.

Diese von einem Trainer geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an IT-Fachleute auf mittlerem Niveau, die ihre Kenntnisse in den Bereichen Datenarchitektur, Governance, Cloud Computing und Big-Data-Technologien erweitern möchten, um große Datenmengen für die Datenmigration in ihrem Unternehmen effektiv zu verwalten und zu analysieren. Am Ende dieses Kurses werden die Teilnehmer in der Lage sein

• Die grundlegenden Konzepte und Komponenten verschiedener Datenarchitekturen zu verstehen.
• ein umfassendes Verständnis der Data-Governance-Prinzipien und ihrer Bedeutung in regulatorischen Umgebungen erlangen.
• Data-Governance-Frameworks wie Dama und Togaf zu implementieren und zu verwalten.
• Cloud-Plattformen für eine effiziente Datenspeicherung, -verarbeitung und -verwaltung zu nutzen.

Diese von einem Trainer geleitete Live-Schulung in Österreich (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 Österreich (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.

Dieses von einem Trainer geleitete Live-Seminar in Österreich (online oder vor Ort) richtet sich an fortgeschrittene Big-Data-Professionals, die Apache Kylin zur Erstellung von Echtzeit-Datenwarehouses und zum Durchführen multidimensionaler Analysen auf großen Datensätzen nutzen möchten.Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Apache Kylin mit Echtzeitanwendungen für Streaming-Dateneingänge einzurichten und zu konfigurieren.
• OLAP-Cubes sowohl für Batch- als auch für Streaming-Daten zu entwerfen und zu erstellen.
• Komplexe Abfragen mit Untersekunden-Latenz über Kylin's SQL-Schnittstelle durchführen.
• Kylin mit BI-Tools integrieren, um interaktive Datenvisualisierungen zu ermöglichen.
• Die Leistung optimieren und die Ressourcen in Kylin effektiv verwalten.

Teilnehmer, die diese von einem Ausbilder geleitete Live-Schulung absolvieren, erhalten ein praktisches, praxisnahes Verständnis von Big Data und den damit verbundenen Technologien, Methoden und Tools. Die Teilnehmer haben die Möglichkeit, dieses Wissen durch praktische Übungen in die Praxis umzusetzen. Die Interaktion in der Gruppe und das Feedback des Ausbilders sind ein wichtiger Bestandteil des Kurses. Der Kurs beginnt mit einer Einführung in die grundlegenden Konzepte von Big Data und geht dann auf die Programmiersprachen und Methoden ein, die zur Datenanalyse verwendet werden. Abschließend werden die Tools und die Infrastruktur erörtert, die die Speicherung, verteilte Verarbeitung und Scalability von Big Data ermöglichen.

In dieser von einem Trainer geleiteten Live-Schulung in Österreich 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.

Dieser Kurs behandelt die Verwendung der Hive SQL Sprache (AKA: Hive HQL, SQL in Hive , Hive QL) für Personen, die Daten aus Hive extrahieren

This instructor-led, live training in Österreich (online or onsite) is aimed at intermediate-level database administrators, developers, and analysts who wish to master advanced SQL functionalities for complex data operations and database management. By the end of this training, participants will be able to:

• Perform advanced querying techniques using unions, subqueries, and complex joins.
• Add, update, and delete data, tables, views, and indexes with precision.
• Ensure data integrity through transactions and manipulate database structures.
• Create and manage databases efficiently for robust data storage and retrieval.

Dremio ist eine Open-Source "Self-Service-Datenplattform", die die Suche verschiedener Arten von Datenquellen beschleunigt. Dremio integriert mit relativen Datenbanken, Apache Hadoop, MongoDB, Amazon S3, ElasticSearch und anderen Datenquellen. Es unterstützt SQL und bietet ein Web-UI für Baufragen. In diesem Live-Training, das von Lehrern geleitet wird, lernen die Teilnehmer, wie sie installieren, konfigurieren und verwenden Dremio als einheitliche Schicht für Datenanalyse-Tools und die zugrunde liegenden Datenreserven. Am Ende dieser Ausbildung können die Teilnehmer:

• Installation und Konfiguration Dremio
• Anfragen gegen mehrere Datenquellen durchführen, unabhängig von Ort, Größe oder Struktur
• Integrieren Dremio mit BI und Datenquellen wie Tableau und Elasticsearch

Publikum

• Datenwissenschaftler
• Business Analytiker
• Dateningenieur

Format des Kurses

• Teilverhandlung, Teildiskussion, Übungen und schwere Übungen

Notizen

• Um eine benutzerdefinierte Ausbildung für diesen Kurs zu beantragen, wenden Sie sich bitte an uns, um zu arrangieren.

