Curso de Big Data
El Big Data o Datos masivos (datos a gran escala) es un concepto que hace referencia a la acumulación masiva de datos y a los procedimientos usados para identificar patrones recurrentes dentro de esos datos. Soluciones Big Data se han desarrollado inicialmente por Google, sin embargo, ahora una gran cantidad de implementaciones de código abierto (open-source) están disponibles, incluyendo Apache Hadoop, Cassandra o Cloudera Impala. De acuerdo con informes de Gartner Big Data es el próximo gran paso en TI justo después de la computación en nube y será una tendencia principal en los próximos años.
Testimonios de los Clientes
Subcategorías
Programas de los Cursos
| Código | Nombre | Duración | Información General |
|---|---|---|---|
| smtwebint | Descripción de la Web Semántica | 7 horas | La Web Semántica es un movimiento de colaboración dirigido por el World Wide Web Consortium (W3C) que promueve formatos comunes para los datos en la World Wide Web. La Web Semántica proporciona un marco común que permite que los datos sean compartidos y reutilizados a través de límites de aplicaciones, empresas y comunidades. |
| datashrinkgov | Data Shrinkage para el Gobierno | 14 horas | The objective of the course is to enable participants to gain a mastery of the fundamentals of data shrinkage for government. |
| rprogda | Programación R para el Análisis de Datos | 14 horas | Este curso es parte del conjunto de habilidades de Data Scientist (Dominio: Datos y Tecnología) |
| DM7 | Introducción a DM7 | 21 horas | Audience Beginner or intermediate database developers Beginner or intermediate database administrators Programmers Format of the course Heavy emphasis on hands-on practice. Most of the concepts are learned through samples, exercises and hands-on development |
| apex | Apache Apex: Procesamiento de Big Data-in-Motion | 21 horas | Apache Apex es una plataforma nativa de YARN que unifica la transmisión y el procesamiento por lotes. Procesa big data-in-motion de una manera que es escalable, de rendimiento, tolerante a fallas, con estado, seguro, distribuido y de fácil operación. Este curso en vivo dirigido por un instructor presenta la arquitectura de procesamiento de flujo unificado de Apache Apex y guía a los participantes a través de la creación de una aplicación distribuida usando Apex en Hadoop. Al final de esta capacitación, los participantes podrán: Comprender los conceptos de canalización de procesamiento de datos, como conectores para fuentes y sumideros, transformaciones de datos comunes, etc. Cree, escale y optimice una aplicación Apex Procesar flujos de datos en tiempo real de manera confiable y con mínima latencia Utilice Apex Core y la biblioteca Apex Malhar para permitir el desarrollo rápido de aplicaciones Use la API Apex para escribir y reutilizar el código Java existente Integra Apex en otras aplicaciones como un motor de procesamiento Sintonizar, probar y escalar aplicaciones Apex Audiencia Desarrolladores Arquitectos empresariales Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| apachedrill | Apache Drill para el análisis sobre la marcha de múltiples formatos de Big Data | 21 horas | Apache Drill es un motor de consulta SQL sin columnas, distribuido y en memoria para Hadoop, NoSQL y otros sistemas de almacenamiento en la nube y en la nube. El poder de Apache Drill radica en su capacidad para unir datos de múltiples almacenes de datos con una sola consulta. Apache Drill admite numerosas bases de datos y sistemas de archivos NoSQL, incluidos HBase, MongoDB, MapR-DB, HDFS, MapR-FS, Amazon S3, Azure Blob Storage, Google Cloud Storage, Swift, NAS y archivos locales. Apache Drill es la versión de código abierto del sistema Dremel de Google, que está disponible como un servicio de infraestructura llamado Google BigQuery. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos de Apache Drill, luego aprovecharán el poder y la conveniencia de SQL para consultar de manera interactiva big data en múltiples fuentes de datos, sin escribir código. Los participantes también aprenderán a optimizar sus consultas de exploración para la ejecución de SQL distribuido. Al final de esta capacitación, los participantes podrán: Realizar exploración de "autoservicio" en datos estructurados y semiestructurados en Hadoop Consultar datos conocidos y desconocidos mediante consultas SQL Comprender cómo Apache Drills recibe y ejecuta consultas Escribir consultas SQL para analizar diferentes tipos de datos, incluidos datos estructurados en Hive, datos semiestructurados en tablas HBase o MapR-DB, y datos guardados en archivos como Parquet y JSON. Utilice Apache Drill para realizar el descubrimiento de esquemas sobre la marcha, evitando la necesidad de complejas operaciones ETL y esquemas Integre Apache Drill con herramientas de BI (Business Intelligence) como Tableau, Qlikview, MicroStrategy y Excel Audiencia Analistas de datos Científicos de datos Programadores de SQL Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| mdlmrah | Model MapReduce y Apache Hadoop | 14 horas | El curso está destinado al especialista en TI que trabaja con el procesamiento distribuido de grandes conjuntos de datos a través de grupos de computadoras. |
