Kursus Pelatihan Hadoop Administrasi pada MapR

Audience:

Kursus ini ditujukan untuk spesialis IT yang mencari solusi untuk menyimpan dan memproses kumpulan data besar dalam lingkungan sistem terdistribusi.

Goal:

Pengetahuan mendalam tentang administrasi kluster Hadoop.

Big data analytics melibatkan proses pemeriksaan jumlah data besar dan beragam untuk mengungkap korelasi, pola terpendam, dan wawasan lainnya yang berguna.

Industri kesehatan memiliki jumlah data medis dan klinis yang rumit dan heterogen yang sangat besar. Menggunakan analisis big data pada data kesehatan menawarkan potensi besar dalam mendapatkan wawasan untuk meningkatkan pelayanan kesehatan. Namun, kekuatan besar dari dataset ini memunculkan tantangan besar dalam analisis dan aplikasi praktis dalam lingkungan klinis.

Dalam pelatihan online langsung ini, peserta akan belajar melakukan analisis big data dalam kesehatan sambil melewati serangkaian latihan praktis langsung.

Di akhir pelatihan ini, peserta akan dapat:

• Memasang dan mengkonfigurasi alat analisis big data seperti Hadoop MapReduce dan Spark
• Memahami karakteristik data medis
• Menerapkan teknik big data untuk mengatasi data medis
• Mempelajari sistem dan algoritma big data dalam konteks aplikasi kesehatan

Target Peserta

• Pengembang
• Ilmuwan Data

Format Kursus

• Bagian kuliah, bagian diskusi, latihan dan banyak praktik langsung.

Catatan

• Untuk meminta pelatihan kustom untuk kursus ini, silakan hubungi kami untuk mengatur.

Kursus ini ditujukan untuk spesialis IT yang mencari solusi untuk menyimpan dan memproses set data besar dalam lingkungan sistem distribusi

Tujuan kursus:

Mendapatkan pengetahuan tentang administrasi Hadoop cluster

Apache Hadoop adalah kerangka kerja paling populer untuk memproses Big Data di klaster server. Dalam kursus tiga (opsional empat) hari ini, peserta akan belajar tentang manfaat bisnis dan kasus penggunaan untuk Hadoop dan ekosistemnya, bagaimana merencanakan penempatan dan pertumbuhan klaster, cara menginstal, memelihara, memantau, menangani masalah, dan mengoptimalkan Hadoop. Mereka juga akan berlatih memuat data besar ke klaster, menjadi familiar dengan berbagai distribusi Hadoop, serta berlatih menginstal dan mengelola alat ekosistem Hadoop. Kursus ini berakhir dengan diskusi tentang keamanan klaster menggunakan Kerberos.

“…Materi tersebut sangat baik disiapkan dan ditutup secara menyeluruh. Lab-nya sangat membantu dan terorganisir dengan baik”— Andrew Nguyen, Principal Integration DW Engineer, Microsoft Online Advertising

Audience

Administrator Hadoop

Format

Pengajaran dan laboratorium praktik, keseimbangan sekitar 60% pengajaran, 40% lab.

Apache Hadoop adalah kerangka kerja paling populer untuk memproses Big Data pada klaster server. Kursus ini akan memperkenalkan pengembang kepada berbagai komponen ekosistem (HDFS, MapReduce, Pig, Hive, dan HBase) dari Hadoop.

Apache Hadoop adalah salah satu kerangka kerja paling populer untuk memproses Big Data di kluster server. Kursus ini membahas manajemen data dalam HDFS, Pig lanjutan, Hive, dan HBase.  Teknik pemrograman lanjutan ini akan bermanfaat bagi pengembang Hadoop berpengalaman.

Audience: pengembang

Durasi: tiga hari

Format: kuliah (50%) dan laboratorium praktik (50%).

Pelatihan langsung ini di Indonesia (online atau di lokasi) ditujukan bagi administrator sistem yang ingin belajar cara mengatur, mendeploy dan mengelola klaster Hadoop dalam organisasi mereka.

Setelah selesai pelatihan ini, peserta akan dapat:

• Menginstal dan mengkonfigurasi Apache Hadoop.
• Mengerti empat komponen utama dalam ekosistem Hadoop: HDFS, MapReduce, YARN, dan Hadoop Common.
• Menggunakan Sistem File Terdistribusi (HDFS) Hadoop untuk menyelebar klaster hingga ratusan atau ribuan node.
• Mengatur HDFS sebagai mesin penyimpanan untuk pemasangan Spark di lokasi.
• Mengatur Spark untuk mengakses solusi penyimpanan alternatif seperti Amazon S3 dan sistem basis data NoSQL seperti Redis, Elasticsearch, Couchbase, Aerospike, dll.
• Melakukan tugas administratif seperti provisi, pengelolaan, pemantauan dan penyediaan keamanan klaster Apache Hadoop.

