Kursus Pelatihan HBase untuk Pengembang

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.

Ketika teknologi penyimpanan tradisional tidak dapat menangani jumlah data yang perlu disimpan, ada ratusan alternatif. Kursus ini mencoba memandu peserta mengenai alternatif untuk menyimpan dan menganalisis Big Data serta kelebihan dan kekurangannya.

Kursus ini sebagian besar berfokus pada diskusi dan presentasi solusi, meskipun latihan praktis tersedia sesuai permintaan.

Kursus ini adalah bagian dari kumpulkan keterampilan Data Scientist (Domain: Data dan Teknologi).

Pelatihan langsung yang dipimpin instruktur di Indonesia (daring atau tatap muka) ini ditujukan untuk administrator database atau pengembang yang ingin menggunakan Microsoft Azure Cosmos DB untuk mengembangkan dan mengelola aplikasi yang responsif tinggi dan memiliki latensi rendah.

Setelah selesai pelatihan ini, peserta akan dapat:

• Mengalokasikan sumber daya Cosmos DB yang diperlukan untuk memulai pembuatan database dan aplikasi.
• Meningkatkan kinerja dan penyimpanan aplikasi dengan menggunakan API di Cosmos DB. 
• Memperkelola operasi database dan mengurangi biaya dengan mengoptimalkan sumber daya Cosmos DB.

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%).

Target Pengguna:

Kursus ini dirancang untuk mempermudah teknologi big data/hadoop dan menunjukkan bahwa teknologi tersebut tidak sulit dipahami.

Apache NiFi adalah platform open-source berbasis aliran data yang digunakan untuk integrasi dan pemrosesan peristiwa. Platform ini memungkinkan routing, transformasi, dan mediasi sistem otomatis secara real-time antar sistem yang berbeda, dengan UI berbasis web dan kontrol detail.

Pelatihan langsung yang dipandu instruktur (tatap muka atau online) ini ditujukan untuk administrator dan insinyur tingkat menengah yang ingin mengimplementasikan, mengelola, mengamankan, dan mengoptimalkan aliran data NiFi di lingkungan produksi.

Setelah pelatihan ini, peserta akan dapat:

• Menginstal, mengonfigurasi, dan memelihara klaster Apache NiFi.
• Mendesain dan mengelola aliran data dari berbagai sumber dan tujuan.
• Implementasikan otomatisasi aliran, routing, dan logika transformasi.
• Mengoptimalkan kinerja, memantau operasi, dan menyelesaikan masalah.

Format Kursus

• Kuliah interaktif dengan diskusi arsitektur dunia nyata.
• Laboratorium praktis: membangun, mengeksekusi, dan mengelola aliran data.
• Eksperimen berbasis skenario di lingkungan live-lab.

Pilihan Penyesuaian Kursus

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

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.

Basis data relasional telah menjadi teknologi pilihan untuk menyimpan, mengambil dan memeriksa data. Basis data relasional memungkinkan pengguna untuk mengorganisir data mereka menggunakan pola terstruktur yang terdefinisi dengan baik (model). Meski pendekatan ini bekerja dengan baik untuk menyimpan data yang disandikan dan dipahami dengan baik secara terlebih dahulu (mengirakan aplikasi check-in rumah sakit yang menyimpan rekam medis pasien dengan set konsisten kolom yang sudah ditentukan sebelumnya...ID pasien, nama depan, nama belakang, tanggal kunjungan terakhir, dll.), ada beberapa kekurangan dalam model ini. Untuk organisasi dengan data masuk yang tidak terdefinisi dengan baik (mengirakan formulir pertanyaan online untuk sebuah startup yang masih dalam proses mengeksperimen dengan kolom-kolom yang berbeda untuk mengumpulkan data pengunjung, menghapus dan menambahkan kolom saat mereka melakukannya untuk menyesuaikan dengan perubahan dalam bisnis), apa pun definisi yang telah ditetapkan tentang bagaimana data tersebut harus sesuai dengan basis data yang ada akan perlu ditetapkan ulang secara teratur. Hal ini akan memerlukan pembuatan ulang model data (skema) yang mengatur struktur data dan tipe data yang diizinkannya untuk mendukung jenis masukan data yang berbeda, dll., sebelum data baru dapat disimpan dalam basis data.

Memasuki basis data NoSQL (Not Only SQL). Basis data NoSQL membebaskan pengguna dari kewajiban mendefinisikan terlebih dahulu struktur data masuk, memungkinkan mereka untuk memasukkan dan memperbarui data baru secara langsung. Basis data NoSQL sering kali lebih cepat daripada basis data relasional dan dapat dengan mudah memproses jumlah data yang sangat besar. Basis data NoSQL juga dapat dipisahkan lebih baik daripada basis data relasional, karena kemampuan mereka untuk mempartisi data secara efisien di antara banyak server (cluster) dan mengimbangi akses ke data tersebut. Basis data NoSQL juga berintegrasi dengan baik dengan aplikasi yang mendukung analitik waktu nyata, personalisasi situs, IoT, dan aplikasi mobile.

Dalam pelatihan langsung ini, peserta akan memahami arsitektur, prinsip desain dan fungsionalitas dari basis data NoSQL paling populer saat mereka mengatur, mengoperasikan dan menilai beberapa basis data NoSQL dalam lingkungan lab langsung. Tujuan dari pelatihan ini adalah memungkinkan peserta untuk mengevaluasi, mengusulkan dan mengimplementasikan solusi basis data NoSQL yang sesuai dalam organisasi mereka.

Di akhir pelatihan ini, peserta akan mampu:

• Memasang dan mengkonfigurasi berbagai jenis basis data NoSQL, termasuk MongoDB, Cassandra, Redis dan Neo4j
• Memahami keuntungan dan kekurangan basis data NoSQL dibandingkan dengan basis data relasional
• Memahami format data dasar yang digunakan oleh basis data NoSQL dan cara format tersebut dapat dimanfaatkan saat mengembangkan aplikasi modern (desktop, mobile, cloud, IoT)
• Melakukan operasi create, insert, update, delete dalam basis data NoSQL
• Mengatur lingkungan campuran dengan basis data relasional dan NoSQL yang bekerja secara berdampingan
• Mengkonfigurasi cluster basis data NoSQL untuk mendistribusikan pemrosesan dataset yang sangat besar
• Memahami implikasi keamanan dalam menggunakan basis data NoSQL
• Mendepatkan dan memisahkan basis data NoSQL dalam lingkungan produksi

Peserta

• Profesional basis data
• Arsitek data
• Strategis data
• Manajer proyek
• Pengembang aplikasi yang ingin mengintegrasikan solusi basis data yang fleksibel dalam aplikasi mereka

Format Pelatihan

• Sebagian cerita, sebagian diskusi, latihan dan banyak latihan praktis

Catatan

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

merah

bahasa pemrograman nosql

Scylla adalah penyimpanan data NoSQL terbuka yang terdistribusi. Ini kompatibel dengan Apache Cassandra tetapi memiliki tingkat kelulusan yang jauh lebih tinggi dan latensi yang lebih rendah.

Dalam kursus ini, peserta akan mempelajari tentang fitur dan arsitektur Scylla sambil mendapatkan pengalaman praktis dalam mengatur, mengelola, memantau, dan menyingkirkan masalah pada Scylla.

Audience

• Administrator database
• Pengembang
• Teknik Sistem

Format kursus

• Kursus ini interaktif dan mencakup diskusi tentang prinsip dan pendekatan untuk mendistribusikan dan mengelola database dan kluster Scylla.
• Kursus ini mencakup banyak latihan praktis dan latihan.