| matlab2 | Fundamentos de MATLAB | 21 horas | Este curso de tres días proporciona una integración exhaustiva para el MATLAB técnico de la técnica de comparación. El curso está diseñado para los usuarios finales y aquellos que buscan la revisión. En el prior de programación de la experiencia o el conocimiento de MATLAB es. Los temas de análisis de fecha, visualización, modelado y programación se exploran en todo el curso. Los temas incluyen: Working with the MATLAB interfaz de usuario Introducir comandos y crear variables Analice vectores y matrices Visualización vectorial y matriz data Trabajar con archivos de fecha Working with data types Automatización de comandos con secuencias de comandos Los programas de escritura con el control de flujo y de flujo Funciones de escritura |
| bigddbsysfun | Big Data & Fundamentos de Sistemas de Bases de Datos | 14 horas | El curso forma parte del conjunto de habilidades de Data Scientist (Dominio: Datos y Tecnología). |
| cassdev1 | Cassandra para Desarrolladores (Personalizado) | 21 horas | This course will introduce Cassandra – a popular NoSQL database. It will cover Cassandra principles, architecture and data model. Students will learn data modeling in CQL (Cassandra Query Language) in hands-on, interactive labs. This session also discusses Cassandra internals and some admin topics. Duration : 3 days Audience : Developers |
| vespa | Vespa: Sirve Datos a Gran Escala en Tiempo Real | 14 horas | Vespa, un motor de procesamiento y publicación de grandes volúmenes de código abierto creado por Yahoo. Se utiliza para responder a las consultas de los usuarios, hacer recomendaciones y proporcionar contenido personalizado y publicidades en tiempo real. Este entrenamiento en vivo, dirigido por un instructor, presenta los desafíos de servir datos a gran escala y guía a los participantes a través de la creación de una aplicación que puede calcular las respuestas a las solicitudes de los usuarios, en grandes conjuntos de datos en tiempo real. Al final de esta capacitación, los participantes podrán: Use Vespa para calcular rápidamente los datos (almacenar, buscar, clasificar, organizar) en el momento de servir mientras un usuario espera Implementar Vespa en aplicaciones existentes que involucran búsqueda de funciones, recomendaciones y personalización Integre e implemente Vespa con los sistemas de big data existentes, como Hadoop y Storm. Audiencia Desarrolladores Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| aifortelecom | AI Awareness para Telecom | 14 horas | Building Intelligent Systems es una colección de tecnologías capaces de comprender y tomar decisiones inteligentes. Para los proveedores de telecomunicaciones, crear aplicaciones y servicios que puedan usarse para mejorar la operación de los servicios y servicios. En esta carrera examinamos las diversas tecnologías que componen la IA y los conjuntos de habilidades. A lo largo de la carrera, examinamos las aplicaciones específicas de AI dentro de la industria de las telecomunicaciones. Audiencia Ingenieros de red Personal de operaciones de red Gerentes técnicos de telecomunicaciones Formato de la carrera Parte de lectura, parte de discusión, ejercicios prácticos |
| rneuralnet | Red Neuronal en R | 14 horas | Este curso es una introducción a la aplicación de redes neuronales en problemas del mundo real utilizando el software R-project. |
| rintrob | Introducción R para Biólogos | 28 horas | R is an open-source free programming language for statistical computing, data analysis, and graphics. R is used by a growing number of managers and data analysts inside corporations and academia. R has also found followers among statisticians, engineers and scientists without computer programming skills who find it easy to use. Its popularity is due to the increasing use of data mining for various goals such as set ad prices, find new drugs more quickly or fine-tune financial models. R has a wide variety of packages for data mining. |
