Pelatihan Big Data di Jakarta

Stratio adalah platform yang berorientasi data, yang mengintegrasikan big data, AI, dan governance menjadi satu solusi. Modul Rocket dan Intelligence-nya memungkinkan penjelajahan data cepat, transformasi, dan analitik lanjutan dalam lingkungan enterprise.

Pelatihan langsung (daring atau tatap muka) ini ditujukan untuk profesional data tingkat menengah yang ingin menggunakan modul Rocket dan Intelligence di Stratio dengan efektif bersama PySpark, fokus pada struktur pengulangan, fungsi definisi pengguna, dan logika data lanjutan.

Pada akhir pelatihan ini, peserta akan dapat:

• Menavigasi dan bekerja dalam platform Stratio menggunakan modul Rocket dan Intelligence.
• Mengaplikasikan PySpark dalam konteks penyerapan data, transformasi, dan analisis.
• Menggunakan loop dan logika kondisional untuk mengontrol alur kerja data dan tugas pemrosesan fitur.
• Membuat dan mengelola fungsi definisi pengguna (UDFs) untuk operasi data yang dapat didaur ulang dalam PySpark.

Format Kursus

• Diskusi dan kuliah interaktif.
• Banyak latihan dan praktik.
• Implementasi hands-on dalam lingkungan laboratorium langsung.

Opsi Penyesuaian Kursus

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

Data Warehousing adalah praktik mendesain, membangun, dan mengoperasikan repositori data terpusat yang mendukung analisis, laporan, dan pengambilan keputusan.Pelatihan ini yang dipimpin instruktur (pelatihan online langsung atau pelatihan langsung tatap muka) ditujukan untuk profesional data tingkat menengah yang ingin memodelkan data dimensi, membangun pipeline ETL yang kuat, dan mengoptimalkan beban kerja analitis.Di akhir pelatihan ini, peserta akan dapat:

• Menjelaskan konsep dan arsitektur inti data warehousing.
• Mendesain model dimensi dan memilih antara skema bintang dan salju.
• Membangun dan mengorestrasikan pipeline ETL dan ELT dengan dapat diandalkan.
• Membedakan beban kerja OLTP dengan OLAP dan mengoptimalkannya untuk analisis.

Format Pelatihan

• Kuliah interaktif dan diskusi.
• Banyak latihan dan praktik.
• Implementasi tangan pertama di lingkungan lab langsung.

Opsi Penyesuaian Pelatihan

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

Peserta yang menyelesaikan pelatihan langsung yang dipandu instruktur di Jakarta akan memperoleh pemahaman praktis dan nyata tentang Big Data dan teknologi, metodologi, serta alat terkaitnya.

Peserta akan memiliki kesempatan untuk mempraktikkan pengetahuan ini melalui latihan langsung. Interaksi kelompok dan umpan balik instruktur merupakan komponen penting dari kelas.

Kursus ini dimulai dengan pengenalan konsep dasar Big Data, kemudian berlanjut ke bahasa pemrograman dan metodologi yang digunakan untuk melakukan Data Analysis. Terakhir, kami membahas alat dan infrastruktur yang memungkinkan penyimpanan Big Data, Pemrosesan Terdistribusi, dan Scalabilitas.

Greenplum adalah platform data open-source dengan proses paralel massal (MPP) yang dirancang untuk analitik dan lingkungan data berskala besar.

Pelatihan langsung ini (daring atau tatap muka), ditujukan bagi pengguna teknis level menengah hingga lanjutan yang ingin memahami arsitektur internal Greenplum, merancang model data yang dioptimalkan, dan menerapkan kinerja tinggi SQL dalam lingkungan distribusi.

Setelah pelatihan ini, peserta akan dapat:

• Mengerti arsitektur shared-nothing dan model paralel Greenplum.
• Merancang struktur tabel dan partisi yang dioptimalkan untuk kinerja query.
• Menggunakan strategi indeksasi, format penyimpanan, dan teknik desain fisik.
• Menafsirkan rencana EXPLAIN dan mengoptimalkan query menggunakan praktik terbaik.

Format Kursus

• Lecture interaktif dan diskusi.
• Banyak latihan dan praktek.
• Pelaksanaan langsung dalam lingkungan laboratorium hidup.

Opsi Kustomisasi Kursus

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

Prasyarat

• Pemahaman tentang basis data relasional dan SQL
• Pengalaman dengan sistem data warehousing atau analitik
• Ketahui operasi baris perintah Linux

Audience

• Arsitek dan insinyur data
• Database administrator dan kepala teknikal
• Pengembang BI dan spesialis analitik yang bekerja dengan Greenplum

Greenplum Architecture

• Proses paralel dan symmetric multi-processing
• Peran segment dan konfigurasi kluster
• Kelambanan dan pergerakan data
• Arsitektur Greenplum Data Warehouse

Greenplum Table Structures

• Tabel distribusi vs. tabel yang ditugaskan secara acak
• Tabel heap vs. tabel hanya tambah
• Format penyimpanan baris vs. kolom
• Tabel terbagi dan berkelompok

Data Distribution and Hashing

• Kebijakan hashing dan kunci distribusi
• Pengelolaan kekacauan dan dampak kinerja
• Map hashing dan strategi penempatan baris

Indexes and Performance Optimization

• Indeks berkelompok dan non-berkelompok
• Kasus penggunaan indeks B-tree dan bitmap
• Skenarion indeksasi dan perilaku penyimpanan

