Cursos de Big Data en Santa Cruz

Este entrenamiento en vivo dirigido por un instructor (en línea o presencial) está destinado a científicos de datos y ingenieros de nivel intermedio que desean utilizar Google Colab y Apache Spark para el procesamiento y análisis de grandes volúmenes de datos.

Al finalizar este entrenamiento, los participantes podrán:

• Configurar un entorno de gran volumen de datos utilizando Google Colab y Spark.
• Procesar y analizar conjuntos de datos grandes de manera eficiente con Apache Spark.
• Visualizar grandes volúmenes de datos en un entorno colaborativo.
• Integrar Apache Spark con herramientas basadas en la nube.

Stratio es una plataforma centrada en datos que integra big data, IA y gobernanza en una sola solución. Sus módulos Rocket e Intelligence permiten la exploración rápida de datos, transformaciones y análisis avanzados en entornos empresariales.

Este entrenamiento en vivo dirigido por un instructor (online o presencial) está orientado a profesionales intermedios en datos que desean utilizar los módulos Rocket e Intelligence de Stratio eficazmente con PySpark, enfocándose en estructuras de bucles, funciones definidas por el usuario y lógica avanzada de datos.

Al finalizar este entrenamiento, los participantes podrán:

• Navegar y trabajar dentro de la plataforma Stratio utilizando los módulos Rocket e Intelligence.
• Aplicar PySpark en el contexto de ingesta, transformación y análisis de datos.
• Usar bucles y lógica condicional para controlar flujos de trabajo de datos y tareas de ingeniería de características.
• Crear y gestionar funciones definidas por el usuario (UDFs) para operaciones reutilizables en PySpark.

Formato del Curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarlo.

La creación de un almacén de datos es la práctica de diseñar, construir y operar repositorios centralizados de datos que soporten análisis, informes y toma de decisiones.

Este curso de formación dirigido por un instructor (en línea o en las instalaciones del cliente) está destinado a profesionales de datos de nivel intermedio que deseen modelar datos dimensionales, construir pipelines ETL robustos y optimizar cargas de trabajo analíticas.

Al final de este curso, los participantes serán capaces de:

• Explicar conceptos y arquitecturas centrales del almacén de datos.
• Diseñar modelos dimensionales y elegir entre esquemas estrella y copo de nieve.
• Construir y orquestar pipelines ETL y ELT de manera confiable.
• Distinguir las cargas de trabajo OLTP versus OLAP y optimizar para análisis.

Formato del Curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor póngase en contacto con nosotros para arreglarlo.

Los participantes que completen esta capacitación en vivo dirigida por un instructor en Santa Cruz obtendrán una comprensión práctica y del mundo real de Big Data y sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de poner en práctica estos conocimientos a través de ejercicios prácticos. La interacción grupal y la retroalimentación del instructor constituyen un componente importante de la clase.

El curso comienza con una introducción a los conceptos elementales de Big Data, luego progresa a los lenguajes de programación y las metodologías utilizadas para realizar Data Analysis. Por último, analizamos las herramientas y la infraestructura que permiten el almacenamiento Big Data, el procesamiento distribuido y la Scala bilidad.

Greenplum es una plataforma de datos de código abierto diseñada para el procesamiento en paralelo a gran escala (MPP), orientada a la analítica y a entornos de datos a gran escala.

Este curso dirigido por un instructor, impartido en vivo (en línea o presencial), está destinado a usuarios técnicos de nivel intermedio a avanzado que deseen comprender la arquitectura interna de Greenplum, construir modelos de datos optimizados y aplicar SQL de alto rendimiento en entornos distribuidos.

Al finalizar este curso, los participantes podrán:

• Comprender la arquitectura sin compartir nada y el modelo de paralelismo de Greenplum.
• Diseñar estructuras de tablas distribuidas y particiones optimizadas para el rendimiento de las consultas.
• Utilizar estrategias de indexación, formatos de almacenamiento y técnicas de diseño físico.
• Interpretar los planes EXPLAIN y optimizar las consultas utilizando mejores prácticas.

Formato del Curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar un curso personalizado, contáctenos para arreglarlo.

Greenplum es una plataforma de datos masivamente paralela de código abierto basada en PostgreSQL, diseñada para análisis avanzados y almacenamiento de datos a gran escala.

Este curso de formación dirigido por un instructor (en línea o presencial) está orientado a administradores de nivel intermedio que deseen instalar, configurar y gestionar entornos Greenplum de manera efectiva, incluyendo la gestión de actualizaciones del sistema y bibliotecas.

