Curso de HBase para Desenvolvedores

Público-alvo:

O curso é destinado a especialistas em TI que procuram uma solução para armazenar e processar conjuntos grandes de dados em um ambiente de sistema distribuído.

Pré-requisitos:

Conhecimento profundo na administração de clusters Hadoop.

A análise de big data envolve o processo de examinar grandes volumes de conjuntos de dados variados para descobrir correlações, padrões ocultos e outras insights úteis.

A indústria da saúde possui enormes quantidades de dados médicos e clínicos complexos e heterogêneos. Aplicar a análise de big data aos dados de saúde apresenta um grande potencial para derivar insights que melhorem a prestação de cuidados à saúde. No entanto, a magnitude desses conjuntos de dados representa grandes desafios em análises e aplicações práticas ao ambiente clínico.

Nesta formação conduzida por instrutor (remota), os participantes aprenderão como realizar análise de big data na saúde enquanto passam por uma série de exercícios práticos em laboratório.

Ao final desta formação, os participantes serão capazes de:

• Instalar e configurar ferramentas de análise de big data, como Hadoop MapReduce e Spark
• Compreender as características dos dados médicos
• Aplicar técnicas de big data para lidar com dados médicos
• Estudar sistemas e algoritmos de big data no contexto de aplicações em saúde

Público-alvo

• Desenvolvedores
• Cientistas de Dados

Formato do Curso

• Parte aula, parte discussão, exercícios e muita prática hands-on.

Nota

• Para solicitar uma formação personalizada para este curso, entre em contato conosco para agendar.

Quando as tecnologias de armazenamento tradicionais não conseguem lidar com a quantidade de dados que é necessário armazenar, existem centenas de alternativas. Este curso tenta orientar os participantes sobre as alternativas para armazenar e analisar Big Data e quais são os seus prós e contras.

Este curso centra-se sobretudo na discussão e apresentação de soluções, embora estejam disponíveis exercícios práticos a pedido.

Esta formação presencial, ministrada por instrutor, em Brasil (online ou no local), destina-se a profissionais iniciantes e intermediários que desejam aplicar conceitos de big data e banco de dados para compreender plataformas de dados modernas e tomar decisões tecnológicas e comerciais mais eficazes.

Ao final desta formação, os participantes serão capazes de: explicar conceitos centrais de bancos de dados e big data, comparar as principais opções de plataformas de dados, descrever como os dados são armazenados e processados, e identificar casos de uso práticos e necessidades de governança.

Este treinamento conduzido por instrutor (online ou presencial) em Brasil é destinado a administradores de banco de dados ou desenvolvedores que desejam usar o Microsoft Azure Cosmos DB para desenvolver e gerenciar aplicativos altamente responsivos e com baixa latência.

Ao final deste treinamento, os participantes serão capazes de:

• Provisionar os recursos necessários do Cosmos DB para começar a criar bancos de dados e aplicativos.
• Escalar o desempenho e o armazenamento do aplicativo utilizando APIs no Cosmos DB.
• Gerenciar operações de banco de dados e reduzir custos otimizando os recursos do Cosmos DB.

Apache Hadoop é o framework mais popular para processamento Big Data em clusters de servidores. Neste curso de três (opcionalmente, quatro) dias, os participantes aprenderão sobre os benefícios comerciais e casos de uso para Hadoop e seu ecossistema, como planejar a implantação e o crescimento do cluster, como instalar, manter, monitorar, solucionar problemas e otimizar Hadoop. Eles também praticarão o carregamento em massa de dados no cluster, se familiarizarão com várias distribuições Hadoop e praticarão a instalação e gerenciamento das ferramentas do ecossistema Hadoop. O curso termina com uma discussão sobre a segurança do cluster com Kerberos.

"... Os materiais foram muito bem preparados e abrangentes. A Labs foram muito úteis e bem organizadas"
— Andrew Nguyen, Engenheiro de Integração DW Principal, Microsoft Online Advertising

Público-Alvo

Administradores do Hadoop

Formato

Aulas e laboratórios práticos, aproximadamente 60% aulas, 40% labs.

