HBase para Desarrolladores

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.

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.

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 es parte del conjunto de habilidades de Data Scientist (Dominio: Datos y Tecnología).

Esta formación en vivo, dirigida por un instructor, en Venezuela (en línea o presencial) está destinada a administradores de bases de datos o desarrolladores que desean utilizar Microsoft Azure Cosmos DB para desarrollar y gestionar aplicaciones altamente responsivas y con baja latencia.

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

• Provisionar los recursos necesarios de Cosmos DB para comenzar a construir bases de datos y aplicaciones.
• Escalar el rendimiento y la almacenamiento de la aplicación utilizando las API de Cosmos DB. 
• Gestionar operaciones de base de datos y reducir costos optimizando los recursos de Cosmos DB.

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.

En esta capacitación en vivo dirigida por un instructor en Venezuela (presencial o remoto), los participantes aprenderán cómo implementar y administrar Apache NiFi en un entorno de laboratorio en vivo.

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

• Instala y configura Apachi NiFi.
• Obtenga, transforme y administre datos de fuentes de datos dispares y distribuidas, incluidas bases de datos y lagos de big data.
• Automatice los flujos de datos.
• Habilite el análisis de transmisión.
• Aplique varios enfoques para la ingesta de datos.
• Transforme Big Data y conviértase en información empresarial.

En esta capacitación en vivo dirigida por un instructor en Venezuela, 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.

Las bases de datos relacionales han sido la tecnología elegida para almacenar, recuperar y consultar datos. Las bases de datos relacionales permiten a los usuarios organizar sus datos utilizando un conjunto estructurado y bien definido de patrones (modelo). Si bien este enfoque funciona bien para almacenar datos estandarizados y bien entendidos de antemano (piense en una aplicación de registro de hospital que contiene registros de pacientes con el mismo conjunto coherente de campos predefinidos... identificación del paciente, nombre, apellido, fecha de la última visita, etc.), existen limitaciones para este modelo. Para las organizaciones cuyos datos entrantes no están bien definidos (piense en un formulario de consulta en línea para una startup que todavía está en el proceso de experimentar con diferentes campos para recopilar datos de visitantes, eliminando y agregando campos a medida que avanzan para adaptarse a la naturaleza cambiante del negocio), cualquier definición establecida sobre cómo deben encajar los datos en una base de datos existente tendría que redefinirse regularmente. Esto requeriría volver a crear el modelo de datos (esquema) que dicta la estructura de los datos y sus tipos de datos permitidos para admitir diferentes tipos de entradas de datos, etc., antes de que se puedan guardar nuevos datos en la base de datos.

Ingrese a las bases de datos NoSQL (no solo SQL). NoSQL Las bases de datos liberan a los usuarios de tener que predefinir la estructura de los datos entrantes, permitiéndoles insertar y actualizar nuevos datos sobre la marcha. Las bases de datos suelen ser más rápidas que las bases de datos relacionales y pueden manejar grandes cantidades de datos con facilidad. NoSQL Las bases de datos también escalan mejor que las bases de datos relacionales, debido a su capacidad para particionar datos de manera eficiente entre muchos servidores (clúster) y equilibrar la carga del acceso a estos datos. NoSQL las bases de datos se integran particularmente bien con aplicaciones que soportan análisis en tiempo real, personalización de sitios, IoT y aplicaciones móviles

En esta capacitación en vivo dirigida por un instructor, los participantes comprenderán la arquitectura, los principios de diseño y la funcionalidad de las bases de datos NoSQL más populares a medida que configuran, operan y evalúan varias bases de datos NoSQL en un entorno de laboratorio en vivo. El objetivo de esta capacitación es capacitar a los participantes para evaluar, proponer e implementar de manera inteligente una solución de base de datos adecuada NoSQL dentro de su organización.

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

• Instale y configure diferentes tipos de bases de datos NoSQL, incluidas MongoDB, Cassandra, Redis y Neo4j
• Comprender las ventajas y desventajas de las bases de datos NoSQL frente a las bases de datos relacionales
• Comprender los formatos de datos subyacentes utilizados por las bases de datos NoSQL y cómo estos formatos se pueden utilizar con ventaja al desarrollar aplicaciones modernas (escritorio, móvil, nube, IoT)
• Realizar operaciones de creación, inserción, actualización, eliminación en una base de datos NoSQL
• Configure un entorno mixto con una base de datos relacional y NoSQL trabajando en tándem
• Configure un clúster de base de datos NoSQL para distribuir el procesamiento de conjuntos de datos muy grandes
• Comprender las implicaciones de seguridad del uso de una base de datos NoSQL
• Despliegue y escalado de una base de datos NoSQL en un entorno de producción

Audiencia

• Database Profesionales
• Arquitectos de datos
• Estrategas de datos
• Gestores de proyectos
• Desarrolladores de aplicaciones que deseen integrar una solución de base de datos flexible en su aplicación

Formato del curso

• En parte conferencia, en parte discusión, ejercicios y práctica práctica intensa

Nota

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

Redis

Nosql

Scylla es un almacén de datos distribuido de código abierto. Es compatible con Apache, pero ofrece una mayor tasa de transferencia y latencias más bajas.

En este curso, los participantes aprenderán sobre las características y la arquitectura de Scylla, obteniendo experiencia práctica en la configuración, administración, monitoreo y solución de problemas de Scylla.

Público objetivo

• Administradores Database
• Desarrolladores
• Ingenieros de sistemas

Formato del curso

• El curso es interactivo y incluye discusiones sobre los principios y enfoques para implementar y administrar bases de datos distribuidas y clusters de Scylla.
• El curso tiene una componente significativa de ejercicios prácticos y práctica.