Al final de este curso, los participantes serán capaces de:

• Instalar y configurar un clúster Greenplum listo para producción.
• Gestionar las actualizaciones del sistema y aplicar parches de manera segura.
• Administrar la biblioteca Greenplum para análisis y extensiones.
• Solucionar problemas y monitorear sistemas Greenplum.

Formato del curso

• Conferencia interactiva y discusión.
• Uso práctico de Greenplum en un entorno de laboratorio controlado.
• Ejercicios guiados centrados en la configuración del clúster, flujos de trabajo de actualización y extensiones del sistema.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso basada en su entorno o plataforma de datos, por favor contáctenos para organizarlo.

Este curso de formación dirigido por un instructor en Santa Cruz (en línea o en las instalaciones del cliente) está destinado a profesionales de datos de nivel avanzado que desean optimizar los flujos de trabajo de procesamiento de datos, garantizar la integridad de los datos y implementar soluciones robustas de data lakehouse que puedan manejar las complejidades de las aplicaciones de big data modernas.

Al final de este curso, los participantes serán capaces de:

• Obtener una comprensión profunda de la arquitectura de Iceberg, incluyendo el manejo de metadatos y la distribución de archivos.
• Configurar Iceberg para un rendimiento óptimo en diversos entornos e integrarlo con múltiples motores de procesamiento de datos.
• Gestionar tablas de Iceberg a gran escala, realizar cambios de esquema complejos y manejar la evolución de particiones.
• Dominar técnicas para optimizar el rendimiento de las consultas y la eficiencia del escaneo de datos en grandes conjuntos de datos.
• Implementar mecanismos para garantizar la consistencia de los datos, gestionar garantías transaccionales y manejar fallos en entornos distribuidos.

Este curso dirigido por un instructor y en vivo en Santa Cruz (en línea o en el sitio) está destinado a profesionales de datos de nivel principiante que deseen adquirir los conocimientos y habilidades necesarios para utilizar eficazmente Apache Iceberg en la gestión de conjuntos de datos de gran escala, garantizando la integridad de los datos y optimizando los flujos de trabajo de procesamiento de datos.

Al final de este curso, los participantes serán capaces de:

• Obtener una comprensión exhaustiva de la arquitectura, características y beneficios de Apache Iceberg.
• Aprender sobre formatos de tabla, particionamiento, evolución del esquema y capacidades de viaje en el tiempo.
• Instalar y configurar Apache Iceberg en diferentes entornos.
• Crear, gestionar y manipular tablas de Iceberg.
• Comprender el proceso de migración de datos desde otros formatos de tabla a Iceberg.

Este curso de formación presencial dirigido por un instructor en Santa Cruz (en línea o en el sitio) está destinado a profesionales de TI de nivel intermedio que deseen mejorar sus habilidades en arquitectura de datos, gobernanza de datos, computación en la nube y tecnologías de big data para gestionar y analizar conjuntos de datos grandes durante las migraciones de datos en sus organizaciones.

Al final de este curso, los participantes podrán:

• Comprender los conceptos y componentes fundamentales de diversas arquitecturas de datos.
• Adquirir una comprensión completa de los principios de la gobernanza de datos y su importancia en entornos regulados.
• Implementar y gestionar marcos de gobernanza de datos como Dama y Togaf.
• Aprovechar las plataformas en la nube para el almacenamiento, procesamiento y gestión eficientes de los datos.

Este curso dirigido por un instructor y en vivo en Santa Cruz (en línea o presencial) está destinado a ingenieros de datos de nivel intermedio que deseen aprender a utilizar Azure Data Lake Storage Gen2 para soluciones efectivas de análisis de datos.

Al finalizar este curso, los participantes serán capaces de:

• Comprender la arquitectura y las características clave de Azure Data Lake Storage Gen2.
• Optimizar el almacenamiento y acceso a los datos para costos y rendimiento.
• Integrar Azure Data Lake Storage Gen2 con otros servicios de Azure para análisis y procesamiento de datos.
• Desarrollar soluciones utilizando la API de Azure Data Lake Storage Gen2.
• Solucionar problemas comunes y optimizar estrategias de almacenamiento.

Esta capacitación en vivo dirigida por un instructor en Santa Cruz (en línea o presencial) está dirigida a desarrolladores que desean usar e integrar Spark, Hadoop y Python para procesar, analizar y transformar conjuntos de datos grandes y complejos.