Physical Database Design

• Normalisasi dan desain model logis
• Strategi akses pengguna dan analisis distribusi
• Demografi data dan keputusan indeksasi

Denormalization Techniques

• Data turunan, tabel ringkasan, dan pre-joins
• Tabel kolom sebagai partisi vertikal
• Data mart dan view materialized

Advanced SQL and Query Execution

• Strategi join dan redistribusi
• Fungsi OLAP dan window
• Tabel sementara, subquery, dan tabel turunan

EXPLAIN Plans and Query Tuning

• Membaca dan menafsirkan output EXPLAIN
• Analisis biaya dan optimasi rencana
• Pemindahan join dan operasi lokal segmen

Greenplum Utilities and Best Practices

• ANALYZE dan VACUUM
• Pemuatan data dan pergerakan dengan Nexus
• Keselamatan, izin, dan tips kinerja

Ringkasan dan Langkah Selanjutnya

Greenplum adalah platform data paralel massal berbasis open-source atas PostgreSQL, dirancang untuk analitik lanjutan dan penyimpanan data berskala besar.

Pelatihan interaktif langsung ini (daring atau di lokasi) ditujukan bagi administrator tingkat menengah yang ingin menginstal, mengkonfigurasi, dan memanajemen lingkungan Greenplum dengan efektif, termasuk manajemen pembaruan sistem dan perpustakaan.

Selesai pelatihan ini, peserta akan dapat:

• Menginstal dan mengkonfigurasi kluster Greenplum yang siap produksi.
• Memegang kendali terhadap pembaruan sistem dan menerapkan patch dengan aman.
• Menangani manajemen perpustakaan Greenplum untuk analitik dan ekstensi.
• Mengatasi masalah dan memantau sistem Greenplum.

Bentuk Pelatihan

• Lektor interaktif dan diskusi.
• Penggunaan langsung Greenplum dalam lingkungan laboratorium yang terkontrol.
• Latihan berorientasi pada penyetelan kluster, alur kerja pembaruan, dan ekstensi sistem.

Opsi Kustomisasi Pelatihan

• Untuk meminta pelatihan yang disesuaikan untuk kursus ini berdasarkan lingkungan atau platform data Anda, silakan hubungi kami untuk mengatur.

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ini ditujukan bagi profesional data tingkat lanjut yang ingin mengoptimalkan alur kerja pemrosesan data, memastikan integritas data, dan menerapkan solusi data lakehouse yang kuat yang dapat menangani kompleksitas perusahaan besar modern. aplikasi data.

Pada akhir pelatihan ini, peserta akan mampu:

• Dapatkan pemahaman mendalam tentang arsitektur Iceberg, termasuk manajemen metadata dan tata letak file.
• Konfigurasikan Iceberg untuk kinerja optimal di berbagai lingkungan dan integrasikan dengan beberapa mesin pemrosesan data.
• Kelola tabel Iceberg skala besar, lakukan perubahan skema yang kompleks, dan tangani evolusi partisi.
• Kuasai teknik untuk mengoptimalkan kinerja kueri dan efisiensi pemindaian data untuk kumpulan data besar.
• Menerapkan mekanisme untuk memastikan konsistensi data, mengelola jaminan transaksional, dan menangani kegagalan dalam lingkungan terdistribusi.

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ini ditujukan untuk profesional data tingkat pemula yang ingin memperoleh pengetahuan dan keterampilan yang diperlukan untuk memanfaatkan Apache Iceberg secara efektif dalam mengelola kumpulan data berskala besar, memastikan integritas data, dan mengoptimalkan alur kerja pemrosesan data.

Pada akhir pelatihan ini, peserta akan mampu:

• Dapatkan pemahaman menyeluruh tentang arsitektur, fitur, dan manfaat Apache Iceberg.
• Pelajari tentang format tabel, partisi, evolusi skema, dan kemampuan perjalanan waktu.
• Instal dan konfigurasikan Apache Iceberg di lingkungan yang berbeda.
• Membuat, mengelola, dan memanipulasi tabel Iceberg.
• Memahami proses migrasi data dari format tabel lain ke Iceberg.

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ditujukan untuk profesional TI tingkat menengah yang ingin meningkatkan keterampilan mereka dalam arsitektur data, tata kelola, komputasi awan, dan teknologi data besar untuk mengelola dan menganalisis kumpulan data besar secara efektif untuk migrasi data dalam organisasi mereka.

Pada akhir pelatihan ini, peserta akan mampu:

• Memahami konsep dasar dan komponen berbagai arsitektur data.
• Dapatkan pemahaman komprehensif tentang prinsip-prinsip tata kelola data dan pentingnya mereka dalam lingkungan peraturan.
• Menerapkan dan mengelola kerangka tata kelola data seperti Dama dan Togaf.
• Manfaatkan platform cloud untuk penyimpanan, pemrosesan, dan pengelolaan data yang efisien.

This instructor-led, live training in Jakarta (online or onsite) is aimed at intermediate-level data engineers who wish to learn how to use Azure Data Lake Storage Gen2 for effective data analytics solutions.

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

• Understand the architecture and key features of Azure Data Lake Storage Gen2.
• Optimize data storage and access for cost and performance.
• Integrate Azure Data Lake Storage Gen2 with other Azure services for analytics and data processing.
• Develop solutions using the Azure Data Lake Storage Gen2 API.
• Troubleshoot common issues and optimize storage strategies.

Big Data dan Advanced Analytics adalah penerapan teknik dan alat yang canggih untuk menganalisis dataset besar dan kompleks untuk mendapatkan wawasan yang dapat diambil tindakannya dan membuat keputusan strategis.