Diese Live-Schulung in Österreich (online oder vor Ort) richtet sich an Datenbankexperten auf mittlerem Niveau, die ihre Kenntnisse in Oracle SQL Entwicklung und Verwaltung erweitern möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Komplexe SQL Abfragen erstellen und optimieren.
• Datenbanken mit Oracle SQL Werkzeugen effizient zu verwalten.
• Best Practices bei der Entwicklung und Wartung von Datenbanken anzuwenden.
• Benutzerzugriff und Datenbanksicherheit in einer Oracle Umgebung zu verwalten.

Apache Accumulo ist ein sortierter, verteilter Schlüssel/Wertespeicher, der eine robuste, skalierbare Datenspeicherung und -abfrage ermöglicht. Er basiert auf dem Design von Google's BigTable und wird von Apache Hadoop, Apache Zookeeper und Apache Thrift unterstützt. Dieser von einem Trainer geleitete Live-Kurs behandelt die Funktionsprinzipien von Accumulo und führt die Teilnehmer durch die Entwicklung einer Beispielanwendung auf Apache Accumulo. Format des Kurses

• Teilweise Vortrag, teilweise Diskussion, praktische Entwicklung und Implementierung, gelegentliche Tests zur Überprüfung des Verständnisses

Diese Live-Schulung unter Anleitung in Österreich (online oder vor Ort) richtet sich an Anwendungsentwickler und Ingenieure, die anspruchsvollere Anwendungen der Datenbank Teradata beherrschen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Den Teradata-Speicherplatz zu verwalten.
• Daten in Teradata zu schützen und zu verteilen.
• Explain Plan lesen.
• Die SQL-Kenntnisse zu verbessern.
• Die wichtigsten Hilfsprogramme von Teradata verwenden.

Dieser Kurs richtet sich an Entwickler und Datenwissenschaftler, die KI verstehen und in ihre Anwendungen implementieren wollen. Besonderes Augenmerk wird auf Datenanalyse, verteilte KI und natürliche Sprachverarbeitung gelegt.

Amazon Redshift ist ein Cloud-basierter Data-Warehouse-Service in AWS im Petabyte-Bereich. In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer die Grundlagen von Amazon Redshift kennen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Installieren und Konfigurieren von Amazon Redshift
• Daten mit Amazon Redshift zu laden, zu konfigurieren, bereitzustellen, abzufragen und zu visualisieren

Zielgruppe

• Entwickler
• IT-Fachleute

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Hinweis

• Wenn Sie eine maßgeschneiderte Schulung für diesen Kurs wünschen, nehmen Sie bitte Kontakt mit uns auf, um dies zu vereinbaren.

Apache ActiveMQ ist ein in Java geschriebener Open Source Message Broker.

Der technologische Fortschritt und die zunehmende Menge an Informationen verändern die Art und Weise, wie Geschäfte in vielen Branchen, einschließlich der Verwaltung, abgewickelt werden. Go Die Datengenerierung und die digitale Archivierung in den Behörden nehmen aufgrund der rasanten Zunahme von mobilen Geräten und Anwendungen, intelligenten Sensoren und Geräten, Cloud-Computing-Lösungen und Bürgerportalen immer mehr zu. In dem Maße, in dem digitale Informationen zunehmen und komplexer werden, werden auch Informationsmanagement, -verarbeitung, -speicherung, -sicherheit und -disposition immer komplexer. Neue Erfassungs-, Such-, Ermittlungs- und Analysetools helfen Organisationen, Erkenntnisse aus ihren unstrukturierten Daten zu gewinnen. Der Behördenmarkt befindet sich an einem Wendepunkt, da er erkannt hat, dass Informationen ein strategisches Gut sind und die Behörden sowohl strukturierte als auch unstrukturierte Daten schützen, nutzen und analysieren müssen, um die Anforderungen der Mission besser erfüllen zu können. In ihrem Bestreben, datengesteuerte Organisationen zu entwickeln, um ihre Aufgaben erfolgreich zu erfüllen, legen Behördenleiter die Grundlage für die Korrelation von Abhängigkeiten zwischen Ereignissen, Menschen, Prozessen und Informationen. Hochwertige Lösungen für Behörden werden aus einer Kombination der innovativsten Technologien entstehen:

