Cursuri de pregatire Apache Kafka for Python Programmers

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor de date, oamenilor de știință de date și programatorilor care doresc să utilizeze caracteristicile Spark Streaming în procesarea și analiza datelor în timp real.

La sfârșitul acestui curs, participanții vor putea utiliza Spark Streaming pentru a procesa fluxuri de date în timp real pentru a le utiliza în baze de date, sisteme de fișiere și tablouri de bord în timp real.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) este destinat dezvoltatorilor care doresc să implementeze procesarea fluxurilor Apache Kafka fără a scrie cod.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Confluent KSQL.
.
• Configurați o conductă de procesare a fluxurilor folosind doar comenzi SQL (fără codare Java sau Python).
.
• Realizați filtrarea datelor, transformările, agregările, îmbinările, fereastrarea și sesizarea în întregime în SQL.
.
• Proiectați și implementați interogări interactive și continue pentru ETL în flux și analize în timp real.
.

Apache Ignite is an in-memory computing platform that sits between the application and data layer to improve speed, scale, and availability.

This instructor-led, live training (online or onsite) is aimed at developers who wish to learn the principles behind persistent and pure in-memory storage as they step through the creation of a sample in-memory computing project.

By the end of this training, participants will be able to:

• Use Ignite for in-memory, on-disk persistence as well as a purely distributed in-memory database.
• Achieve persistence without syncing data back to a relational database.
• Use Ignite to carry out SQL and distributed joins.
• Improve performance by moving data closer to the CPU, using RAM as a storage.
• Spread data sets across a cluster to achieve horizontal scalability.
• Integrate Ignite with RDBMS, NoSQL, Hadoop and machine learning processors.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Apache Beam este un model de programare unificat, open source, pentru definirea și executarea conductelor paralele de procesare a datelor. Puterea sa constă în capacitatea sa de a rula conducte de loturi și de streaming, execuția fiind realizată de unul dintre back-end-urile de procesare distribuite acceptate de Beam: Apache Apex , Apache Flink , Apache Spark și Go ogle Cloud Dataflow. Apache Beam este utilă pentru sarcinile ETL (Extract, Transform și Load), cum ar fi mutarea datelor între diferite suporturi de stocare și surse de date, transformarea datelor într-un format mai dorit și încărcarea datelor într-un nou sistem.

În acest training, instruit în direct (la fața locului sau la distanță), participanții vor învăța cum să implementeze SDK-urile Apache Beam într-o Java sau Python care definește o conductă de prelucrare a datelor pentru descompunerea unui set de date mari în bucăți mai mici pentru o prelucrare independentă și paralelă .

Până la sfârșitul acestui antrenament, participanții vor putea:

• Instalați și configurați Apache Beam .
• Utilizați un singur model de programare pentru a efectua atât procesarea lotului, cât și fluxul, pentru a elimina Java lor Java sau Python .
• Executați conducte în mai multe medii.

Formatul cursului

• Partea de prelegere, o discuție parțială, exerciții și practici practice

Notă

• Acest curs va fi disponibil Scala în viitor. Vă rugăm să ne contactați pentru a vă aranja.

Apache Apex este o platformă nativă YARN care unifică procesarea fluxurilor și loturilor. Procesează date mari în mișcare într-un mod care poate fi scalabil, performant, tolerant la erori, statistic, sigur, distribuit și ușor operabil.

Această instruire în direct, dirijată de instructor, introduce arhitectura de procesare a fluxurilor unificate de Apache Apex și parcurge participanții prin crearea unei aplicații distribuite folosind Apex pe Hadoop .

Până la sfârșitul acestui antrenament, participanții vor putea:

• Înțelegeți conceptele conductelor de procesare a datelor, cum ar fi conectori pentru surse și chiuvete, transformări comune de date etc.
• Construiți, scalați și optimizați o aplicație Apex
• Procesați fluxuri de date în timp real în mod fiabil și cu latență minimă
• Utilizați Apex Core și biblioteca Apex Malhar pentru a permite dezvoltarea rapidă a aplicației
• Utilizați API-ul Apex pentru a scrie și reutiliza codul Java existent
• Integrați Apex în alte aplicații ca motor de procesare
• Reglarea, testarea și scalarea aplicațiilor Apex

Formatul cursului

• Prelegeri și discuții interactive.
• O mulțime de exerciții și practică.
• Implementarea practică într-un mediu de laborator live.

Opțiuni de personalizare a cursului

• Pentru a solicita un antrenament personalizat pentru acest curs, vă rugăm să ne contactați pentru a vă organiza.

Apache Storm este un motor de calcul distribuit în timp real utilizat pentru a permite inteligența de afaceri în timp real. Acest lucru se face prin a permite aplicațiilor să proceseze în mod fiabil fluxurile nedeterminate de date (de exemplu. prelucrarea fluxului).

"Storm este pentru prelucrarea în timp real ceea ce Hadoop este pentru prelucrarea batch!"

În această pregătire directă condusă de instructori, participanții vor învăța cum să instaleze și să configureze Apache Storm, apoi să dezvolte și să implementeze o aplicație Apache Storm pentru prelucrarea datelor mari în timp real.

