Μαθήματα Big Data Hadoop and Spark Developer
Μαθήματα κατάρτισης Big Data Hadoop and Spark Developer που παρέχονται από το iLEARN
Διαθεσιμότητα και τιμές των μαθημάτων Big Data Hadoop and Spark Developer
Προτεινόμενα προϊόντα
Σε αυτή την παρουσίαση θα βρείτε μια επιλογή μαθημάτων κατάρτισης και εξετάσεων στο πλαίσιο των Big Data Hadoop and Spark Developer .
Εάν δεν βλέπετε το μάθημα ή τις εξετάσεις που θέλετε, παρακαλούμε επικοινωνήστε μαζί μας.
BIG DATA HADOOP AND SPARK DEVELOPER
Ο κόσμος γίνεται όλο και πιο ψηφιακός και η σημασία των μεγάλων δεδομένων και της ανάλυσης δεδομένων θα συνεχίσει να αυξάνεται τα επόμενα χρόνια. Η επιλογή μιας καριέρας στον τομέα των μεγάλων δεδομένων και της ανάλυσης μπορεί να είναι ακριβώς αυτό που προσπαθούσατε να βρείτε για να ικανοποιήσετε τις επαγγελματικές σας προσδοκίες.
Το εκπαιδευτικό σεμινάριο Big Data Hadoop θα σας διδάξει τις έννοιες του πλαισίου Hadoop, τον σχηματισμό του σε περιβάλλον συστάδας και θα σας προετοιμάσει για την πιστοποίηση CCA175 Big Data της Cloudera.
ΠΙΣΤΟΠΟΊΗΣΗ ΠΡΟΓΡΑΜΜΑΤΙΣΤΉ BIG DATA HADOOP ΚΑΙ SPARK
Δεν υπάρχουν διαθέσιμες εξετάσεις, αλλά πρέπει να ολοκληρώσετε το 85% του μαθήματος, ένα έργο και ένα τεστ προσομοίωσης, με ελάχιστη βαθμολογία 80%, για να λάβετε πιστοποιητικό.
ΜΆΘΗΜΑ ΑΝΆΠΤΥΞΗΣ BIG DATA HADOOP AND SPARK DEVELOPER
Με αυτό το μάθημα Big Data Hadoop, θα μάθετε το πλαίσιο μεγάλων δεδομένων με τη χρήση των Hadoop και Spark, συμπεριλαμβανομένων των HDFS, YARN και MapReduce. Το μάθημα θα καλύψει επίσης τα Pig, Hive και Impala για την επεξεργασία και ανάλυση μεγάλων συνόλων δεδομένων που είναι αποθηκευμένα στο HDFS και θα χρησιμοποιήσετε τα Sqoop και Flume για την εισαγωγή δεδομένων.
Θα σας παρουσιαστεί η επεξεργασία δεδομένων σε πραγματικό χρόνο με τη χρήση του Spark, συμπεριλαμβανομένου του λειτουργικού προγραμματισμού στο Spark, της υλοποίησης εφαρμογών Spark, της κατανόησης της παράλληλης επεξεργασίας στο Spark και της χρήσης τεχνικών βελτιστοποίησης Spark RDD. Θα μάθετε επίσης τους διάφορους διαδραστικούς αλγορίθμους στο Spark και θα χρησιμοποιήσετε το Spark SQL για τη δημιουργία, το μετασχηματισμό και την αναζήτηση μορφών δεδομένων.
Τέλος, θα κληθείτε να εκτελέσετε πραγματικά, βιομηχανικά έργα με τη χρήση του CloudLab στους τομείς των τραπεζών, των τηλεπικοινωνιών, των μέσων κοινωνικής δικτύωσης, των ασφαλίσεων και του ηλεκτρονικού εμπορίου.
Εδώ παρακάτω μπορείτε να διαβάσετε το φύλλο μαθημάτων με πληροφορίες σχετικά με τα Big Data Hadoop and Spark Developer.