| cassadmin | Administración de Cassandra | 14 horas | Este curso presentará Cassandra, una popular base de datos NoSQL. Cubrirá los principios, la arquitectura y el modelo de datos de Cassandra. Los estudiantes aprenderán a modelar datos en CQL (Lenguaje de consulta de Cassandra) en prácticas, laboratorios interactivos. Esta sesión también trata sobre las internas de Cassandra y algunos temas de administración. |
| hadoopforprojectmgrs | Hadoop para jefes de proyecto | 14 horas | A medida que más y más proyectos de software y TI migran de procesamiento local y administración de datos a procesamiento distribuido y almacenamiento de big data, los Gerentes de Proyecto encuentran la necesidad de actualizar sus conocimientos y habilidades para comprender los conceptos y prácticas relevantes para proyectos y oportunidades de Big Data. Este curso presenta a los Project Managers al marco de procesamiento de Big Data más popular: Hadoop. En esta capacitación dirigida por un instructor, los participantes aprenderán los componentes principales del ecosistema de Hadoop y cómo estas tecnologías pueden usarse para resolver problemas a gran escala. Al aprender estas bases, los participantes también mejorarán su capacidad de comunicarse con los desarrolladores e implementadores de estos sistemas, así como con los científicos y analistas de datos que involucran muchos proyectos de TI. Audiencia Project Managers que desean implementar Hadoop en su infraestructura de TI o desarrollo existente Los gerentes de proyectos necesitan comunicarse con equipos multifuncionales que incluyen grandes ingenieros de datos, científicos de datos y analistas de negocios Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| ApacheIgnite | Apache Ignite: Mejora la Velocidad, la Escala y la Disponibilidad con la Informática en la Memoria | 14 horas | Apache Ignite es una plataforma informática en memoria que se encuentra entre la aplicación y la capacidad de datos para mejorar la velocidad, la escala y la disponibilidad. En este entrenamiento en vivo dirigido por un instructor, los participantes aprendieron los principios detrás del almacenamiento persistente y puro en la memoria a medida que avanzan en la creación de un proyecto de ejemplo de computación en memoria. Al final de esta capacitación, los participantes podrán: Utilice Ignite para la memoria en la memoria, la persistencia en disco y una base de datos en memoria puramente distribuida Logre la persistencia sin sincronizar los datos a una base de datos relacionales Use Ignite para llevar a cabo SQL y Uniones Distribuidas Mejore el rendimiento moviendo los datos más cerca de la CPU, usando la RAM como almacenamiento Extienda conjuntos de datos en un clúster para lograr la escalabilidad horizontal Integre Ignite con RDBMS, NoSQL, Hadoop y procesadores de aprendizaje automático Audiencia Desarrolladores Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| apachedrillqueryoptim | Curso de Apache Drill Query Optimization | 7 horas | Apache Drill es un motor de consulta SQL sin columnas, distribuido y en memoria para Hadoop, NoSQL y otros sistemas de almacenamiento en la nube y en la nube. El poder de Apache Drill radica en su capacidad para unir datos de múltiples almacenes de datos con una sola consulta. Apache Drill admite numerosas bases de datos y sistemas de archivos NoSQL, incluidos HBase, MongoDB, MapR-DB, HDFS, MapR-FS, Amazon S3, Azure Blob Storage, Google Cloud Storage, Swift, NAS y archivos locales. Apache Drill es la versión de código abierto del sistema Dremel de Google, que está disponible como un servicio de infraestructura llamado Google BigQuery. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a optimizar y depurar Apache Drill para mejorar el rendimiento de las consultas en conjuntos de datos de gran tamaño. El curso comienza con una descripción general de la arquitectura y una comparación de características entre Apache Drill y otras herramientas interactivas de análisis de datos. Luego, los participantes pasan por una serie de sesiones de práctica interactivas y prácticas que incluyen instalación, configuración, evaluación del rendimiento, optimización de consultas, partición de datos y depuración de una instancia de Apache Drill en un entorno de laboratorio en vivo. Al final de esta capacitación, los participantes podrán: Instalar y configurar el Apache Drill Comprender la arquitectura y las características de Apache Drill Comprender cómo Apache Drills recibe y ejecuta consultas Optimizar consultas de exploración para la ejecución de SQL distribuido Debug Drilling de depuración Audiencia Desarrolladores Administradores de sistemas Analistas de datos Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica Notas Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos. |
