Hadoop Training in Jakarta

Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ditujukan untuk pengembang yang ingin menggunakan dan mengintegrasikan Spark, Hadoop, dan Python untuk memproses, menganalisis, dan mengubah kumpulan data yang besar dan kompleks. Pada akhir pelatihan ini, peserta akan mampu:

• Siapkan lingkungan yang diperlukan untuk mulai memproses data besar dengan Spark, Hadoop, dan Python.
• Memahami fitur, komponen inti, dan arsitektur Spark dan Hadoop.
• Pelajari cara mengintegrasikan Spark, Hadoop, dan Python untuk pemrosesan data besar.
• Jelajahi alat di ekosistem Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka, dan Flume).
• Bangun sistem rekomendasi pemfilteran kolaboratif yang serupa dengan Netflix, YouTube, Amazon, Spotify, dan Google.
• Gunakan Apache Mahout untuk menskalakan algoritma pembelajaran mesin.

This course covers how to use Hive SQL language (AKA: Hive HQL, SQL on Hive, HiveQL) for people who extract data from Hive

Hadirin: Kursus ini ditujukan untuk spesialis TI yang mencari solusi untuk menyimpan dan memproses kumpulan data besar dalam lingkungan sistem terdistribusi Gohal: Pengetahuan mendalam tentang administrasi cluster Hadoop.

Big data analytics involves the process of examining large amounts of varied data sets in order to uncover correlations, hidden patterns, and other useful insights. The health industry has massive amounts of complex heterogeneous medical and clinical data. Applying big data analytics on health data presents huge potential in deriving insights for improving delivery of healthcare. However, the enormity of these datasets poses great challenges in analyses and practical applications to a clinical environment. In this instructor-led, live training (remote), participants will learn how to perform big data analytics in health as they step through a series of hands-on live-lab exercises. By the end of this training, participants will be able to:

• Install and configure big data analytics tools such as Hadoop MapReduce and Spark
• Understand the characteristics of medical data
• Apply big data techniques to deal with medical data
• Study big data systems and algorithms in the context of health applications

Audience

• Developers
• Data Scientists

Format of the Course

• Part lecture, part discussion, exercises and heavy hands-on practice.

Note

• To request a customized training for this course, please contact us to arrange.

Kursus ini didedikasikan untuk spesialis TI yang mencari solusi untuk menyimpan dan memproses set data besar dalam lingkungan sistem terdistribusi Tujuan kursus: Mendapatkan pengetahuan tentang administrasi cluster Hadoop

Apache Hadoop adalah kerangka kerja paling populer untuk memproses Big Data pada kluster server. Dalam kursus tiga hari (opsional, empat) ini, peserta akan mempelajari tentang manfaat bisnis dan kasus penggunaan untuk Hadoop dan ekosistemnya, cara merencanakan penyebaran dan pertumbuhan kluster, cara memasang, memelihara, memantau, memecahkan masalah, dan mengoptimalkan Hadoop. Mereka juga akan mempraktikkan pemuatan data massal kluster, membiasakan diri dengan berbagai distribusi Hadoop, dan berlatih memasang dan mengelola Hadoop alat ekosistem. Kursus diakhiri dengan diskusi tentang pengamanan kluster dengan Kerberos. “…Materinya dipersiapkan dengan sangat baik dan dibahas secara menyeluruh. Labnya sangat membantu dan terorganisasi dengan baik”
— Andrew Nguyen, Kepala Insinyur Integrasi DW, Microsoft Daring Advertising Hadirin Hadoop administrator Format Kuliah dan praktikum, perkiraan keseimbangannya 60% kuliah, 40% praktikum.

Apache Hadoop adalah framework paling populer untuk memproses Big Data pada cluster server. Kursus ini akan memperkenalkan pengembang pada berbagai komponen (HDFS, MapReduce, Pig, Hive dan HBase) Hadoop ekosistem.

Apache Hadoop adalah salah satu framework paling populer untuk memproses Big Data pada cluster server. Kursus ini membahas manajemen data dalam HDFS, Pig tingkat lanjut, Hive, dan HBase. Teknik pemrograman tingkat lanjut ini akan bermanfaat bagi pengembang berpengalaman Hadoop. Pemirsa : pengembang Durasi: tiga hari Format: kuliah (50%) dan laboratorium praktik (50%).

Hadirin: Kursus ini dimaksudkan untuk mengungkap misteri teknologi big data/hadoop dan menunjukkan bahwa teknologi itu tidak sulit untuk dipahami.

This instructor-led, live training in Jakarta (online or onsite) is aimed at system administrators who wish to learn how to set up, deploy and manage Hadoop clusters within their organization. By the end of this training, participants will be able to:

• Install and configure Apache Hadoop.
• Understand the four major components in the Hadoop ecoystem: HDFS, MapReduce, YARN, and Hadoop Common.
• Use Hadoop Distributed File System (HDFS) to scale a cluster to hundreds or thousands of nodes.  
• Set up HDFS to operate as storage engine for on-premise Spark deployments.
• Set up Spark to access alternative storage solutions such as Amazon S3 and NoSQL database systems such as Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Carry out administrative tasks such as provisioning, management, monitoring and securing an Apache Hadoop cluster.

This course introduces HBase – a NoSQL store on top of Hadoop.  The course is intended for developers who will be using HBase to develop applications,  and administrators who will manage HBase clusters. We will walk a developer through HBase architecture and data modelling and application development on HBase. It will also discuss using MapReduce with HBase, and some administration topics, related to performance optimization. The course  is very  hands-on with lots of lab exercises.
Duration : 3 days Audience : Developers  & Administrators

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 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.