Kursus ini memperkenalkan HBase – sebuah penyimpanan NoSQL di atas Hadoop. Kursus ini ditujukan untuk pengembang yang akan menggunakan HBase untuk mengembangkan aplikasi, dan administrator yang akan mengelola kluster HBase.

Kami akan mengarahkan seorang pengembang melalui arsitektur HBase, pemodelan data, dan pengembangan aplikasi di HBase. Kursus ini juga akan membahas penggunaan MapReduce dengan HBase, dan beberapa topik administrasi yang berkaitan dengan optimasi kinerja. Kursus ini sangat praktis dengan banyak latihan lab.

Durasi : 3 hari

Audien : Pengembang & Administrasi

Pelatihan langsung yang dipandu instruktur di Indonesia (online atau di tempat) ini memperkenalkan Hortonworks Data Platform (HDP) dan memandu peserta melalui penerapan solusi Spark + Hadoop.

Pada akhir pelatihan ini, peserta akan dapat:

• Gunakan Hortonworks untuk menjalankan Hadoop secara andal dalam skala besar.
• Satukan kemampuan keamanan, tata kelola, dan operasi Hadoop dengan alur kerja analitik tangkas Spark.
• Gunakan Hortonworks untuk menyelidiki, memvalidasi, mensertifikasi, dan mendukung setiap komponen dalam proyek Spark.
• Memproses berbagai jenis data, termasuk data terstruktur, tak terstruktur, bergerak, dan diam.

Kursus ini mencakup bagaimana menggunakan bahasa Hive SQL (juga dikenal sebagai Hive HQL, SQL di Hive, HiveQL) untuk orang yang mengekstraksi data dari Hive

Cloudera Impala adalah mesin kueri pemrosesan paralel masif (MPP) SQL sumber terbuka untuk kluster Apache Hadoop.

Impala memungkinkan pengguna untuk mengeluarkan kueri latensi rendah SQL ke data yang disimpan dalam Hadoop Sistem File Terdistribusi dan Apache Hbase tanpa memerlukan perpindahan atau transformasi data.

Hadirin

Kursus ini ditujukan untuk analis dan ilmuwan data yang melakukan analisis pada data yang disimpan di Hadoop melalui Business Intelijen atau alat SQL.

Setelah kursus ini, peserta akan dapat

• Ekstrak informasi yang berarti dari cluster Hadoop dengan Impala.
• Tulis program khusus untuk memfasilitasi Business Kecerdasan dalam Impala SQL Dialek.
• Pemecahan masalah Impala.

Dalam pelatihan langsung yang dipandu instruktur di Indonesia (di tempat atau jarak jauh), peserta akan mempelajari cara menerapkan dan mengelola Apache NiFi di lingkungan lab langsung.

Pada akhir pelatihan ini, peserta akan dapat:

• Instal dan konfigurasikan Apachi NiFi.
• Sumber, transformasi, dan kelola data dari sumber data yang berbeda dan terdistribusi, termasuk basis data dan danau data besar.
• Mengotomatiskan aliran data.
• Aktifkan analitik streaming.
• Terapkan berbagai pendekatan untuk penyerapan data.
• Transformasi Big Data menjadi wawasan bisnis.

Dalam pelatihan langsung yang dipandu instruktur di Indonesia ini, peserta akan mempelajari dasar-dasar pemrograman berbasis aliran saat mereka mengembangkan sejumlah ekstensi demo, komponen, dan prosesor menggunakan Apache NiFi.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami arsitektur NiFi dan konsep aliran data.
• Mengembangkan ekstensi menggunakan NiFi dan API pihak ketiga.
• Mengembangkan prosesor Apache Nifi mereka sendiri.
• Menyerap dan memproses data secara real-time dari berbagai format file dan sumber data yang berbeda dan tidak umum.

Pelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ditujukan untuk pengembang yang ingin menggunakan dan mengintegrasikan Spark, Hadoop, dan Python untuk memproses, menganalisis, dan mengubah kumpulan data yang besar dan kompleks.

Pada akhir pelatihan ini, peserta akan mampu:

• Siapkan lingkungan yang diperlukan untuk mulai memproses data besar dengan Spark, Hadoop, dan Python.
• Memahami fitur, komponen inti, dan arsitektur Spark dan Hadoop.
• Pelajari cara mengintegrasikan Spark, Hadoop, dan Python untuk pemrosesan data besar.
• Jelajahi alat di ekosistem Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka, dan Flume).
• Bangun sistem rekomendasi pemfilteran kolaboratif yang serupa dengan Netflix, YouTube, Amazon, Spotify, dan Google.
• Gunakan Apache Mahout untuk menskalakan algoritma pembelajaran mesin.