Al final de esta formación, los participantes serán capaces de:

• Configure el entorno necesario para empezar a procesar macrodatos con Spark, Hadoop y Python.
• Comprender las características, los componentes principales y la arquitectura de Spark y Hadoop.
• Aprenda a integrar Spark, Hadoop y Python para el procesamiento de big data.
• Explore las herramientas del ecosistema de Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka y Flume).
• Cree sistemas de recomendación de filtrado colaborativo similares a Netflix, YouTube, Amazon, Spotify y Google.
• Utilice Apache Mahout para escalar los algoritmos de aprendizaje automático.

Big Data y Advanced Analytics es la aplicación de técnicas y herramientas sofisticadas para analizar conjuntos de datos grandes y complejos con el fin de obtener insights operativos y decisiones estratégicas.

Esta formación impartida por instructores (en línea o presencial) está dirigida a profesionales avanzados en datos que desean aprovechar métodos analíticos de vanguardia y tecnologías big data para análisis predictivo, prescriptivo y en tiempo real.

Al finalizar esta formación, los participantes serán capaces de:

• Diseñar e implementar pipelines de procesamiento de datos a gran escala para datos estructurados y no estructurados.
• Aplique técnicas avanzadas de machine learning y deep learning a conjuntos de datos masivos.
• Aproveche marcos de cómputo distribuido para análisis en tiempo real y streaming de datos.
• Integrar el análisis big data en sistemas de inteligencia empresarial y toma de decisiones.

Formato del Curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para acordarlo.

Este curso dirigido por un instructor y en vivo en Santa Cruz (en línea o presencial) está destinado a profesionales de TI de nivel intermedio que deseen tener una comprensión completa de IBM DataStage desde tanto la perspectiva administrativa como la de desarrollo, lo que les permitirá gestionar y utilizar esta herramienta eficazmente en sus respectivos lugares de trabajo.

Al final de este entrenamiento, los participantes serán capaces de:

• Comprender los conceptos fundamentales de DataStage.
• Aprender a instalar, configurar y gestionar entornos de DataStage de manera efectiva.
• Conectarse a diversas fuentes de datos y extraer datos de forma eficiente desde bases de datos, archivos planos y fuentes externas.
• Implementar técnicas de carga de datos efectivas.

Esta formación en directo dirigida por un instructor en Santa Cruz (en línea o in situ) está dirigida a administradores de sistemas de nivel principiante a intermedio que deseen implementar, mantener y optimizar clústeres de Spark.

Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Apache Spark en varios entornos.
• Administre los recursos del clúster y supervise las aplicaciones de Spark.
• Optimice el rendimiento de los clústeres de Spark.
• Implemente medidas de seguridad y garantice una alta disponibilidad.
• Depurar y solucionar problemas comunes de Spark.

Los participantes que completen esta capacitación en vivo dirigida por un instructor en Santa Cruz obtendrán una comprensión práctica y del mundo real de Big Data y sus tecnologías, metodologías y herramientas relacionadas.

Los participantes tendrán la oportunidad de poner en práctica estos conocimientos a través de ejercicios prácticos. La interacción grupal y la retroalimentación del instructor constituyen un componente importante de la clase.

El curso comienza con una introducción a los conceptos elementales de Big Data, luego avanza hacia los lenguajes de programación y las metodologías utilizadas para realizar el análisis de datos. Finalmente, discutimos las herramientas y la infraestructura que permiten el almacenamiento de Big Data, el procesamiento distribuido y la Scalabilidad.

En esta capacitación en vivo dirigida por un instructor en Santa Cruz, los participantes aprenderán a usar Python y Spark juntos para analizar big data mientras trabajan en ejercicios prácticos.

Al final de esta formación, los participantes serán capaces de:

• Aprenda a usar Spark con Python para analizar Big Data.
• Trabaja en ejercicios que imiten casos del mundo real.
• Utilice diferentes herramientas y técnicas para el análisis de big data utilizando PySpark.

Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a desarrolladores de software, gerentes y analistas de negocios que desean utilizar sistemas de big data para almacenar y recuperar grandes cantidades de datos.

Al final de esta formación, los participantes serán capaces de:

• Consulte grandes cantidades de datos de forma eficiente.
• Comprender cómo el sistema Big Data almacena y recupera datos
• Utilice los últimos sistemas de big data disponibles
• Transferencia de datos de los sistemas de datos a los sistemas de informes
• Aprenda a escribir SQL consultas en:
  • MySQL
  • Postgres
  • Hive Lenguaje de consulta (HiveQL/HQL)
  • Corrimiento al rojo

Formato del curso

• Charla y discusión interactiva.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Público objetivo:

El curso está destinado a especialistas en TI que buscan una solución para almacenar y procesar grandes conjuntos de datos en un entorno de sistema distribuido.