Pelatihan langsung ini (pelatihan online langsung atau pelatihan langsung tatap muka) ditujukan untuk profesional data tingkat lanjut yang ingin memanfaatkan metode analisis terdepan dan teknologi big data untuk analisis prediktif, preskriptif, dan real-time.

Di akhir pelatihan ini, peserta akan dapat:

• Mendesain dan mengimplementasikan pipa pengolahan data besar untuk data terstruktur dan tidak terstruktur.
• Menerapkan teknik machine learning dan deep learning tingkat lanjut ke dataset besar.
• Memanfaatkan kerangka kerja komputasi terdistribusi untuk analisis real-time dan streaming data.
• Mengintegrasikan analisis big data ke dalam sistem intelijen bisnis dan pengambilan keputusan.

Format Pelatihan

• Diskusi dan perkuliahan interaktif.
• Banyak latihan dan praktik.
• Implementasi langsung dalam lingkungan lab langsung.

Opsi Kustomisasi Pelatihan

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

Pelatihan ini yang dibimbing instruktur secara langsung di Jakarta (online atau tatap muka) ditujukan untuk profesional IT tingkat menengah yang ingin memiliki pemahaman komprehensif tentang IBM DataStage dari perspektif administratif dan pengembangan, memungkinkan mereka untuk mengelola dan memanfaatkan alat ini dengan efektif di tempat kerja masing-masing.

Sampai akhir pelatihan, peserta akan dapat:

• Memahami konsep inti DataStage.
• Belajar cara memasang, mengonfigurasi, dan mengelola lingkungan DataStage secara efektif.
• Menghubungkan ke berbagai sumber data dan mengekstrak data dengan efisien dari database, file dataplat, dan sumber eksternal.
• Menerapkan teknik pemuatan data yang efektif.

Pelatihan langsung yang dipimpin instruktur di Jakarta (daring atau tatap muka) ini ditujukan bagi profesional big data tingkat menengah yang ingin menggunakan Apache Kylin untuk membangun data warehouse real-time dan melakukan analisis multidimensi pada dataset berskala besar.

Selesai pelatihan ini, peserta akan dapat:

• Mengatur dan mengonfigurasi Apache Kylin dengan sumber data streaming real-time.
• Mendesain dan membangun OLAP cubes untuk data batch dan streaming.
• Melakukan kueri kompleks dengan latensi kurang dari satu detik menggunakan antarmuka SQL Kylin.
• Menyatukan Kylin dengan alat BI untuk visualisasi data interaktif.
• Optimalkan kinerja dan mengelola sumber daya secara efektif di Kylin.

Para peserta yang menyelesaikan pelatihan langsung dengan instruktur di Jakarta, akan mendapatkan pemahaman praktis dan realistis tentang Big Data beserta teknologi, metodologi, dan alat-alat terkaitnya.

Peserta akan memiliki kesempatan untuk menerapkan pengetahuan ini melalui latihan praktik. Interaksi grup dan umpan balik instruktur merupakan komponen penting dari kelas ini.

Materi kursus dimulai dengan pengenalan konsep dasar Big Data, kemudian berlanjut ke bahasa pemrograman dan metodologi yang digunakan untuk melakukan Data Analysis. Terakhir, kita membahas alat-alat dan infrastruktur yang memungkinkan penyimpanan Big Data, pengolahan terdistribusi, dan skalabilitas.

Dalam pelatihan langsung yang dipimpin instruktur di Jakarta ini, peserta akan mempelajari cara menggunakan Python dan Spark bersama-sama untuk menganalisis data besar saat mereka mengerjakan latihan langsung.

Pada akhir pelatihan ini, peserta akan mampu:

• Pelajari cara menggunakan Spark dengan Python untuk menganalisis Big Data.
• Kerjakan latihan yang meniru kasus dunia nyata.
• Gunakan alat dan teknik yang berbeda untuk analisis data besar menggunakan PySpark.

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

Pelatihan langsung ini di Jakarta (daring atau tatap muka) ditujukan untuk administrator basis data, pengembang, dan analis tingkat menengah yang ingin menguasai fungsi SQL lanjutan untuk operasi data kompleks dan manajemen basis data.

Setelah selesai pelatihan ini, peserta akan dapat:

• Melakukan teknik kueri lanjutan menggunakan union, subquery, dan join yang kompleks.
• Menambahkan, memperbarui, dan menghapus data, tabel, tampilan, dan indeks dengan presisi.
• Mengamankan integritas data melalui transaksi dan memanipulasi struktur basis data.
• Membuat dan mengelola basis data secara efisien untuk penyimpanan dan pengambilan data yang kuat.

Dremio adalah "self-service data platform" sumber terbuka yang mempercepat penanyaan berbagai jenis sumber data. Dremio terintegrasi dengan basis data relasional, Apache Hadoop, MongoDB, Amazon S3, ElasticSearch, dan sumber data lainnya. Ini mendukung SQL dan menyediakan antarmuka web untuk membangun penanyaan.

Dalam pelatihan langsung yang dibimbing instruktur ini, peserta akan mempelajari cara untuk memasang, mengkonfigurasikan, dan menggunakan Dremio sebagai lapisan penyelarasan untuk alat analisis data dan repositori data dasarnya.

