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

Courses languages

Αγγλικά

Material course language

Αγγλικά
Συχνές Ερωτήσεις

No, all prices on the website are excluding VAT. However, remember that VAT is always not applicable in the following cases:

billing to a non EU company or citizen billing to a non Italian EU company with a valid VIES VAT id

You can check the VAT id on VIES portal at this link: https://ec.europa.eu/taxation_customs/vies/

The website implements this rules automatically. However, you or your organization could be exempted by VAT application for other legal reason. In such a case contact us (info@innovativelearning.eu) so that we can analyze and confirm your case. If so, please don't submit subscriptions using the website: your request will be handled through manual order handling processing.

With the purchase of e-learning packages with 30 days and 1 year of duration, exam doesn’t have to be necessarily taken within the closing date of the account on the e-learning platform. The validity of the exam voucher code is 12 months starting from the issue date.

During the purchase process it is possible to register data and details of each participant. 

The activation date of the package can be selected during the purchase process on our website. The days of access to the course, indicated in the title of the product, will be calculated starting from the selected date. Payment must be completed before the activation date.

30 days, 120d or 1 year are to be considered as the period, so the days, during which it is possible to access the purchased training courses on our e-learning platform. These periods start on the activation date selected during the purchase process on our webiste. The activation date can be chosen and selected within 30 days from the purchase date. If you need more flexibility, do not hesitate to contact us.  

The main difference between these packages, beyond the duration of access, is that the 30 days and 1 year packages include the exam, while the 120 days package does not include the exam.

Exam voucher code is usually issued at the activation of the e-learning course, anyway it can also be issued at the end of the e-learning course of sent after 24/48 hours from the order date. In case of purchase for exam only, exam voucher code is issued at purchase confirmation, always after the receipt of payment.