Goal:

Conocimientos profundos sobre la administración del clúster Hadoop.

Los avances en las tecnologías y la creciente cantidad de información están transformando la forma en que se llevan a cabo los negocios en muchas industrias, incluido el gobierno. Go Las tasas de generación de datos de verificación y archivo digital están en aumento debido al rápido crecimiento de los dispositivos y aplicaciones móviles, los sensores y dispositivos inteligentes, las soluciones de computación en la nube y los portales orientados a los ciudadanos. A medida que la información digital se expande y se vuelve más compleja, la gestión, el procesamiento, el almacenamiento, la seguridad y la disposición de la información también se vuelven más complejos. Las nuevas herramientas de captura, búsqueda, descubrimiento y análisis están ayudando a las organizaciones a obtener información de sus datos no estructurados. El mercado gubernamental se encuentra en un punto de inflexión, dándose cuenta de que la información es un activo estratégico, y que el gobierno necesita proteger, aprovechar y analizar tanto la información estructurada como la no estructurada para servir y cumplir mejor con los requisitos de la misión. A medida que los líderes gubernamentales se esfuerzan por hacer evolucionar las organizaciones basadas en datos para cumplir con éxito la misión, están sentando las bases para correlacionar las dependencias entre eventos, personas, procesos e información.

Las soluciones gubernamentales de alto valor se crearán a partir de una combinación de las tecnologías más disruptivas:

• Dispositivos móviles y aplicaciones
• Servicios en la nube
• Redes sociales, tecnologías empresariales y redes
• Big Data y analítica

IDC predice que para el año 2020, la industria de TI alcanzará los 5 billones de dólares, aproximadamente 1,7 billones de dólares más que en la actualidad, y que el 80% del crecimiento de la industria será impulsado por estas tecnologías de la tercera plataforma. A largo plazo, estas tecnologías serán herramientas clave para hacer frente a la complejidad del aumento de la información digital. Big Data es una de las soluciones inteligentes de la industria y permite al gobierno tomar mejores decisiones al tomar medidas basadas en patrones revelados por el análisis de grandes volúmenes de datos, relacionados y no relacionados, estructurados y no estructurados.

Pero lograr estas hazañas requiere mucho más que simplemente acumular cantidades masivas de datos."Dar sentido a estos volúmenes de Big Data requiere herramientas y tecnologías de vanguardia que puedan analizar y extraer conocimientos útiles de vastos y diversos flujos de información", escribieron Tom Kalil y Fen Zhao de la Oficina de Política Científica y Tecnológica de la Casa Blanca en una publicación en el blog de la OSTP.

La Casa Blanca dio un paso para ayudar a las agencias a encontrar estas tecnologías cuando estableció la Iniciativa Nacional de Investigación y Desarrollo en 2012. La iniciativa incluyó más de 200 millones de dólares para aprovechar al máximo la explosión de Big Data y las herramientas necesarias para analizarla.

Los desafíos que plantea Big Data son casi tan desalentadores como alentadora es su promesa. Almacenar datos de manera eficiente es uno de estos desafíos. Como siempre, los presupuestos son ajustados, por lo que las agencias deben minimizar el precio por megabyte de almacenamiento y mantener los datos de fácil acceso para que los usuarios puedan obtenerlos cuando los quieran y como los necesiten. Hacer copias de seguridad de cantidades masivas de datos aumenta el desafío.

Analizar los datos de manera efectiva es otro desafío importante. Muchas agencias emplean herramientas comerciales que les permiten examinar las montañas de datos, detectando tendencias que pueden ayudarlas a operar de manera más eficiente. (Un estudio reciente de MeriTalk encontró que los ejecutivos federales de TI piensan Big Data que podrían ayudar a las agencias a ahorrar más de $ 500 mil millones y, al mismo tiempo, cumplir con los objetivos de la misión).

Las herramientas desarrolladas a medida Big Data también están permitiendo a las agencias abordar la necesidad de analizar sus datos. Por ejemplo, el Grupo de Análisis de Datos Computacionales del Laboratorio Nacional de Oak Ridge ha puesto a disposición de otras agencias su sistema de análisis de datos Piraña. El sistema ha ayudado a los investigadores médicos a encontrar un vínculo que puede alertar a los médicos sobre los aneurismas aórticos antes de que ataquen. También se utiliza para tareas más mundanas, como revisar los currículos para conectar a los candidatos a un puesto de trabajo con los responsables de contratación.