Apache Hadoop é o framework mais popular para processar Big Data em clusters de servidores. Este curso introduzirá os desenvolvedores a vários componentes do ecossistema Hadoop (HDFS, MapReduce, Pig, Hive e HBase).

O Apache Hadoop é um dos frameworks mais populares para processamento de Big Data em clusters de servidores. Este curso mergulha na gestão de dados no HDFS, Pig avançado, Hive e HBase. Essas técnicas de programação avançadas serão benéficas para desenvolvedores experientes com Hadoop.

Público: desenvolvedores

Duração: três dias

Formato: palestras (50%) e laboratórios práticos (50%).

Público-alvo:

Este curso tem como objetivo desmistificar a tecnologia de big data/Hadoop e mostrar que ela não é difícil de entender.

Este treinamento liderado por instrutor (online ou presencial) é direcionado a administradores de sistemas que desejam aprender como configurar, implantar e gerenciar clusters Hadoop dentro de sua organização.

Ao final deste treinamento, os participantes serão capazes de:

• Instalar e configurar o Apache Hadoop.
• Compreender as quatro principais componentes do ecossistema Hadoop: HDFS, MapReduce, YARN e Hadoop Common.
• Usar o Hadoop Distributed File System (HDFS) para escalar um cluster para centenas ou milhares de nós.
• Configurar o HDFS para operar como mecanismo de armazenamento para implantações de Spark on-premise.
• Configurar o Spark para acessar soluções de armazenamento alternativas, como Amazon S3 e sistemas de banco de dados NoSQL, como Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Realizar tarefas administrativas, como provisionamento, gerenciamento, monitoramento e segurança de um cluster Apache Hadoop.

O Apache NiFi é uma plataforma de integração e processamento de eventos baseada em fluxo. Ele permite a roteirização, transformação e mediação automatizadas e em tempo real de dados entre sistemas heterogêneos, com uma interface web e controle granular.

Este treinamento liderado por instrutor (presencial ou remoto) é direcionado a administradores e engenheiros intermediários que desejam implantar, gerenciar, proteger e otimizar fluxos de dados do NiFi em ambientes de produção.

No final deste treinamento, os participantes serão capazes de:

• Instalar, configurar e manter clusters Apache NiFi.
• Projetar e gerenciar fluxos de dados de várias fontes e destinos.
• Implementar lógica de automação, roteirização e transformação de fluxo.
• Otimizar o desempenho, monitorar operações e solucionar problemas.

Formato do Curso

• Aula interativa com discussão de arquitetura no mundo real.
• Laboratórios práticos: construção, implantação e gerenciamento de fluxos.
• Exercícios baseados em cenários em um ambiente de laboratório ao vivo.

Opções de Customização do Curso

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para organizar.

Neste treinamento ao vivo conduzido por instrutor em Brasil, os participantes aprenderão os fundamentos da programação baseada em fluxo à medida que desenvolvem uma série de extensões de demonstração, componentes e processadores usando Apache NiFi.

No final deste treinamento, os participantes serão capazes de:

• Compreender a arquitetura do NiFi e os conceitos de fluxo de dados.
• Desenvolver extensões usando NiFi e APIs de terceiros.
• Desenvolver seu próprio processador Apache Nifi.
• Ingerir e processar dados em tempo real de formatos de arquivos e fontes de dados diferentes e incomuns.