• Mobile Geräte und Anwendungen
• Cloud-Dienste
• Soziale Unternehmenstechnologien und Netzwerke
• Big Data und Analytik

IDC prognostiziert, dass die IT-Branche bis 2020 ein Volumen von 5 Billionen Dollar erreichen wird, etwa 1,7 Billionen Dollar mehr als heute, und dass 80 % des Wachstums der Branche von diesen Technologien der dritten Plattform angetrieben werden. Langfristig werden diese Technologien die Schlüsselinstrumente für den Umgang mit der Komplexität der zunehmenden digitalen Informationen sein. Big Data ist eine der intelligenten Industrielösungen und ermöglicht es den Behörden, bessere Entscheidungen zu treffen, indem sie Maßnahmen auf der Grundlage von Mustern ergreifen, die sich aus der Analyse großer Datenmengen ergeben - zusammenhängende und nicht zusammenhängende, strukturierte und unstrukturierte. Um dies zu erreichen, bedarf es jedoch weit mehr als nur der Anhäufung riesiger Datenmengen: "Um diese Big DataDatenmengen sinnvoll zu nutzen, bedarf es modernster Werkzeuge und Technologien, die nützliches Wissen aus riesigen und vielfältigen Informationsströmen analysieren und extrahieren können", schrieben Tom Kalil und Fen Zhao vom Büro für Wissenschafts- und Technologiepolitik des Weißen Hauses in einem Beitrag auf dem OSTP-Blog. Das Weiße Haus hat 2012 mit der Nationalen Big Data Forschungs- und Entwicklungsinitiative einen ersten Schritt getan, um den Behörden bei der Suche nach diesen Technologien zu helfen. Die Initiative umfasste mehr als 200 Millionen Dollar, um das Beste aus der explosionsartigen Zunahme von Big Data und den für ihre Analyse erforderlichen Werkzeugen zu machen. Die Herausforderungen, die die Big Data mit sich bringt, sind fast so beängstigend wie ihre vielversprechenden Möglichkeiten. Die effiziente Speicherung von Daten ist eine dieser Herausforderungen. Wie immer sind die Budgets knapp bemessen, so dass die Behörden den Preis pro Megabyte für die Speicherung minimieren und die Daten leicht zugänglich halten müssen, damit die Benutzer sie zum gewünschten Zeitpunkt und in der gewünschten Form abrufen können. Die Sicherung großer Datenmengen stellt eine zusätzliche Herausforderung dar. Die effektive Analyse der Daten ist eine weitere große Herausforderung. Viele Agenturen setzen kommerzielle Tools ein, die es ihnen ermöglichen, die Datenberge zu durchforsten und Trends zu erkennen, die ihnen helfen können, effizienter zu arbeiten. (Eine kürzlich von MeriTalk durchgeführte Studie ergab, dass IT-Führungskräfte auf Bundesebene der Meinung sind, dass Big Data den Behörden helfen könnte, mehr als 500 Milliarden Dollar einzusparen und gleichzeitig ihre Aufgaben zu erfüllen). Speziell entwickelte Big Data-Tools ermöglichen es den Behörden auch, ihre Daten zu analysieren. So hat beispielsweise die Computational Data Analytics Group des Oak Ridge National Laboratory ihr Datenanalysesystem Piranha anderen Behörden zur Verfügung gestellt. Das System hat medizinischen Forschern geholfen, eine Verbindung zu finden, die Ärzte vor Aortenaneurysmen warnen kann, bevor diese auftreten. Es wird auch für alltäglichere Aufgaben eingesetzt, z. B. für die Sichtung von Lebensläufen, um Bewerber mit Personalchefs in Kontakt zu bringen.