Día 1 - proporciona una visión general de alto nivel de los temas esenciales del Big Data. El módulo se divide en una serie de secciones, cada una de las cuales va acompañada de un ejercicio práctico.

Día 2 - explora una gama de temas relacionados con las prácticas y herramientas de análisis para entornos de Big Data. No entra en detalles de implementación o programación, sino que mantiene la cobertura a nivel conceptual, centrándose en temas que permiten a los participantes desarrollar una comprensión completa de las funciones y características comunes ofrecidas por las soluciones de Big Data.

Día 3 - proporciona un resumen de los temas fundamentales y esenciales relacionados con la arquitectura de la plataforma de solución de Big Data. Cubre los mecanismos de Big Data necesarios para el desarrollo de una plataforma de solución de Big Data y las opciones arquitectónicas para ensamblar una plataforma de procesamiento de datos. También se presentan escenarios comunes para proporcionar una comprensión básica de cómo generalmente se utiliza una plataforma de solución de Big Data.

Día 4 - se basa en el Día 3 explorando temas avanzados relacionados con la arquitectura de la plataforma de solución de Big Data. En particular, se introducen y discuten las diferentes capas arquitectónicas que componen la plataforma de solución de Big Data, incluyendo fuentes de datos, ingreso de datos, almacenamiento de datos, procesamiento de datos y seguridad.

Día 5 - cubre una serie de ejercicios y problemas diseñados para probar la capacidad de los delegados de aplicar el conocimiento de los temas cubiertos en los Días 3 y 4.

El análisis de Big Data implica el proceso de examinar grandes cantidades de conjuntos de datos variados para descubrir correlaciones, patrones ocultos y otras ideas útiles.

La industria de la salud tiene cantidades masivas de datos clínicos y médicos heterogéneos complejos. La aplicación de análisis de big data en datos de salud presenta un enorme potencial para obtener información para mejorar la prestación de servicios de salud. Sin embargo, la magnitud de estos conjuntos de datos plantea grandes desafíos en los análisis y aplicaciones prácticas en un entorno clínico.

En esta capacitación en vivo (remota) dirigida por un instructor, los participantes aprenderán cómo realizar análisis de big data en salud a medida que realizan una serie de ejercicios prácticos de laboratorio en vivo.

Al final de esta capacitación, los participantes podrán:

• Instale y configure herramientas de análisis de big data como Hadoop MapReduce y Spark
• Comprender las características de los datos médicos.
• Aplicar técnicas de big data para manejar datos médicos.
• Estudiar los sistemas y algoritmos de big data en el contexto de las aplicaciones de salud.

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia en parte, discusión en parte, ejercicios y práctica práctica.

Nota

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.

En esta capacitación en vivo dirigida por un instructor en Santa Cruz, los participantes aprenderán la mentalidad con la que abordar Big Data tecnologías, evaluar su impacto en los procesos y políticas existentes, e implementar estas tecnologías con el propósito de identificar actividades delictivas y prevenir el delito. Se examinarán estudios de caso de organizaciones de aplicación de la ley de todo el mundo para obtener información sobre sus enfoques de adopción, desafíos y resultados.

Al final de esta capacitación, los participantes podrán:

• Combinar la tecnología Big Data con los procesos tradicionales de recolección de datos para armar una historia durante una investigación.
• Implementar soluciones industriales de almacenamiento y procesamiento de grandes datos para el análisis de datos.
• Preparar una propuesta para la adopción de las herramientas y procesos más adecuados para permitir un enfoque basado en datos para la investigación criminal.

Big Data es un término que se refiere a soluciones destinadas para almacenar y procesar grandes conjuntos de datos. Desarrollado inicialmente por Google, estas soluciones de Big Data han evolucionado e inspirado otros proyectos similares, muchos de los cuales están disponibles como código abierto. R es un lenguaje de programación popular en la industria financiera.

Cuando las tecnologías de almacenamiento tradicionales no manejan la cantidad de datos que necesita almacenar, hay una gran cantidad de alternativas. Este curso trata de orientar a los participantes cuáles son las alternativas para almacenar y analizar Big Data y cuáles son sus pros y contras.

Este curso se centra principalmente en la discusión y presentación de soluciones, aunque los ejercicios prácticos están disponibles a pedido.