| bdbitcsp | Inteligencia de Negocios Big Data para Proveedores de Servicios de Comunicaciones y Telecomunicaciones | 35 horas | Los proveedores de servicios de comunicaciones (CSP) se enfrentan a presiones para reducir los costos y maximizar el ingreso promedio por usuario (ARPU), a la vez que garantizan una excelente experiencia del cliente, pero los volúmenes de datos siguen creciendo. El tráfico global de datos móviles crecerá a una tasa de crecimiento anual compuesta (CAGR) de 78 por ciento a 2016, alcanzando 10.8 exabytes al mes. Mientras tanto, los CSP están generando grandes volúmenes de datos, incluyendo registros de detalle de llamadas (CDR), datos de red y datos de clientes. Las empresas que explotan plenamente estos datos ganan una ventaja competitiva. Según una encuesta reciente de The Economist Intelligence Unit, las empresas que utilizan la toma de decisiones orientada a datos disfrutan de un aumento de 5-6% en la productividad. Sin embargo, el 53% de las empresas aprovechan sólo la mitad de sus datos valiosos, y una cuarta parte de los encuestados señaló que gran cantidad de datos útiles no se explotan. Los volúmenes de datos son tan altos que el análisis manual es imposible, y la mayoría de los sistemas de software heredados no pueden mantenerse al día, lo que resulta en que los datos valiosos sean descartados o ignorados. Con el software de datos grande y escalable de Big Data & Analytics, los CSP pueden extraer todos sus datos para una mejor toma de decisiones en menos tiempo. Diferentes productos y técnicas de Big Data proporcionan una plataforma de software de extremo a extremo para recopilar, preparar, analizar y presentar información sobre grandes datos. Las áreas de aplicación incluyen monitoreo del rendimiento de la red, detección de fraude, detección de churn del cliente y análisis de riesgo de crédito. Big Data & Analytics escala de productos para manejar terabytes de datos, pero la implementación de tales herramientas necesitan un nuevo tipo de sistema de base de datos basado en nube como Hadoop o procesador de cálculo paralelo a gran escala (KPU, etc.) Este curso de trabajo sobre Big Data BI para Telco cubre todas las nuevas áreas emergentes en las que los CSP están invirtiendo para obtener ganancias de productividad y abrir nuevos flujos de ingresos empresariales. El curso proporcionará una visión completa de 360 grados de Big Data BI en Telco para que los tomadores de decisiones y los gerentes puedan tener una visión muy amplia y completa de las posibilidades de Big Data BI en Telco para la productividad y la ganancia de ingresos. Objetivos del Curso El objetivo principal del curso es introducir nuevas técnicas de Business Intelligence de Big Data en 4 sectores de Telecom Business (Marketing / Ventas, Operación de Red, Operación Financiera y Gestión de Relaciones con Clientes). Los estudiantes serán presentados a: Introducción a Big Data-lo que es 4Vs (volumen, velocidad, variedad y veracidad) en Big Data-Generation, extracción y gestión desde la perspectiva de Telco Cómo el analista de Big Data difiere de los analistas de datos heredados Justificación interna de Big Data - perspectiva de Tcco Introducción al ecosistema de Hadoop - familiaridad con todas las herramientas de Hadoop como colmena, cerdo, SPARC - cuándo y cómo se utilizan para resolver el problema de Big Data Cómo se extraen los datos grandes para analizar para la herramienta de análisis-cómo Business Analysis puede reducir sus puntos de dolor de la recopilación y el análisis de datos a través del enfoque de panel integrado de Hadoop Introducción básica de análisis de Insight, análisis de visualización y análisis predictivo para Telco Analítica de Churn de clientes y datos grandes: cómo Big Data analítico puede reducir el abandono de clientes y la insatisfacción de los clientes en los estudios de casos de Telco Análisis de fracaso de la red y fallos de servicio de Metadatos de red e IPDR Análisis financiero-fraude, desperdicio y estimación de ROI de ventas y datos operativos Problema de adquisición de clientes: marketing objetivo, segmentación de clientes y ventas cruzadas a partir de datos de ventas Introducción y resumen de todos los productos analíticos de Big Data y donde encajan en el espacio analítico de Telco Conclusión: cómo tomar un enfoque paso a paso para introducir Big Data Business Intelligence en su organización Público objetivo Operaciones de red, Gerentes Financieros, Gerentes de CRM y altos gerentes de TI en la oficina de Telco CIO. Analistas de Negocios en Telco Gerentes / analistas de oficina de CFO Gerentes operacionales Gerentes de control de calidad |