Di akhir pelatihan ini, peserta akan mampu:

• Memasang dan mengkonfigurasikan Dremio
• Menjalankan penanyaan terhadap beberapa sumber data, tanpa mempedulikan lokasi, ukuran, atau struktur
• Mengintegrasikan Dremio dengan BI dan sumber data seperti Tableau dan Elasticsearch

Penonton

• Ilmuwan data
• Analis bisnis
• Insinyur data

Format kursus

• Sebagian kuliah, sebagian diskusi, latihan dan praktik tangan langsung yang berat

Catatan

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

Pelatihan ini yang dikembangkan oleh instruktur secara langsung (online atau langsung tatap muka) ditujukan kepada pengembang perangkat lunak, manajer, dan analis bisnis yang ingin menggunakan sistem big data untuk menyimpan dan mengambil data besar dalam jumlah besar.

Setelah menyelesaikan pelatihan ini, peserta akan mampu untuk:

• Menjalankan kueri terhadap jumlah besar data dengan efisien.
• Mengerti bagaimana sistem Big Data menyimpan dan mengambil data
• Menggunakan sistem big data terbaru yang tersedia
• Menata data dari sistem data ke dalam sistem laporan
• Belajar menulis kueri SQL dalam:
  • MySQL
  • Postgres
  • Hive Query Language (HiveQL/HQL)
  • Redshift 

Format Kursus

• Ceramah dan diskusi interaktif.
• Banyak latihan dan praktek.
• Implementasi praktis dalam lingkungan laboratorium langsung.

Opsi Penyesuaian Kursus

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

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di tempat) ini ditujukan untuk profesional basis data tingkat menengah yang ingin meningkatkan keterampilan mereka dalam Oracle SQL pengembangan dan administrasi.

Pada akhir pelatihan ini, peserta akan dapat:

• Membangun dan mengoptimalkan kueri SQL yang kompleks.
• Kelola database secara efisien menggunakan alat Oracle SQL.
• Terapkan praktik terbaik dalam pengembangan dan pemeliharaan basis data.
• Mengelola akses pengguna dan keamanan basis data di lingkungan Oracle.

Apache Accumulo adalah penyimpanan kunci/nilai yang diurutkan dan didistribusikan yang menyediakan penyimpanan dan pengambilan data yang kuat dan terukur. Penyimpanan ini didasarkan pada desain BigTable Google dan didukung oleh Apache Hadoop, Apache Zookeeper, dan Apache Thrift.

Kursus langsung yang dipandu instruktur ini mencakup prinsip kerja di balik Accumulo dan memandu peserta melalui pengembangan aplikasi contoh di Apache Accumulo.

Format Kursus

• Bagian kuliah, bagian diskusi, pengembangan dan implementasi langsung, tes sesekali untuk mengukur pemahaman

Kurs ini ditujukan untuk pengembang dan ilmuwan data yang ingin memahami dan menerapkan kecerdasan buatan dalam aplikasi mereka. Fokus khusus diberikan pada analisis data, kecerdasan buatan terdistribusi, dan pemrosesan bahasa alami.

Amazon Redshift adalah layanan gudang data berbasis cloud berskala petabyte di AWS.

Dalam pelatihan langsung yang dipandu instruktur ini, peserta akan mempelajari dasar-dasar Amazon Redshift.

Pada akhir pelatihan ini, peserta akan dapat:

• Instal dan konfigurasikan Amazon Redshift
• Memuat, mengonfigurasi, menyebarkan, menanyakan, dan memvisualisasikan data dengan Amazon Redshift

Hadirin

• Pengembang
• Profesional TI

Format kursus

• Sebagian kuliah, sebagian diskusi, latihan dan praktik langsung yang berat

Catatan

• Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengaturnya.