Apache Beam ist ein quelloffenes, einheitliches Programmiermodell für die Definition und Ausführung von parallelen Datenverarbeitungspipelines. Seine Stärke liegt in der Fähigkeit, sowohl Batch- als auch Streaming-Pipelines auszuführen, wobei die Ausführung von einem der von Beam unterstützten verteilten Verarbeitungs-Backends übernommen wird: Apache Apex, Apache Flink, Apache Spark, und Google Cloud Dataflow. Apache Beam ist nützlich für ETL-Aufgaben (Extrahieren, Transformieren und Laden) wie das Verschieben von Daten zwischen verschiedenen Speichermedien und Datenquellen, das Transformieren von Daten in ein gewünschtes Format und das Laden von Daten in ein neues System. In dieser von einem Trainer geleiteten Live-Schulung (vor Ort oder per Fernzugriff) lernen die Teilnehmer, wie sie die Apache Beam-SDKs in einer Java- oder Python-Anwendung implementieren, die eine Datenverarbeitungspipeline zur Zerlegung eines großen Datensatzes in kleinere Teile für eine unabhängige, parallele Verarbeitung definiert. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Apache Beam.
• ein einziges Programmiermodell zu verwenden, um sowohl Batch- als auch Stream-Verarbeitung innerhalb ihrer Java oder Python Anwendung auszuführen.
• Pipelines über mehrere Umgebungen hinweg auszuführen.

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Hinweis

• Dieser Kurs wird in Zukunft Scala verfügbar sein. Bitte kontaktieren Sie uns zur Absprache.

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

Tag 1 - bietet einen allgemeinen Überblick über wichtige Big Data Themenbereiche. Das Modul ist in eine Reihe von Abschnitten unterteilt, von denen jeder von einer praktischen Übung begleitet wird. Tag 2 - Erkundung einer Reihe von Themen, die Analyseverfahren und Tools für Big Data Umgebungen betreffen. Es geht nicht auf Implementierungs- oder Programmierdetails ein, sondern konzentriert sich auf konzeptionelle Aspekte, die es den Teilnehmern ermöglichen, ein umfassendes Verständnis der allgemeinen Analysefunktionen und -merkmale von Big Data Lösungen zu entwickeln. Tag 3 - bietet einen Überblick über die grundlegenden und wesentlichen Themenbereiche der Architektur der Big Data Lösungsplattform. Es behandelt Big Data Mechanismen, die für die Entwicklung einer Big Data Lösungsplattform erforderlich sind, und Architekturoptionen für den Aufbau einer Datenverarbeitungsplattform. Es werden auch allgemeine Szenarien vorgestellt, um ein grundlegendes Verständnis für die allgemeine Verwendung einer Big Data Lösungsplattform zu vermitteln. Tag 4 - baut auf Tag 3 auf und befasst sich mit fortgeschrittenen Themen zur Architektur der Big Data Lösungsplattform. Insbesondere werden verschiedene Architekturebenen, aus denen sich die Big Data Lösungsplattform zusammensetzt, vorgestellt und erörtert, darunter Datenquellen, Dateneingang, Datenspeicherung, Datenverarbeitung und Sicherheit. Tag 5 - umfasst eine Reihe von Übungen und Problemen, mit denen die Fähigkeit der Delegierten getestet werden soll, Kenntnisse über die behandelten Themen von Tag 3 und 4 anzuwenden.

In dieser von einem Ausbilder geleiteten Live-Schulung in Österreich 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 bezieht, mit denen große Datenmengen gespeichert und verarbeitet werden können. Entwickelt von Go Ogle zunächst, diese Big Data haben Lösungen entwickelt und inspiriert andere ähnliche Projekte, von denen viele als Quelle Frei zur Verfügung stehen. R ist eine beliebte Programmiersprache in der Finanzbranche.

Wenn herkömmliche Speichertechnologien nicht die Datenmenge verarbeiten, die Sie zum Speichern benötigen, gibt es Hunderte von Alternativen. Dieser Kurs soll den Teilnehmern zeigen, welche Alternativen zum Speichern und Analysieren von Big Data und welche Vor- und Nachteile sie haben. Dieser Kurs konzentriert sich hauptsächlich auf die Diskussion und Präsentation von Lösungen, wobei praktische Übungen auf Anfrage erhältlich sind.