| bigdatastore | Big Data Solución de Almacenamiento - NoSQL | 14 horas | When traditional storage technologies don't handle the amount of data you need to store there are hundereds of alternatives. This course try to guide the participants what are alternatives for storing and analyzing Big Data and what are theirs pros and cons. This course is mostly focused on discussion and presentation of solutions, though hands-on exercises are available on demand. |
| dsbda | Ciencia de Datos para Big Data Analytics | 35 horas | Big data is data sets that are so voluminous and complex that traditional data processing application software are inadequate to deal with them. Big data challenges include capturing data, data storage, data analysis, search, sharing, transfer, visualization, querying, updating and information privacy. |
| storm | Curso de Apache Storm | 28 horas | Apache Storm es un motor de computación distribuido en tiempo real que se utiliza para habilitar la inteligencia empresarial en tiempo real. Lo hace al permitir que las aplicaciones procesen de forma confiable flujos de datos ilimitados (a.k.a. procesamiento de flujo). "Storm es para procesar en tiempo real lo que Hadoop es para el procesamiento por lotes". En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo instalar y configurar Apache Storm, luego desarrollarán e implementarán una aplicación Apache Storm para procesar Big Data en tiempo real. Algunos de los temas incluidos en esta capacitación incluyen: Apache Storm en el contexto de Hadoop Trabajando con datos ilimitados Cálculo continuo Análisis en tiempo real Procesamiento distribuido de RPC y ETL ¡Solicite este curso ahora! Audiencia Desarrolladores de software y ETL Profesionales de mainframe Científicos de datos Analistas de Big Data Profesionales de Hadoop Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| datameer | Datameer para Analistas de Datos | 14 horas | Datameer es una plataforma de inteligencia de negocios y análisis construida en Hadoop. Permite a los usuarios finales acceder, explorar y correlacionar datos a gran escala, estructurados, semiestructurados y no estructurados de una manera fácil de usar. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Datameer para superar la pronunciada curva de aprendizaje de Hadoop a medida que avanzan en la configuración y el análisis de una serie de grandes fuentes de datos. Al final de esta capacitación, los participantes podrán: Crea, selecciona e interactivamente explora un lago de datos empresariales Acceda a almacenes de datos de inteligencia empresarial, bases de datos transaccionales y otras tiendas analíticas Use una interfaz de usuario de hoja de cálculo para diseñar las tuberías de procesamiento de datos de extremo a extremo Acceda a funciones preconstruidas para explorar relaciones de datos complejas Utilice asistentes de arrastrar y soltar para visualizar datos y crear paneles Use tablas, cuadros, gráficos y mapas para analizar los resultados de las consultas Audiencia Analistas de datos Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| dremio | Dremio para el Análisis de Datos deAautoservicio | 21 horas | Dremio es una plataforma de datos de autoservicio de código abierto que acelera la consulta de diferentes tipos de fuentes de datos. Dremio se integra con bases de datos relacionales, Apache Hadoop, MongoDB, Amazon S3, ElasticSearch y otras fuentes de datos. Es compatible con SQL y proporciona una interfaz de usuario web para generar consultas. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo instalar, configurar y usar Dremio como una capa unificadora para las herramientas de análisis de datos y los repositorios de datos subyacentes. Al final de esta capacitación, los participantes podrán: Instalar y configurar Dremio Ejecutar consultas en múltiples fuentes de datos, independientemente de la ubicación, el tamaño o la estructura Integre Dremio con BI y fuentes de datos como Tableau y Elasticsearch Audiencia Científicos de datos Analistas comerciales Ingenieros de datos Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica Notas Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos. |