Perkembangan teknologi dan jumlah informasi yang semakin besar sedang mengubah cara bisnis dilakukan di banyak industri, termasuk pemerintah. Kecepatan pembuatan data pemerintah dan arsip digital semakin meningkat karena pertumbuhan pesat perangkat dan aplikasi seluler, sensor dan perangkat cerdas, solusi komputasi awan, dan portal yang berorientasi pada warga. Saat informasi digital berkembang dan semakin kompleks, pengelolaan informasi, pengolahan, penyimpanan, keamanan, dan penanganan juga menjadi lebih kompleks. Alat pencarian, penemuan, dan analisis baru membantu organisasi mendapatkan wawasan dari data tidak terstruktur mereka. Pasar pemerintah berada di titik balik, menyadari bahwa informasi adalah aset strategis, dan pemerintah perlu melindungi, memanfaatkan, dan menganalisis informasi terstruktur dan tidak terstruktur untuk melayani dan memenuhi persyaratan misi dengan lebih baik. Saat para pemimpin pemerintah berusaha mengembangkan organisasi berbasis data untuk berhasil menyelesaikan misi, mereka menyusun dasar untuk mengkorelasikan ketergantungan antar kejadian, orang, proses, dan informasi.Solusi pemerintah berdaya ganda akan dibuat dari campuran teknologi yang paling memecah-belah:- Perangkat dan aplikasi seluler- Layanan awan- Teknologi bisnis sosial dan jaringan- Big Data dan analitikIDC memprediksi bahwa hingga tahun 2020, industri IT akan mencapai $5 triliun, sekitar $1,7 triliun lebih besar daripada saat ini, dan bahwa 80% pertumbuhan industri akan didorong oleh teknologi 3rd Platform ini. Pada jangka panjang, teknologi ini akan menjadi alat kunci untuk mengatasi kompleksitas informasi digital yang meningkat. Big Data merupakan salah satu solusi industri cerdas dan memungkinkan pemerintah membuat keputusan yang lebih baik dengan mengambil tindakan berdasarkan pola yang terungkap dari analisis jumlah besar data — terkait dan tidak terkait, terstruktur dan tidak terstruktur.Namun, mencapai prestasi ini memerlukan lebih dari sekadar mengumpulkan jumlah besar data. "Mengerti volume Big Data ini memerlukan alat dan teknologi terkemuka yang dapat menganalisis dan mengekstrak pengetahuan yang berguna dari aliran informasi yang besar dan beragam," tulis Tom Kalil dan Fen Zhao dari Kantor Kepresidenan untuk Kebijakan Ilmu Pengetahuan dan Teknologi di postingan OSTP Blog.Kantor Putus memulai langkah untuk membantu badan-badan menemukan teknologi ini ketika mereka mendirikan Inisiatif Penelitian dan Pengembangan Big Data Nasional pada tahun 2012. Inisiatif ini termasuk lebih dari $200 juta untuk memanfaatkan ledakan Big Data dan alat yang diperlukan untuk menganalisisnya.Tantangan yang ditimbulkan oleh Big Data hampir sebesar janji yang menjanjikannya. Menyimpan data dengan efisien adalah salah satu tantangan ini. Sebagai biasa, anggaran sangat ketat, sehingga badan-badan harus meminimalkan harga per-megabyte penyimpanan dan memastikan data tetap dalam jangkauan mudah akses sehingga pengguna dapat mengaksesnya saat mereka membutuhkan dan sesuai dengan kebutuhan mereka. Mencadangkan jumlah besar data meningkatkan tantangan.Menganalisis data secara efektif adalah tantangan lainnya. Banyak badan menggunakan alat komersial yang memungkinkan mereka menyaring gunungan data, mencari pola yang dapat membantu mereka beroperasi dengan lebih efisien. (Satu studi oleh MeriTalk menemukan bahwa eksekutif IT federal berpikir bahwa Big Data dapat membantu badan-badan menyelamatkan lebih dari $500 miliar sambil juga memenuhi tujuan misi.)Alat Big Data yang dikembangkan khusus juga memungkinkan badan-badan mengatasi kebutuhan untuk menganalisis data mereka. Misalnya, Oak Ridge National Laboratory’s Computational Data Analytics Group telah mempersembahkan sistem analitik data Piranha mereka kepada badan-badan lain. Sistem ini telah membantu peneliti medis menemukan kaitan yang dapat memberitahu dokter tentang aneursma aorta sebelum serangan. Sistem ini juga digunakan untuk tugas-tugas yang lebih sederhana, seperti menyaring resume untuk menghubungkan calon pekerja dengan manajer rekruter.

Apache Beam adalah model pemrograman sumber terbuka dan terpadu untuk mendefinisikan dan menjalankan alur pemrosesan data paralel. Kekuatannya terletak pada kemampuannya untuk menjalankan alur batch dan streaming, dengan eksekusi yang dilakukan oleh salah satu back-end pemrosesan terdistribusi yang didukung Beam: Apache Apex, Apache Flink, Apache Spark, dan Google Cloud Dataflow. Apache Beam berguna untuk tugas ETL (Ekstrak, Transformasi, dan Muat) seperti memindahkan data antara media penyimpanan dan sumber data yang berbeda, mengubah data ke dalam format yang lebih diinginkan, dan memuat data ke sistem baru.

Dalam pelatihan langsung yang dipandu instruktur (di tempat atau jarak jauh) ini, peserta akan mempelajari cara mengimplementasikan Apache Beam SDK dalam aplikasi Java atau Python yang mendefinisikan jalur pemrosesan data untuk menguraikan kumpulan data besar menjadi potongan-potongan yang lebih kecil untuk pemrosesan paralel yang independen.

Pada akhir pelatihan ini, peserta akan dapat:

• Instal dan konfigurasikan Apache Beam.
• Gunakan model pemrograman tunggal untuk melakukan pemrosesan batch dan aliran dalam aplikasi Java atau Python mereka.
• Menjalankan jalur pipa di beberapa lingkungan.

Format Kursus

• Sebagian kuliah, sebagian diskusi, latihan dan praktik langsung yang berat

Catatan

• Kursus ini akan tersedia Scala di masa mendatang. Silakan hubungi kami untuk mengaturnya.

Hari 1 - memberikan gambaran umum tentang topik-topik penting Big Data. Modul ini terbagi menjadi serangkaian bagian, masing-masing diiringi oleh latihan praktis.Hari 2 - menjelajahi berbagai topik yang berhubungan dengan praktik dan alat analisis untuk lingkungan Big Data. Modul ini tidak memasukkan detail implementasi atau pemrograman, tetapi malah menjaga penuturan tetap pada tingkat konsep, fokus pada topik-topik yang memungkinkan peserta untuk memahami fungsi dan fitur analisis yang umum ditawarkan oleh solusi Big Data.Hari 3 - memberikan gambaran umum tentang topik-topik penting terkait arsitektur platform solusi Big Data. Modul ini mencakup mekanisme Big Data yang diperlukan untuk pengembangan platform solusi Big Data dan opsi arsitektur untuk mengumpulkan platform pemrosesan data. Scenarios umum juga disajikan untuk memberikan pemahaman dasar tentang bagaimana platform solusi Big Data biasanya digunakan.Hari 4 - membangun atas Hari 3 dengan menjelajahi topik-topik lanjut tentang arsitektur platform solusi Big Data. Dengan khusus, berbagai lapisan arsitektur yang membentuk platform solusi Big Data diintroduksikan dan dibahas, termasuk sumber data, data ingress, penyimpanan data, pemrosesan data dan keamanan.Hari 5 - mencakup beberapa latihan dan masalah yang dirancang untuk menguji kemampuan peserta untuk menerapkan pengetahuan tentang topik-topik yang dikemukakan di Hari 3 dan 4.