El curso forma parte del conjunto de habilidades de Data Scientist (Dominio: Datos y Tecnología).

Esta sesión de capacitación en el aula explorará Big Data. Los delegados tendrán ejemplos basados en computadoras y ejercicios de estudio de casos para llevar a cabo con herramientas relevantes de big data

Audiencia

Si intentas dar sentido a los datos a los que tienes acceso o quieres analizar datos no estructurados disponibles en la red (como Twitter, Linked in, etc...) este curso es para ti.

Está dirigido principalmente a los responsables de la toma de decisiones y a las personas que necesitan elegir qué datos vale la pena recopilar y cuáles vale la pena analizar.

No está dirigido a las personas que configuran la solución, sin embargo, esas personas se beneficiarán del panorama general.

Modo de entrega

Durante el curso, se presentarán a los delegados ejemplos de trabajo de tecnologías de código abierto.

A las conferencias breves les seguirán una presentación y ejercicios sencillos por parte de los participantes

Contenido y software utilizado

Todo el software utilizado se actualiza cada vez que se ejecuta el curso, por lo que comprobamos las versiones más recientes posibles.

Abarca el proceso desde la obtención, formateo, procesamiento y análisis de los datos, hasta explicar cómo automatizar el proceso de toma de decisiones con machine learning.

Big data son conjuntos de datos que son tan voluminosos y complejos que el software de aplicación de procesamiento de datos tradicional es inadecuado para manejarlos. Los grandes desafíos de datos incluyen la captura de datos, el almacenamiento de datos, el análisis de datos, la búsqueda, el intercambio, la transferencia, la visualización, la consulta, la actualización y la privacidad de la información.

El curso está dedicado a especialistas en TI que buscan una solución para almacenar y procesar grandes conjuntos de datos en un entorno de sistemas distribuidos

Objetivo del curso:

Adquirir conocimientos sobre la administración de clústeres Hadoop

Apache Hadoop es el marco de trabajo más popular para procesamiento Big Data en clusters de servidores. En este curso de tres (opcionalmente cuatro) días, los asistentes aprenderán sobre los beneficios comerciales y casos de uso para Hadoop y su ecosistema, cómo planificar la implementación y crecimiento del cluster, cómo instalar, mantener, monitorear, solucionar problemas y optimizar Hadoop. También practicarán el cargue masivo de datos en clusters, se familiarizarán con diversas distribuciones de Hadoop, y practicarán la instalación y administración de herramientas del ecosistema de Hadoop. El curso termina con una discusión sobre cómo asegurar el cluster mediante Kerberos.

“…Los materiales estaban muy bien preparados y cubrieron exhaustivamente. El Laboratorio fue muy útil y bien organizado”
— Andrew Nguyen, Ingeniero Principal de Integración DW, Microsoft Online Advertising

Audiencia

Administradores de Hadoop

Formato

Conferencias y laboratorios prácticos, aproximado equilibrio 60% conferencias, 40% laboratorio.

Apache Hadoop es el marco más popular para procesar Big Data en clusters de servidores. Este curso introducirá al desarrollador a los diversos componentes del ecosistema (HDFS, MapReduce, Pig, Hive, y HBase) de Hadoop.

Apache Hadoop es uno de los frameworks más populares para el procesamiento Big Data en clusters de servidores. Este curso se adentra en la gestión de datos en HDFS, Pig avanzado, Hive, y HBase.  Estas técnicas de programación avanzadas serán beneficiosas para los desarrolladores experimentados en Hadoop.

Audiencia: desarrolladores

Duración: tres días

Formato: conferencias (50%) y laboratorios prácticos (50%).

Público objetivo:

Este curso está diseñado para desentrañar la tecnología de big data/hadoop y mostrar que no es difícil de entender.

Esta capacitación en vivo dirigida por un instructor en Santa Cruz (en línea o presencial) está dirigida a administradores de sistemas que desean aprender a configurar, implementar y administrar Hadoop clústeres dentro de su organización.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Apache Hadoop.
• Comprenda los cuatro componentes principales del ecosistema Hadoop: HDFS, MapReduce, YARN y Hadoop Common.
• Utilice Hadoop Sistema de archivos distribuido (HDFS) para escalar un clúster a cientos o miles de nodos.  
• Configure HDFS para que funcione como motor de almacenamiento para implementaciones de Spark locales.
• Configure Spark para acceder a soluciones de almacenamiento alternativas, como Amazon S3, y NoSQL sistemas de bases de datos como Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Lleve a cabo tareas administrativas como el aprovisionamiento, la gestión, la supervisión y la seguridad de un clúster Apache Hadoop.