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

Diese Live-Schulung (vor Ort oder per Fernzugriff) richtet sich an Techniker, die Confluent (eine Distribution von Kafka) verwenden möchten, um eine Echtzeit-Datenverarbeitungsplattform für ihre Anwendungen zu erstellen und zu verwalten. Am Ende dieser Schulung können die Teilnehmer:

• Confluent Platform installieren und konfigurieren.
• Confluents Verwaltungstools und -dienste nutzen, um Kafka einfacher zu betreiben.
• Eingehende Stream-Daten speichern und verarbeiten.
• Kafka-Cluster optimieren und verwalten.
• Datensätze sichern.

Format des Kurses

• Interaktive Vorlesung und Diskussion.
• Viele Übungen und Praxis.
• Händische Implementierung in einer Live-Lab-Umgebung.

Anpassungsoptionen für den Kurs

• Dieser Kurs basiert auf der Open-Source-Version von Confluent: Confluent Open Source.
• Für eine angepasste Ausbildung zu diesem Kurs wenden Sie sich bitte an uns, um dies zu vereinbaren.

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.

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

• die Architektur und die Designkonzepte hinter Data Vault 2.0 und ihre Interaktion mit Big Data, NoSQL und KI zu verstehen.
• Data Vaulting-Techniken anwenden, um Auditing, Tracing und Inspektion von historischen Daten in einem Data Warehouse zu ermöglichen.
• Entwicklung eines konsistenten und wiederholbaren ETL-Prozesses (Extract, Transform, Load).
• Aufbau und Bereitstellung hoch skalierbarer und wiederholbarer Warehouses.

Diese von einem Trainer geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Architekten, Entwickler und Administratoren, die die Denodo-Plattform zur Optimierung und Beschleunigung der Datenverwaltung durch Datenvirtualisierung nutzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Denodo-Plattform installieren und konfigurieren.
• die Funktionen und die Architektur von Denodo Platform zu verstehen.
• die wichtigsten Konzepte, Vorteile und Anwendungsfälle der Datenvirtualisierung zu verstehen.
• den Denodo-Plattform-Server zu konfigurieren und zu verwalten.
• Implementierung von Datensicherheit, Benutzerzugriff und Dienstauthentifizierung.
• Werkzeuge und Techniken zur Betriebsüberwachung und Leistungsoptimierung anwenden.

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

Big Data sind Datenmengen, die so umfangreich und komplex sind, dass herkömmliche Anwendungssoftware für die Datenverarbeitung nicht ausreicht, um mit ihnen umzugehen. Zu den großen Datenherausforderungen gehören Datenerfassung, Datenspeicherung, Datenanalyse, Suche, Freigabe, Übertragung, Visualisierung, Abfrage, Aktualisierung und Datenschutz.

Diese Live-Schulung in Österreich (online oder vor Ort) führt die Teilnehmer in die Prinzipien und Ansätze der verteilten Stream- und Batch-Datenverarbeitung ein und führt sie durch die Erstellung einer Echtzeit-Daten-Streaming-Anwendung in Apache Flink. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Eine Umgebung für die Entwicklung von Datenanalyseanwendungen einrichten.
• Verstehen, wie die graphverarbeitende Bibliothek (Gelly) von Apache Flink funktioniert.
• Flink-basierte, fehlertolerante Daten-Streaming-Anwendungen paketieren, ausführen und überwachen.
• Verschiedene Workloads verwalten.
• Fortgeschrittene Analysen durchführen.
• Einrichten eines Flink-Clusters mit mehreren Knoten.
• Messen und Optimieren der Leistung.
• Flink mit verschiedenen Big Data Systemen integrieren.
• Flink-Funktionen mit denen anderer Big-Data-Verarbeitungs-Frameworks vergleichen.