Unele dintre subiectele incluse în această formare includ:

• Apache Storm în contextul Hadoop
• Lucrarea cu date nelimitată
• Computație continuă
• Analiza în timp real
• Procesare distribuită RPC și ETL

Cere acest curs acum!

Audienţă

• Software și dezvoltatori ETL
• Profesioniștii Mainframe
• Știință de date
• Analistii Big Data
• [ 0 ] Profesioniști

Formatul cursului

• Lecții parțiale, discuții parțiale, exerciții și practici grele

În cadrul acestui curs de instruire live, condus de un instructor în România (la fața locului sau la distanță), participanții vor învăța cum să implementeze și să administreze Apache NiFi într-un mediu de laborator live.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Apachi NiFi.
• Furnizați, transformați și gestionați date din surse de date disparate, distribuite, inclusiv baze de date și lacuri de date mari.
.
• Automatizați fluxurile de date.
.
• Activați analizele de streaming.
.
• Aplicați diverse abordări pentru ingestia de date.
.
• Transformați Big Data și în informații de afaceri.
.

În acest curs de instruire live, condus de un instructor în România, participanții vor învăța elementele de bază ale programării bazate pe fluxuri pe măsură ce vor dezvolta o serie de extensii, componente și procesoare demonstrative folosind Apache NiFi.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți arhitectura NiFi's și conceptele de flux de date.
• Dezvoltați extensii folosind NiFi și API-uri de la terți.
• Dezvoltă personalizat propriul procesor Apache Nifi.
.
• Ingerați și procesați date în timp real din formate de fișiere și surse de date disparate și neobișnuite.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) introduce principiile și abordările din spatele procesării distribuite a fluxurilor și a datelor pe loturi și îi conduce pe participanți prin crearea unei aplicații de streaming de date în timp real în Apache Flink.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

Crearea unui mediu pentru dezvoltarea aplicațiilor de analiză a datelor. Înțelegeți cum funcționează biblioteca de procesare grafică Apache Flink's s (Gelly). Împachetați, executați și monitorizați aplicațiile de streaming de date bazate pe Flink, tolerante la erori. Gestionați diverse sarcini de lucru. Efectuați analize avansate. Configurați un cluster Flink cu mai multe noduri. Măsurați și optimizați performanța. Integrați Flink cu diferite sisteme Big Data. Comparați capacitățile Flink cu cele ale altor cadre de procesare a datelor mari.

Pandas este un pachet Python care oferă structuri de date pentru lucrul cu date structurate (tabelare, multidimensionale, potențial eterogene) și serii de timp.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor de date care doresc să utilizeze Pandas pentru a efectua analize predictive cu ajutorul învățării automate.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Realizați manipularea datelor în Python.
.
• Conduceți operațiuni ETL pentru învățarea automată.
.
• Creați vizualizări de date cu Pandas
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează oamenilor de știință și dezvoltatorilor de date care doresc să utilizeze Modin pentru a construi și implementa calcule paralele cu Pandas pentru o analiză mai rapidă a datelor.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul necesar pentru a începe să dezvoltați Pandas fluxuri de lucru la scară cu Modin.
.
• Înțelegeți caracteristicile, arhitectura și avantajele Modin.
.
• Cunoașteți diferențele dintre Modin, Dask și Ray.
.
• Realizați Pandas operații mai rapid cu Modin.
.
• Implementați întregul Pandas API și funcțiile.
.

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează oamenilor de știință de date și inginerilor de software care doresc să utilizeze Dask cu ecosistemul Python pentru a construi, extinde și analiza seturi mari de date.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul pentru a începe să construiți procesarea de date mari cu Dask și Python.
• Explorați caracteristicile, bibliotecile, instrumentele și API-urile disponibile în Dask.
.
• Înțelegeți cum Dask accelerează calculul paralel în Python.
.
• Învățați cum să scalați ecosistemul Python (Numpy, SciPy, și Pandas) folosind Dask.
.
• Optimizați mediul Dask pentru a menține performanțe ridicate în manipularea seturilor mari de date.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să utilizeze FastAPI cu Python pentru a construi, testa și implementa API-uri RESTful mai ușor și mai rapid.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul de dezvoltare necesar pentru a dezvolta API-uri cu Python și FastAPI.
.
• Creați API-uri mai rapid și mai ușor folosind biblioteca FastAPI.
.
• Învățați cum să creați modele de date și scheme bazate pe Pydantic și OpenAPI.
.
• Conectați API-urile la o bază de date folosind SQLAlchemy.
• Implementați securitatea și autentificarea în API-uri folosind instrumentele FastAPI.
.
• Construiți imagini de containere și implementați API-uri web pe un server cloud.

Acest curs de formare live (online sau la fața locului), condus de un instructor, se adresează dezvoltatorilor care doresc să utilizeze stiva FARM (FastAPI, React și MongoDB) pentru a construi aplicații web dinamice, de înaltă performanță și scalabile.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

Configurați mediul de dezvoltare necesar care integrează FastAPI, React și MongoDB. Înțelegeți conceptele-cheie, caracteristicile și beneficiile stivei FARM. Învățați cum să construiți API-uri REST cu FastAPI. Învățați cum să proiectați aplicații interactive cu React. Dezvoltați, testați și implementați aplicații (front end și back end) utilizând stiva FARM.