Este curso introduce HBase – un almacén NoSQL encima de Hadoop. El curso está dirigido a desarrolladores que utilizarán HBase para desarrollar aplicaciones, y administradores que gestionarán clústeres de HBase.

Llevaremos a los desarrolladores a través de la arquitectura de HBase y el modelado de datos, así como el desarrollo de aplicaciones en HBase. También discutiremos el uso de MapReduce con HBase y algunos temas de administración relacionados con la optimización del rendimiento. El curso es muy práctico con numerosos ejercicios de laboratorio.

Duración : 3 días

Audiencia : Desarrolladores & Administradores

En este entrenamiento dirigido por un instructor en Santa Cruz (presencial o remoto), los participantes aprenderán cómo configurar e integrar diferentes marcos de procesamiento de secuencias con sistemas existentes de almacenamiento de datos grandes y aplicaciones de software y microservicios relacionados.

Al final de este entrenamiento, los participantes podrán:

• Instalar y configurar diferentes marcos de procesamiento de secuencias, como Spark Streaming y Kafka Streaming.
• Comprender y seleccionar el marco más apropiado para el trabajo.
• Procesar datos continuamente, concurrentemente y en un registro por registro.
• Integrar soluciones de procesamiento de secuencias con bases de datos existentes, data warehouses, lagos de datos, etc.
• Integrar la biblioteca de procesamiento de secuencias más apropiada con aplicaciones empresariales y microservicios.

Esta capacitación en vivo dirigida por un instructor en Santa Cruz (en línea o presencial) está dirigida a personas técnicas que desean aprender a implementar una estrategia de aprendizaje automático mientras maximizan el uso de big data.

Al final de esta capacitación, los participantes:

• Comprenda la evolución y las tendencias del aprendizaje automático.
• Conozca cómo se utiliza el aprendizaje automático en diferentes industrias.
• Familiarícese con las herramientas, habilidades y servicios disponibles para implementar el aprendizaje automático dentro de una organización.
• Comprenda cómo se puede utilizar el aprendizaje automático para mejorar la minería y el análisis de datos.
• Aprenda qué es un backend intermedio de datos y cómo lo utilizan las empresas.
• Comprenda el papel que desempeñan el big data y las aplicaciones inteligentes en todas las industrias.

Apache NiFi es una plataforma de integración y procesamiento de eventos basada en flujos de datos de código abierto. Permite el enrutamiento, transformación y mediación de sistemas automatizados y en tiempo real entre sistemas disparatados, con una interfaz web y un control detallado.

Este curso de formación dirigido por un instructor (presencial o remoto) está destinado a administradores y ingenieros de nivel intermedio que deseen implementar, gestionar, asegurar y optimizar los flujos de datos de NiFi en entornos de producción.

Al final de este curso, los participantes podrán:

• Instalar, configurar y mantener clústeres de Apache NiFi.
• Diseñar y gestionar flujos de datos desde diversas fuentes y destinos.
• Implementar la automatización del flujo, el enrutamiento y la lógica de transformación.
• Optimizar el rendimiento, monitorear las operaciones y solucionar problemas.

Formato del Curso

• Conferencia interactiva con discusión de arquitectura en el mundo real.
• Ejercicios prácticos: construcción, implementación y gestión de flujos.
• Ejercicios basados en escenarios en un entorno de laboratorio en vivo.

Opciones de Personalización del Curso

• Para solicitar una formación personalizada para este curso, contáctenos para hacer los arreglos necesarios.

En esta capacitación en vivo dirigida por un instructor en Santa Cruz, los participantes aprenderán los fundamentos de la programación basada en flujo a medida que desarrollan una serie de extensiones, componentes y procesadores de demostración utilizando Apache NiFi.

Al final de esta formación, los participantes serán capaces de:

• Comprenda la arquitectura de NiFi y los conceptos de flujo de datos.
• Desarrolle extensiones utilizando NiFi y API de terceros.
• Desarrollar a medida su propio procesador Apache Nifi.
• Ingiera y procese datos en tiempo real de formatos de archivo y fuentes de datos dispares y poco comunes.

Este curso de formación dirigido por un instructor en Santa Cruz (en línea o presencial) está destinado a científicos de datos que deseen utilizar la pila SMACK para crear plataformas de procesamiento de datos para soluciones de big data.