In dieser von einem Trainer geleiteten Live-Schulung in Österreich lernen die Teilnehmer die Technologieangebote und Implementierungsansätze für die Verarbeitung von Graphdaten kennen. Ziel ist es, Objekte der realen Welt, ihre Eigenschaften und Beziehungen zu identifizieren, diese Beziehungen zu modellieren und sie als Daten mit einem Graph Computing (auch bekannt als Graph Analytics) Ansatz zu verarbeiten. Wir beginnen mit einem breiten Überblick und konzentrieren uns auf spezifische Tools, während wir eine Reihe von Fallstudien, praktischen Übungen und Live-Einsätzen durchführen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein

• Verstehen, wie Graphdaten persistiert und durchlaufen werden.
• das beste Framework für eine bestimmte Aufgabe auszuwählen (von Graphdatenbanken bis hin zu Stapelverarbeitungs-Frameworks).
• Implementierung von Hadoop, Spark, GraphX und Pregel, um Graphenberechnungen auf vielen Rechnern parallel durchzuführen.
• Big-Data-Probleme aus der realen Welt in Form von Graphen, Prozessen und Traversalen zu betrachten.

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.

Diese Live-Schulung mit Kursleiter in Österreich (online oder vor Ort) führt die Teilnehmer in die Hortonworks Data Platform (HDP) ein und begleitet sie durch den Einsatz der Spark + Hadoop Lösung. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Hortonworks verwenden, um Hadoop in großem Maßstab zuverlässig auszuführen.
• Die Sicherheits-, Governance- und Betriebsfunktionen von Hadoop mit den agilen analytischen Workflows von Spark zu vereinen.
• Verwenden Sie Hortonworks, um jede Komponente in einem Spark-Projekt zu untersuchen, zu validieren, zu zertifizieren und zu unterstützen.
• Verarbeiten Sie verschiedene Datentypen, einschließlich strukturierter und unstrukturierter Daten sowie Daten in Bewegung und im Ruhezustand.

Cloudera Impala ist eine quelloffene, massiv-parallele Verarbeitungs- (MPP) SQL Abfrage-Engine für Apache Hadoop-Cluster. Mit Cloudera Impala können Benutzer Abfragen mit niedriger Latenz SQL an Daten stellen, die im Hadoop Distributed File System und in Apache Hbase gespeichert sind, ohne dass eine Datenbewegung oder -transformation erforderlich ist. Zielgruppe Dieser Kurs richtet sich an Analysten und Datenwissenschaftler, die Daten, die in Hadoop gespeichert sind, mit Business Intelligence oder SQL Tools analysieren. Nach diesem Kurs werden die Teilnehmer in der Lage sein

• Aussagekräftige Informationen aus Hadoop-Clustern mit Impala zu extrahieren.
• Spezifische Programme zu schreiben, um Business Intelligence in Impala SQL Dialekt zu erleichtern.
• Fehler zu beheben Impala.

In dieser von einem Trainer geleiteten Live-Schulung (vor Ort oder per Fernzugriff) lernen die Teilnehmer, wie sie verschiedene Stream Processing Frameworks mit bestehenden Big-Data-Speichersystemen und zugehörigen Softwareanwendungen und Microservices einrichten und integrieren können. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und Konfigurieren verschiedener Stream Processing Frameworks, wie Spark Streaming und Kafka Streaming.
• Das am besten geeignete Framework für die jeweilige Aufgabe verstehen und auswählen.
• Daten kontinuierlich, gleichzeitig und Datensatz für Datensatz verarbeiten.
• Lösungen mit bestehenden Datenbanken, Data Warehouses, Data Lakes usw. integrieren Stream Processing.
• Integrieren Sie die am besten geeignete Stream-Processing-Bibliothek in Unternehmensanwendungen und Microservices.

Diese von einem Kursleiter geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Dateningenieure, Datenwissenschaftler und Programmierer, die die Apache Kafka-Funktionen in Datenströmen mit Python nutzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein, Apache Kafka zur Überwachung und Verwaltung von Bedingungen in kontinuierlichen Datenströmen mit Python-Programmierung zu verwenden.