Bancos de dados relacionais têm sido a tecnologia de escolha para armazenar, recuperar e consultar dados. Os bancos de dados relacionais permitem aos usuários organizar seus dados usando um conjunto estruturado e bem definido de padrões (modelo). Embora essa abordagem funcione bem para armazenar dados que são padronizados e bem compreendidos antecipadamente (pense em um aplicativo de check-in hospitalar que mantém registros de pacientes com o mesmo conjunto consistente de campos pré-definidos... ID do paciente, primeiro nome, último nome, data da última visita, etc.), existem limitações para esse modelo. Para organizações cujos dados de entrada não estão bem definidos (pense em um formulário de consulta online para uma startup que ainda está no processo de experimentação com diferentes campos para coletar dados de visitantes, removendo e adicionando campos conforme necessário para acomodar a natureza cambiante do negócio), quaisquer definições estabelecidas sobre como os dados devem se encaixar em um banco de dados existente precisariam ser redefinidas regularmente. Isso exigiria a recriação do modelo de dados (esquema) que determina a estrutura dos dados e seus tipos de dados permitidos para suportar diferentes tipos de entradas de dados, etc., antes que quaisquer novos dados pudessem ser salvos no banco de dados.

Entram os bancos de dados NoSQL (Not Only SQL). Os bancos de dados NoSQL liberam os usuários da necessidade de predefinir a estrutura dos dados de entrada, permitindo que eles insiram e atualizem novos dados na hora. Os bancos de dados NoSQL são frequentemente mais rápidos que os bancos de dados relacionais e podem lidar com grandes quantidades de dados com facilidade. Os bancos de dados NoSQL também escalam melhor que os bancos de dados relacionais, devido à sua capacidade de particionar eficientemente os dados em muitos servidores (cluster) e balancear a carga do acesso a esses dados. Os bancos de dados NoSQL se integram particularmente bem com aplicativos que suportam análise em tempo real, personalização de sites, IoT e aplicativos móveis.

Neste treinamento conduzido por um instrutor ao vivo, os participantes compreenderão a arquitetura, princípios de design e funcionalidades dos bancos de dados NoSQL mais populares à medida que configuram, operam e avaliam diversos bancos de dados NoSQL em um ambiente de laboratório ao vivo. O objetivo deste treinamento é capacitar os participantes a avaliar, propor e implementar uma solução adequada de banco de dados NoSQL dentro de suas organizações.

No final deste treinamento, os participantes serão capazes de:

• Instalar e configurar diferentes tipos de bancos de dados NoSQL, incluindo MongoDB, Cassandra, Redis e Neo4j
• Compreender as vantagens e desvantagens dos bancos de dados NoSQL em relação aos bancos de dados relacionais
• Compreender os formatos subjacentes de dados usados pelos bancos de dados NoSQL e como esses formatos podem ser aproveitados ao desenvolver aplicativos modernos (desktop, móvel, nuvem, IoT)
• Realizar operações de criação, inserção, atualização e exclusão em um banco de dados NoSQL
• Configurar um ambiente misto com tanto um banco de dados relacional quanto um NoSQL trabalhando juntos
• Configurar um cluster de banco de dados NoSQL para distribuir o processamento de conjuntos de dados muito grandes
• Compreender as implicações de segurança do uso de um banco de dados NoSQL
• Implantar e escalar um banco de dados NoSQL em um ambiente de produção

Público-alvo

• Profissionais de bancos de dados
• Arcquitetos de dados
• Estrategistas de dados
• Gestores de projetos
• Desenvolvedores de aplicativos que desejam integrar uma solução flexível de banco de dados em seus aplicativos

Formato do Curso

• Palestras, discussões, exercícios e prática intensa com muitas mãos na massa

Nota

• Para solicitar um treinamento personalizado para este curso, entre em contato conosco para agendar.

redis

nosql

O Scylla é um armazenamento de dados distribuído NoSQL de código aberto. Ele é compatível com o Apache Cassandra, mas tem desempenho significativamente maior e latências menores.

Neste curso, os participantes aprenderão sobre os recursos e a arquitetura do Scylla enquanto obtêm experiência prática com a configuração, administração, monitoramento e solução de problemas do Scylla.

Público

• Administradores Database
• Desenvolvedores
• Engenheiros de sistema

Formato do curso

• O curso é interativo e inclui discussões sobre os princípios e abordagens para implantar e gerenciar bancos de dados e clusters distribuídos da Scylla.
• O curso inclui um componente pesado de exercícios práticos e prática.