Objectives
Στο τέλος του μαθήματος θα είστε σε θέση να καταλάβετε:
- Τα διάφορα συστατικά του οικοσυστήματος Hadoop, όπως το Hadoop 2.7, Yarn, MapReduce, Pig, Hive, Impala, HBase, Sqoop, Flume και Apache Spark
- Το κατανεμημένο σύστημα αρχείων Hadoop (HDFS) και την αρχιτεκτονική YARN
- MapReduce και τα χαρακτηριστικά του και αφομοίωση προηγμένων εννοιών MapReduce
- Διαφορετικοί τύποι μορφότυπων αρχείων, σχήμα Avro, χρήση του Avro με το Hive και εξέλιξη του Sqoop και του σχήματος
- Flume, αρχιτεκτονική Flume, πηγές, καταβόθρες Flume, κανάλια και διαμορφώσεις Flume
- HBase, η αρχιτεκτονική της και η αποθήκευση δεδομένων, και μάθετε τη διαφορά μεταξύ HBase και RDBMS
- Ανθεκτικά σύνολα δεδομένων διανομής (RDD) με λεπτομέρειες
- Οι συνήθεις περιπτώσεις χρήσης του Spark και διάφοροι διαδραστικοί αλγόριθμοι
Θα είστε επίσης σε θέση να:
- Να προσλαμβάνετε δεδομένα χρησιμοποιώντας το Sqoop και το Flume
- Να δημιουργείτε βάσεις δεδομένων και πίνακες στο Hive και το Impala, να κατανοείτε την HBase και να χρησιμοποιείτε το Hive και το Impala για κατάτμηση
- Να αποκτήσετε γνώσεις εργασίας για το Pig και τα συστατικά του
- Να κάνετε λειτουργικό προγραμματισμό στο Spark και να υλοποιείτε και να κατασκευάζετε εφαρμογές Spark
- Να αποκτήσετε βαθιά κατανόηση της παράλληλης επεξεργασίας στο Spark και των τεχνικών βελτιστοποίησης του Spark RDD
- Να δημιουργείτε, να μετασχηματίζετε και να πραγματοποιείτε ερωτήματα σε πλαίσια δεδομένων με το Spark SQL
Who it is aimed at
Οι ευκαιρίες καριέρας στα μεγάλα δεδομένα αυξάνονται και το Hadoop γίνεται γρήγορα μια τεχνολογία που πρέπει να γνωρίζει κανείς στην αρχιτεκτονική των μεγάλων δεδομένων. Η εκπαίδευση στα μεγάλα δεδομένα είναι κατάλληλη για επαγγελματίες της πληροφορικής, της διαχείρισης δεδομένων και της ανάλυσης, συμπεριλαμβανομένων των εξής:
- Προγραμματιστές λογισμικού και αρχιτέκτονες
- Επαγγελματίες της ανάλυσης
- Ανώτεροι επαγγελματίες πληροφορικής
- Επαγγελματίες δοκιμών και mainframe
- Επαγγελματίες διαχείρισης δεδομένων
- Επαγγελματίες επιχειρηματικής ευφυΐας
- Διαχειριστές έργων
- Επίδοξοι επιστήμονες δεδομένων
- Πτυχιούχοι που επιθυμούν να χτίσουν καριέρα στην ανάλυση μεγάλων δεδομένων
Contents
Το μάθημα καλύπτει τα ακόλουθα θέματα:
- Εισαγωγή στο μάθημα
- Μάθημα 1 - Εισαγωγή στα μεγάλα δεδομένα και το οικοσύστημα Hadoop
- Μάθημα 2 - HDFS και YARN
- Μάθημα 3 - MapReduce και Sqoop
- Μάθημα 4 - Βασικά στοιχεία του Hive και του Impala
- Μάθημα 5 - Εργασία με το Hive και το Impala
- Μάθημα 6 - Τύποι μορφότυπων δεδομένων
- Μάθημα 7 - Σύνθετη έννοια του Hive και διαμερισμός αρχείων δεδομένων
- Μάθημα 8 - Apache Flume και HBase
- Μάθημα 9 - Pig
- Μάθημα 10 - Βασικά στοιχεία του Apache Spark
- Μάθημα 11 - RDDs στο Spark
- Μάθημα 12 - Υλοποίηση εφαρμογών Spark
- Μάθημα 13 - Παράλληλη επεξεργασία με Spark
- Μάθημα 14 - Τεχνικές βελτιστοποίησης RDD του Spark
- Μάθημα 15 - Αλγόριθμος Spark
- Μάθημα 16 - Spark SQL
- ΔΩΡΕΑΝ ΜΑΘΗΜΑ - Apache Kafka
- ΔΩΡΕΑΝ ΜΑΘΗΜΑ - Core Java
Prerequisites
Δεν υπάρχουν προαπαιτούμενα για αυτό το μάθημα. Ωστόσο, είναι ωφέλιμο να έχετε κάποιες γνώσεις Core Java και SQL. Προσφέρουμε ένα δωρεάν Μάθημα online με αυτοδύναμη παρακολούθηση"Java essentials for Hadoop", αν θέλετε να αναβαθμίσετε τις δεξιότητές σας σε Core Java.
Duration
Διάρκειαμαθημάτων online:
- 1 έτος πρόσβασηστην πλατφόρμα