Kafka Streams ist eine clientseitige Bibliothek zum Erstellen von Anwendungen und Mikrodiensten, deren Daten an ein und von einem Kafka-Messagingsystem übertragen werden. Traditionell hat sich Apache Kafka auf Apache Spark oder Apache Storm , um Daten zwischen Nachrichtenproduzenten und -konsumenten zu verarbeiten. Durch Aufrufen der Kafka Streams-API aus einer Anwendung heraus können Daten direkt in Kafka verarbeitet werden, ohne dass die Daten zur Verarbeitung an einen separaten Cluster gesendet werden müssen. In diesem von Lehrern geführten Live-Training lernen die Teilnehmer, wie sie Kafka-Streams in eine Reihe von Java Beispielanwendungen integrieren, die Daten zur Stream-Verarbeitung an Apache Kafka und von diesem weitergeben. Am Ende dieser Schulung können die Teilnehmer:

• Kafka Streams-Funktionen und Vorteile gegenüber anderen Stream-Verarbeitungsframeworks verstehen
• Daten direkt innerhalb eines Kafka-Klusters verarbeiten
• Eine Java oder Scala-Anwendung oder -Mikrodienst schreiben, der mit Kafka und Kafka Streams integriert ist
• Konkise Code schreiben, der Eingabethemen von Kafka in Ausgabetopics von Kafka transformiert
• Die Anwendung erstellen, verpacken und bereitstellen

Publikum

• Entwickler

Kursformat

• Teil Vorlesung, teil Diskussion, Übungen und intensive praktische Arbeit

Anmerkungen

• Für eine angepasste Schulung zu diesem Kurs wenden Sie sich bitte an uns, um dies zu vereinbaren.

Diese von einem Kursleiter geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Entwickler, die Apache Kafka Stream Processing implementieren möchten, ohne Code zu schreiben. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein,:

• Confluent KSQL zu installieren und zu konfigurieren.
• eine Stream-Processing-Pipeline nur mit SQL-Befehlen einzurichten (keine Java- oder Python-Codierung).
• Datenfilterung, Transformationen, Aggregationen, Joins, Windowing und Sessionization vollständig in SQL durchzuführen.
• Interaktive, kontinuierliche Abfragen für Streaming ETL und Echtzeit-Analysen entwerfen und einsetzen.

Diese von einem Ausbilder geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die lernen möchten, wie man eine Strategie für maschinelles Lernen implementiert und gleichzeitig die Nutzung von Big Data maximiert. Am Ende dieser Schulung werden die Teilnehmer:

• Verstehen Sie die Entwicklung und die Trends des maschinellen Lernens.
• Wissen, wie maschinelles Lernen in verschiedenen Branchen eingesetzt wird.
• Mit den Tools, Fähigkeiten und Dienstleistungen vertraut sein, die für die Implementierung des maschinellen Lernens in einem Unternehmen zur Verfügung stehen.
• Verstehen Sie, wie maschinelles Lernen zur Verbesserung von Data Mining und Analyse eingesetzt werden kann.
• Lernen Sie, was ein Data-Middle-Backend ist und wie es von Unternehmen genutzt wird.
• Verstehen Sie die Rolle, die Big Data und intelligente Anwendungen in verschiedenen Branchen spielen.

In dieser von einem Ausbilder geleiteten Live-Schulung in Österreich (vor Ort oder per Fernzugriff) lernen die Teilnehmer, wie sie Apache NiFi in einer Live-Laborumgebung einsetzen und verwalten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Apachi NiFi zu installieren und zu konfigurieren.
• Daten aus unterschiedlichen, verteilten Datenquellen, einschließlich Datenbanken und Big Data Lakes, zu beschaffen, umzuwandeln und zu verwalten.
• Datenflüsse zu automatisieren.
• Streaming-Analysen zu ermöglichen.
• Wenden Sie verschiedene Ansätze für die Datenerfassung an.
• Transformieren Sie Big Data und in Geschäftseinblicke.

In dieser Live-Schulung unter Anleitung in Österreich 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.

Apache SolrCloud ist eine verteilte Datenverarbeitungsmaschine, die die Suche und Indizierung von Dateien in einem verteilten Netzwerk erleichtert. In dieser von einem Trainer geleiteten Live-Schulung lernen die Teilnehmer, wie sie eine SolrCloudInstanz auf Amazon AWS einrichten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• die Funktionen von SolCloud zu verstehen und wie sie sich von denen herkömmlicher Master-Slave-Cluster unterscheiden
• einen zentralisierten SolCloud-Cluster zu konfigurieren
• Prozesse zu automatisieren, wie z.B. die Kommunikation mit Shards, das Hinzufügen von Dokumenten zu den Shards, etc.
• Verwenden Sie Zookeeper in Verbindung mit SolrCloud, um Prozesse weiter zu automatisieren
• Verwendung der Schnittstelle zur Verwaltung von Fehlerberichten
• Lastausgleich einer SolrCloud-Installation
• Konfigurieren Sie SolrCloud für kontinuierliche Verarbeitung und Failover