Dalam pelatihan langsung yang dipandu instruktur di Jakarta ini, peserta akan mempelajari pola pikir untuk mendekati Big Data teknologi, menilai dampaknya terhadap proses dan kebijakan yang ada, dan menerapkan teknologi ini untuk tujuan mengidentifikasi aktivitas kriminal dan mencegah kejahatan. Studi kasus dari organisasi penegak hukum di seluruh dunia akan diperiksa untuk mendapatkan wawasan tentang pendekatan adopsi, tantangan, dan hasil mereka.

Pada akhir pelatihan ini, peserta akan dapat:

• Gabungkan teknologi Big Data dengan proses pengumpulan data tradisional untuk menyusun cerita selama investigasi.
• Terapkan solusi penyimpanan dan pemrosesan data besar industri untuk analisis data.
• Siapkan proposal untuk penerapan alat dan proses yang paling memadai untuk memungkinkan pendekatan berbasis data terhadap investigasi kriminal.

Big Data adalah istilah yang merujuk pada solusi yang ditujukan untuk penyimpanan dan pengolahan data set besar. Dikembangkan oleh Google awalnya, solusi Big Data ini telah berevolusi dan menginspirasi proyek-proyek lain yang serupa, banyak di antaranya tersedia sebagai open-source. R adalah bahasa pemrograman yang populer di industri keuangan.

Ketika teknologi penyimpanan tradisional tidak mampu menangani jumlah data yang perlu disimpan, ada ratusan alternatif. Kursus ini mengarahkan peserta tentang apa saja alternatif untuk menyimpan dan menganalisis Big Data dan apa saja kelebihannya dan kekurangannya.Kursus ini sebagian besar berfokus pada diskusi dan presentasi solusi, meskipun latihan praktis tersedia atas permintaan.

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

Sesion pelatihan kelas duduk ini akan menjelajahi Big Data. Peserta akan memiliki contoh berdasarkan komputer dan latihan kasus untuk dilakukan dengan alat big data yang relevan.

Penonton

Jika Anda mencoba membuat arti dari data yang Anda miliki atau ingin menganalisis data tidak terstruktur yang tersedia di jaringan (seperti Twitter, LinkedIn, dll), kursus ini untuk Anda.

Kursus ini sebagian besar ditujukan untuk pembuat keputusan dan orang-orang yang perlu memutuskan data apa yang layak dikumpulkan dan data apa yang layak dianalisis.

Kursus ini tidak ditujukan untuk orang-orang yang mengonfigurasi solusi, meskipun mereka akan mendapatkan manfaat dari gambaran besar.

Mode Pengiriman

Selama kursus, peserta akan diajak dengan contoh-contoh teknologi yang sebagian besar bersumber terbuka.

Materi singkat akan diikuti oleh presentasi dan latihan sederhana oleh peserta.

Isi dan Perangkat Lunak yang Digunakan

Semua perangkat lunak yang digunakan diperbarui setiap kali kursus dijalankan, sehingga kita memeriksa versi terbaru yang mungkin.

Kursus ini mencakup proses dari mendapatkan, memformat, memproses dan menganalisis data, hingga menjelaskan cara mengotomatisasi proses pembuatan keputusan dengan machine learning.

Dalam pelatihan langsung yang dipandu instruktur di Jakarta ini, peserta akan mempelajari cara membangun Data Vault.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami arsitektur dan konsep desain di balik Data Vault 2.0, dan interaksinya dengan Big Data, NoSQL dan AI.
• Gunakan teknik penyimpanan data untuk memungkinkan audit, penelusuran, dan pemeriksaan data historis dalam gudang data.
• Kembangkan proses ETL (Ekstrak, Transformasi, Muat) yang konsisten dan dapat diulang.
• Bangun dan terapkan gudang yang sangat skalabel dan dapat diulang.

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di tempat) ini ditujukan untuk arsitek, pengembang, dan administrator yang ingin menggunakan Platform Denodo untuk mengoptimalkan dan mempercepat manajemen data melalui virtualisasi data.

Pada akhir pelatihan ini, peserta akan dapat:

• Instal dan konfigurasikan Denodo Platform.
• Memahami fitur dan arsitektur Platform Denodo.
• Pahami konsep utama, manfaat, dan kasus penggunaan untuk virtualisasi data.
• Pelajari cara mengonfigurasi dan mengelola server Platform Denodo.
• Terapkan keamanan data, akses pengguna, dan autentikasi layanan.
• Terapkan alat dan teknik untuk pemantauan operasi dan optimalisasi kinerja.

Apache Druid adalah penyimpanan data terbuka, berorientasi kolom, terdistribusi yang ditulis dalam bahasa Java. Druid dirancang untuk mengingest secara cepat jumlah besar data peristiwa dan mengeksekusi kueri OLAP dengan latensi rendah pada data tersebut. Druid sering digunakan dalam aplikasi kecerdasan bisnis untuk menganalisis volume tinggi data real-time dan sejarah. Druid juga sangat cocok untuk menggerakkan dashboard analitik yang cepat dan interaktif untuk pengguna akhir. Druid digunakan oleh perusahaan seperti Alibaba, Airbnb, Cisco, eBay, Netflix, PayPal, dan Yahoo.