| bdbiga | Inteligencia de Negocios de Big Data para Agencias del Gobierno | 35 horas | Los avances en las tecnologías y la creciente cantidad de información están transformando la forma en que los negocios se llevan a cabo en muchas industrias, incluyendo el gobierno. Los índices de generación de gobierno y de archivos digitales están aumentando debido al rápido crecimiento de dispositivos y aplicaciones móviles, sensores y dispositivos inteligentes, soluciones de cloud computing y portales orientados a los ciudadanos. A medida que la información digital se expande y se vuelve más compleja, la gestión de la información, el procesamiento, el almacenamiento, la seguridad y la disposición también se vuelven más complejos. Las nuevas herramientas de captura, búsqueda, descubrimiento y análisis están ayudando a las organizaciones a obtener información sobre sus datos no estructurados. El mercado gubernamental está en un punto de inflexión, al darse cuenta de que la información es un activo estratégico y el gobierno necesita proteger, aprovechar y analizar información estructurada y no estructurada para servir mejor y cumplir con los requisitos de la misión. A medida que los líderes del gobierno se esfuerzan por evolucionar las organizaciones impulsadas por datos para cumplir con éxito la misión, están sentando las bases para correlacionar dependencias a través de eventos, personas, procesos e información. Las soluciones gubernamentales de alto valor se crearán a partir de un mashup de las tecnologías más perjudiciales: Dispositivos y aplicaciones móviles Servicios en la nube Tecnologías de redes sociales y redes Big Data y análisis IDC predice que para el año 2020, la industria de TI alcanzará los $ 5 billones, aproximadamente $ 1.7 trillones más que hoy, y que el 80% del crecimiento de la industria será impulsado por estas tecnologías de la 3ª Plataforma. A largo plazo, estas tecnologías serán herramientas clave para hacer frente a la complejidad del aumento de la información digital. Big Data es una de las soluciones inteligentes de la industria y permite al gobierno tomar mejores decisiones tomando medidas basadas en patrones revelados al analizar grandes volúmenes de datos relacionados y no relacionados, estructurados y no estructurados. Pero el logro de estas hazañas lleva mucho más que la simple acumulación de cantidades masivas de datos. "Haciendo sentido de estos volúmenes de Big Datarequires herramientas de vanguardia y" tecnologías que pueden analizar y extraer conocimiento útil de las corrientes de información vasta y diversa ", Tom Kalil y Fen Zhao de la Oficina de la Casa Blanca de Política Científica y Tecnológica escribió en un post en el blog de OSTP. La Casa Blanca dio un paso hacia ayudar a las agencias a encontrar estas tecnologías cuando estableció la Iniciativa Nacional de Investigación y Desarrollo de Grandes Datos en 2012. La iniciativa incluyó más de $ 200 millones para aprovechar al máximo la explosión de Big Data y las herramientas necesarias para analizarla . Los desafíos que plantea Big Data son casi tan desalentadores como su promesa es alentadora. El almacenamiento eficiente de los datos es uno de estos desafíos. Como siempre, los presupuestos son ajustados, por lo que las agencias deben minimizar el precio por megabyte de almacenamiento y mantener los datos de fácil acceso para que los usuarios puedan obtenerlo cuando lo deseen y cómo lo necesitan. Copia de seguridad de grandes cantidades de datos aumenta el reto. Otro gran desafío es analizar los datos de manera eficaz. Muchas agencias emplean herramientas comerciales que les permiten tamizar las montañas de datos, detectando tendencias que pueden ayudarles a operar de manera más eficiente. (Un estudio reciente de MeriTalk encontró que los ejecutivos federales de TI piensan que Big Data podría ayudar a las agencias a ahorrar más de 500.000 millones de dólares mientras cumplen los objetivos de la misión). Las herramientas de Big Data desarrolladas a medida también están permitiendo a las agencias abordar la necesidad de analizar sus datos. Por ejemplo, el Grupo de Análisis de Datos Computacionales del Laboratorio Nacional de Oak Ridge ha puesto a disposición de otras agencias su sistema de análisis de datos Piranha. El sistema ha ayudado a los investigadores médicos a encontrar un vínculo que puede alertar a los médicos sobre los aneurismas de la aorta antes de que hagan huelga. También se utiliza para tareas más mundanas, tales como tamizar a través de currículos para conectar candidatos de trabajo con los gerentes de contratación. |