Al finalizar este curso, los participantes serán capaces de:

• Implementar una arquitectura de pipeline de datos para el procesamiento de big data.
• Desarrollar una infraestructura en clúster con Apache Mesos y Docker.
• Analizar datos con Spark y Scala.
• Administrar datos no estructurados con Apache Cassandra.

Esta capacitación en vivo dirigida por un instructor en Santa Cruz (en línea o en el sitio) está dirigida a ingenieros que desean configurar e implementar Apache Spark un sistema para procesar grandes cantidades de datos.

Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Apache Spark.
• Procese y analice rápidamente conjuntos de datos muy grandes.
• Comprenda la diferencia entre Apache Spark y Hadoop MapReduce y cuándo usar cuál.
• Integre Apache Spark con otras herramientas de aprendizaje automático.

La curva de aprendizaje de Apache Spark aumenta lentamente al principio, y requiere mucho esfuerzo para obtener los primeros resultados. Este curso tiene como objetivo superar la primera parte difícil. Después de completar este curso, los participantes entenderán los conceptos básicos de Apache Spark, diferenciarán claramente RDD de DataFrame, aprenderán las API de Python y Scala, comprenderán los ejecutores y tareas, etc. Además, siguiendo las mejores prácticas, este curso se centra fuertemente en la implementación en la nube, Databricks y AWS. Los estudiantes también entenderán las diferencias entre AWS EMR y AWS Glue, uno de los servicios más recientes de Spark de AWS.

AUDIENCIA:

Data Engineer, DevOps, Data Scientist

OBJETIVO:

Este curso introducirá Apache Spark. Los estudiantes aprenderán cómo Spark se integra en el ecosistema de Big Data y cómo utilizar Spark para el análisis de datos. El curso cubre la consola de Spark para el análisis de datos interactivos, los internos de Spark, las API de Spark, Spark SQL, Spark Streaming, y machine learning y GraphX.

PÚBLICO OBJETIVO:

Desarrolladores / Analistas de Datos

Esta capacitación en vivo dirigida por un instructor en Santa Cruz (en línea o presencial) está dirigida a científicos de datos y desarrolladores que deseen utilizar Spark NLP, construido sobre Apache Spark, para desarrollar, implementar y escalar modelos y tuberías de procesamiento de texto en lenguaje natural.

Al final de esta formación, los participantes serán capaces de:

• Configure el entorno de desarrollo necesario para comenzar a crear canalizaciones de NLP con Spark NLP.
• Comprender las características, la arquitectura y los beneficios del uso de Spark NLP.
• Utilice los modelos previamente entrenados disponibles en Spark NLP para implementar el procesamiento de texto.
• Aprenda a crear, entrenar y escalar modelos Spark NLP para proyectos de producción.
• Aplique la clasificación, la inferencia y el análisis de sentimientos en casos de uso del mundo real (datos clínicos, información sobre el comportamiento de los clientes, etcétera).

Spark SQL es Apache Spark módulo de Apache Spark para trabajar con datos estructurados y no estructurados. Spark SQL proporciona información sobre la estructura de los datos, así como el cálculo que se realiza. Esta información se puede usar para realizar optimizaciones. Dos usos comunes para Spark SQL son:
- para ejecutar consultas SQL .
- para leer datos de una instalación de Hive existente.

En esta capacitación en vivo dirigida por un instructor (en el sitio o remota), los participantes aprenderán cómo analizar varios tipos de conjuntos de datos usando Spark SQL .

Al final de esta capacitación, los participantes podrán:

• Instalar y configurar Spark SQL .
• Realizar análisis de datos usando Spark SQL .
• Consultar conjuntos de datos en diferentes formatos.
• Visualizar datos y resultados de consultas.

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en Santa Cruz (en línea o presencial) está dirigida a personas técnicas que deseen implementar Talend Open Studio para Big Data para simplificar el proceso de lectura y procesamiento Big Data.

Al final de esta formación, los participantes serán capaces de:

• Instale y configure Talend Open Studio para Big Data.
• Conéctese con Big Data sistemas como Cloudera, HortonWorks, MapR, Amazon EMR y Apache.
• Comprenda y configure los componentes y conectores de big data de Open Studio.
• Configure los parámetros para generar automáticamente el código de MapReduce.
• Utilice la interfaz de arrastrar y soltar de Open Studio para ejecutar Hadoop trabajos.
• Prototipos de canalizaciones de big data.
• Automatice los proyectos de integración de big data.