Zielgruppe

• Solr-Entwickler
• Projektleiter
• Systemverwalter
• Suchanalysten

Format des Kurses

• Teilweise Vorlesung, teilweise Diskussion, Übungen und umfangreiche praktische Übungen

Diese von einem Kursleiter geleitete Live-Schulung in Österreich (online oder vor Ort) richtet sich an Dateningenieure, Datenwissenschaftler und Programmierer, die die Funktionen von Spark Streaming zur Verarbeitung und Analyse von Echtzeitdaten nutzen möchten. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein, mit Spark Streaming Live-Datenströme zur Verwendung in Datenbanken, Dateisystemen und Live-Dashboards zu verarbeiten.

MLlib ist die ML-Bibliothek (Machine Learning) von Spark. Ziel ist es, praktisches maschinelles Lernen skalierbar und einfach zu machen. Es besteht aus allgemeinen Lernalgorithmen und Dienstprogrammen, einschließlich Klassifizierung, Regression, Clustering, kollaborativer Filterung, Dimensionsreduzierung sowie Optimierungsprimitiven auf niedrigerer Ebene und Pipeline-APIs auf höherer Ebene. Es teilt sich in zwei Pakete:

• spark.mllib enthält die ursprüngliche API, die auf RDDs basiert.
• spark.ml bietet eine API auf höherer Ebene, die auf DataFrames zum Erstellen von ML-Pipelines basiert.

Publikum Dieser Kurs richtet sich an Ingenieure und Entwickler, die eine integrierte Maschinenbibliothek für Apache Spark

Diese von einem Trainer geleitete Live-Schulung (online oder vor Ort) richtet sich an Techniker, die Talend Open Studio for Big Data einsetzen möchten, um den Prozess des Lesens und Verarbeitens von Big Data zu vereinfachen. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Installieren und konfigurieren Sie Talend Open Studio für Big Data.
• Verbinden mit Big Data Systemen wie Cloudera, HortonWorks, MapR, Amazon EMR und Apache.
• Die Big-Data-Komponenten und Konnektoren von Open Studio verstehen und einrichten.
• Parameter für die automatische Generierung von MapReduce-Code konfigurieren.
• Die Drag-and-Drop-Schnittstelle von Open Studio nutzen, um Hadoop-Jobs auszuführen.
• Big-Data-Pipelines prototypisieren.
• Automatisieren Sie Big-Data-Integrationsprojekte.

Teradata ist eines der beliebtesten relationalen Database Management Systeme. Es eignet sich vor allem für den Aufbau umfangreicher Data-Warehousing-Anwendungen. Teradata erreicht dies durch das Konzept der Parallelität. Dieser Kurs führt die Teilnehmer in Teradata ein.

Diese von einem Trainer geleitete Live-Schulung führt in die Konzepte der interaktiven Datenanalyse ein und führt die Teilnehmer durch den Einsatz und die Nutzung von Zeppelin in einer Einzel- oder Mehrbenutzerumgebung. Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Zeppelin zu installieren und zu konfigurieren
• Daten in einer browserbasierten Oberfläche entwickeln, organisieren, ausführen und austauschen
• Ergebnisse zu visualisieren, ohne auf die Kommandozeile oder Clusterdetails zurückgreifen zu müssen
• Lange Workflows auszuführen und gemeinsam daran zu arbeiten
• Arbeiten Sie mit einer beliebigen Anzahl von Plug-in-Sprachen/Datenverarbeitungs-Backends, wie Scala (mit Apache Spark), Python (mit Apache Spark), Spark SQL, JDBC, Markdown und Shell.
• Integrieren Sie Zeppelin mit Spark, Flink und Map Reduce
• Sichere Mehrbenutzer-Instanzen von Zeppelin mit Apache Shiro

ZooKeeper ist ein zentraler Dienst zur Verwaltung von Konfigurationsinformationen, zur Namensgebung, zur verteilten Synchronisierung und zur Bereitstellung von Gruppendiensten.