Dalam kursus ini yang dipimpin instruktur, kami menjelajahi beberapa kelemahan dari solusi data warehouse dan membahas bagaimana Druid dapat melengkapi teknologi tersebut untuk membentuk tumpukan analisis streaming yang fleksibel dan skalabel. Kami melintasi banyak contoh, memberikan peserta kesempatan untuk menerapkan dan menguji solusi berbasis Druid di lingkungan laboratorium.

Format Kursus

• Sebagian kuliah, sebagian diskusi, banyak latihan praktis, sesekali ujian untuk menilai pemahaman

Big data adalah data set yang sangat besar dan rumit sehingga perangkat lunak aplikasi pemrosesan data tradisional tidak memadai untuk mengatasi mereka. Tantangan big data meliputi penangkapan data, penyimpanan data, analisis data, pencarian, pembagian, transfer, visualisasi, penelitian, pembaruan dan privasi informasi.

Pelatihan langsung yang dipandu instruktur di Jakarta (online atau di tempat) ini memperkenalkan prinsip dan pendekatan di balik pemrosesan data aliran dan batch terdistribusi, dan memandu peserta melalui pembuatan aplikasi streaming data waktu nyata di Apache Flink.

Pada akhir pelatihan ini, peserta akan dapat:

• Siapkan lingkungan untuk mengembangkan aplikasi analisis data.
• Pahami cara kerja pustaka pemrosesan grafik Apache Flink (Gelly).
• Mengemas, menjalankan, dan memantau aplikasi streaming data berbasis Flink yang toleran terhadap kesalahan.
• Kelola beban kerja yang beragam.
• Melakukan analisis tingkat lanjut.
• Siapkan klaster Flink multi-simpul.
• Mengukur dan mengoptimalkan kinerja.
• Integrasikan Flink dengan berbagai sistem Big Data.
• Bandingkan kemampuan Flink dengan kerangka kerja pemrosesan data besar lainnya.

Dalam pelatihan langsung yang dipandu instruktur di Jakarta ini, peserta akan mempelajari tentang penawaran teknologi dan pendekatan implementasi untuk memproses data grafik. Tujuannya adalah untuk mengidentifikasi objek dunia nyata, karakteristik dan hubungannya, kemudian memodelkan hubungan ini dan memprosesnya sebagai data menggunakan pendekatan Graph Computing (juga dikenal sebagai Analisis Grafik). Kami mulai dengan ikhtisar umum dan mempersempitnya pada alat tertentu saat kami melangkah melalui serangkaian studi kasus, latihan langsung, dan penerapan langsung.

Pada akhir pelatihan ini, peserta akan dapat:

• Memahami bagaimana data grafik dipertahankan dan dilintasi.
• Pilih kerangka kerja terbaik untuk tugas tertentu (dari basis data grafik hingga kerangka kerja pemrosesan batch.)
• Terapkan Hadoop, Spark, GraphX dan Pregel untuk melakukan komputasi grafik di banyak mesin secara paralel.
• Lihat masalah big data dunia nyata dalam bentuk grafik, proses, dan lintasan.

This instructor-led, live training in Jakarta (online or onsite) is aimed at administrators who wish to set up Greenplum Database for business intelligence and data warehousing solutions.

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

• Address processing needs with Greenplum.
• Perform ETL operations for data processing.
• Leverage existing query processing infrastructures.

Pelatihan langsung yang dipandu instruktur di Jakarta (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.

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 ini yang dipimpin instruktur, secara langsung (tatap muka atau jarak jauh), peserta akan belajar cara mengatur dan mengintegrasikan berbagai kerangka kerja Stream Processing dengan sistem penyimpanan big data yang ada dan aplikasi perangkat lunak terkait serta microservices.

Di akhir pelatihan ini, peserta akan mampu:

• Memasang dan mengkonfigurasi berbagai kerangka kerja Stream Processing, seperti Spark Streaming dan Kafka Streaming.
• Memahami dan memilih kerangka kerja yang paling tepat untuk tugas tersebut.
• Mengolah data secara kontinu, bersamaan, dan dengan cara catatan per catatan.
• Mengintegrasikan solusi Stream Processing dengan database, data warehouse, data lake, dll yang ada.
• Mengintegrasikan pustaka pemrosesan stream yang paling tepat dengan aplikasi perusahaan dan microservices.

Kafka Streams adalah perpustakaan sisi klien untuk membangun aplikasi dan mikroservis yang datanya dijalankan ke dan dari sistem pesan Kafka. Tradisionalnya, Apache Kafka telah bergantung pada Apache Spark atau Apache Storm untuk memproses data antara produsen pesan dan konsumen. Dengan memanggil API Kafka Streams dari dalam aplikasi, data dapat diproses langsung di dalam Kafka, menghindari kebutuhan untuk mengirimkan data ke kluster terpisah untuk diproses.

Dalam pelatihan berorientasi instruktur ini, peserta akan belajar bagaimana mengintegrasikan Kafka Streams ke dalam sejumlah aplikasi contoh Java yang memindahkan data ke dan dari Apache Kafka untuk pemrosesan stream.

Selesai pelatihan ini, peserta akan dapat:

• Mengerti fitur dan keunggulan Kafka Streams dibandingkan kerangka kerja pemrosesan stream lainnya
• Mempersiapkan data stream langsung dalam kluster Kafka
• Menulis aplikasi atau mikroservis Java atau Scala yang terintegrasi dengan Kafka dan Kafka Streams
• Menulis kode singkat yang mengubah topik Kafka input menjadi topik Kafka output
• Membangun, memaketkan, dan mendeploy aplikasi

Audience

• Pengembang

Format kursus

• Berupa ceramah, diskusi, latihan dan praktek langsung yang intensif

Catatan

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

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di tempat) ini ditujukan untuk pengembang yang ingin menerapkan pemrosesan aliran Apache Kafka tanpa menulis kode.

Pada akhir pelatihan ini, peserta akan dapat:

• Instal dan konfigurasikan Confluent KSQL.
• Siapkan alur pemrosesan aliran hanya menggunakan perintah SQL (tanpa pengkodean Java atau Python).
• Melakukan penyaringan data, transformasi, agregasi, gabungan, windowing, dan sesiisasi sepenuhnya di SQL.
• Rancang dan terapkan kueri interaktif dan berkelanjutan untuk streaming ETL dan analisis waktu nyata.

Pelatihan ini, yang dibimbing oleh instruktur secara langsung (online atau tatap muka), ditujukan untuk orang-orang teknis yang ingin mempelajari cara menerapkan strategi pembelajaran mesin sambil memaksimalkan penggunaan data besar.

Pada akhir pelatihan ini, peserta akan:

• Memahami evolusi dan tren pembelajaran mesin.
• Mengetahui bagaimana pembelajaran mesin digunakan di berbagai industri.
• Menyenangkan diri dengan alat, keterampilan, dan layanan yang tersedia untuk menerapkan pembelajaran mesin dalam sebuah organisasi.
• Memahami bagaimana pembelajaran mesin dapat digunakan untuk meningkatkan penambangan dan analisis data.
• Mempelajari apa itu data middle backend dan bagaimana digunakan oleh bisnis.
• Memahami peran yang dimainkan oleh big data dan aplikasi cerdas di berbagai industri.

Dalam pelatihan langsung yang dipandu instruktur di Jakarta (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 Jakarta 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.

Python adalah bahasa pemrograman tingkat tinggi yang terkenal karena sintaksisnya yang jelas dan keterbacaan kode. Spark adalah mesin pemrosesan data yang digunakan dalam kueri, analisis, dan transformasi data besar. PySpark memungkinkan pengguna untuk menghubungkan Spark dengan Python.

Target Pemirsa: Profesional tingkat menengah di industri perbankan yang familiar dengan Python dan Spark, yang ingin memperdalam keterampilan mereka dalam pemrosesan big data dan pembelajaran mesin.  

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ditujukan untuk teknisi data, ilmuwan data, dan pemrogram yang ingin menggunakan fitur Spark Streaming dalam memproses dan menganalisis data waktu nyata.

Di akhir pelatihan ini, peserta akan dapat menggunakan Spark Streaming untuk memproses aliran data langsung untuk digunakan dalam database, sistem file, dan dasbor langsung.

MLlib adalah pustaka pemrosesan machine learning (ML) Spark. Tujuannya adalah untuk membuat machine learning praktis yang dapat diukur dan mudah. Ini terdiri dari algoritma belajar umum dan utilitas, termasuk klasifikasi, regresi, clustering, filtering kolaboratif, pengurangan dimensi, serta primer optimasi tingkat rendah dan API pipeline tingkat tinggi.

Ia terbagi menjadi dua paket:

• spark.mllib berisi API asli yang dibangun di atas RDDs.

• spark.ml menyediakan API tingkat tinggi yang dibangun di atas DataFrames untuk memkonstruksi pipeline ML.

Peserta

Kursus ini ditujukan untuk insinyur dan pengembang yang ingin menggunakan pustaka Machine Learning yang terintegrasi dalam Apache Spark

Pelatihan ini, yang dipimpin instruktur secara langsung dalam mode Jakarta (online atau tatap muka), ditujukan untuk orang teknis yang ingin mengimplementasikan Talend Open Studio for Big Data untuk memudahkan proses membaca dan memproses Big Data.

Di akhir pelatihan ini, peserta akan mampu untuk:

• Menginstal dan mengkonfigurasi Talend Open Studio for Big Data.
• Terkoneksi dengan sistem Big Data seperti Cloudera, HortonWorks, MapR, Amazon EMR dan Apache.
• Memahami dan mengatur komponen dan konektor Big Data Open Studio.
• Mengkonfigurasi parameter untuk secara otomatis menghasilkan kode MapReduce.
• Menggunakan antarmuka drag-and-drop Open Studio untuk menjalankan pekerjaan Hadoop.
• Memprototipe pipa Big Data.
• Mengotomatisasi proyek integrasi Big Data.

Pelatihan langsung yang dipandu instruktur ini memperkenalkan konsep di balik analisis data interaktif dan memandu peserta melalui penerapan dan penggunaan Zeppelin dalam lingkungan pengguna tunggal atau multi-pengguna.

Pada akhir pelatihan ini, peserta akan dapat:

• Instal dan konfigurasikan Zeppelin
• Mengembangkan, mengatur, mengeksekusi, dan berbagi data dalam antarmuka berbasis browser
• Visualisasikan hasil tanpa merujuk ke baris perintah atau detail kluster
• Menjalankan dan berkolaborasi pada alur kerja yang panjang
• Bekerja dengan sejumlah bahasa plug-in/backend pemrosesan data, seperti Scala (dengan Apache Spark), Python (dengan Apache Spark), Spark SQL, JDBC, Markdown, dan Shell.
• Integrasikan Zeppelin dengan Spark, Flink dan Map Reduce
• Amankan instans multi-pengguna Zeppelin dengan Apache Shiro