| hadoopdeva | Hadoop Avanzado para Desarrolladores | 21 horas | Apache Hadoop es uno de los frameworks más populares para procesar Big Data en clusters de servidores. Este curso profundiza en el manejo de datos en HDFS, Pig, Hive y HBase. Estas técnicas avanzadas de programación serán beneficiosas para los desarrolladores experimentados de Hadoop. Audiencia: desarrolladores Duración: tres días Formato: conferencias (50%) y laboratorios prácticos (50%). |
| zookeeper | Apache Zookeeper | 14 horas | ZooKeeper es un servicio centralizado para mantener la información de configuración, nombrar, proporcionar sincronización distribuida y proporcionar servicios grupales |
| glusterfs | GlusterFS para administradores de sistemas | 21 horas | GlusterFS es un sistema de almacenamiento de archivos distribuidos de código abierto que puede escalar hasta petabytes de capacidad. GlusterFS está diseñado para proporcionar espacio adicional según los requisitos de almacenamiento del usuario. Una aplicación común para GlusterFS son los sistemas de almacenamiento en la nube. En esta capacitación guiada por un instructor, los participantes aprenderán cómo usar el hardware normal y listo para usar para crear e implementar un sistema de almacenamiento que sea escalable y esté siempre disponible. Al final del curso, los participantes podrán: Instale, configure y mantenga un sistema GlusterFS a escala completa. Implemente sistemas de almacenamiento a gran escala en diferentes tipos de entornos. Audiencia Administradores del sistema Administradores de almacenamiento Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica práctica. |
| datavault | Bóveda de Datos: Creación de un Almacén de Datos Escalable | 28 horas | El modelado de bóvedas de datos es una técnica de modelado de bases de datos que proporciona almacenamiento histórico a largo plazo de datos que provienen de múltiples fuentes. Una bóveda de datos almacena una única versión de los hechos, o "todos los datos, todo el tiempo". Su diseño flexible, escalable, consistente y adaptable abarca los mejores aspectos de la tercera forma normal (3NF) y el esquema de estrella. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a construir una Bóveda de datos. Al final de esta capacitación, los participantes podrán: Comprender los conceptos de arquitectura y diseño detrás de Data Vault 2.0 y su interacción con Big Data, NoSQL y AI. Utilice las técnicas de bóvedas de datos para habilitar la auditoría, el seguimiento y la inspección de datos históricos en un almacén de datos Desarrollar un proceso ETL consistente (consistente) y repetible (Extraer, Transformar, Cargar) Construya y despliegue almacenes altamente escalables y repetibles Audiencia Modeladores de datos Especialista en almacenamiento de datos Especialistas en inteligencia empresarial Ingenieros de datos Administradores de bases Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| bigdataM | Big Data y su proceso de gestión | 14 horas | Objetivo: Este curso de capacitación tiene como objetivo ayudar a los asistentes a entender por qué Big Data está cambiando nuestras vidas y cómo está alterando la forma en que las empresas nos ven como consumidores. De hecho, los usuarios de Big Data en las empresas encuentran que los grandes datos liberan una gran cantidad de información y conocimientos que se traducen en mayores ganancias, menores costos y menos riesgos. Sin embargo, la desventaja era la frustración a veces cuando se hacía demasiado hincapié en las tecnologías individuales y no se prestaba suficiente atención a los pilares de la gestión de big data. Los asistentes aprenderán durante este curso cómo administrar los big data utilizando sus tres pilares de integración de datos, control de datos y seguridad de datos para convertir big data en valor comercial real. Diferentes ejercicios realizados en un estudio de caso de la gestión de clientes ayudarán a los asistentes a comprender mejor los procesos subyacentes. |
| iotemi | Internet de las Cosas (IoT) para Empresarios, Gerentes e Inversores | 21 horas | A diferencia de otras tecnologías, IoT es mucho más complejo que abarca casi todas las ramas del núcleo de Ingeniería: Mecánica, Electrónica, Firmware, Middleware, Cloud, Analytics y Mobile. Para cada una de sus capas de ingeniería, hay aspectos de economía, estándares, regulaciones y estado de la técnica en evolución. Esto es para los primeros tiempos, se ofrece un curso modesto para cubrir todos estos aspectos críticos de la ingeniería de IoT. Resumen Un programa de entrenamiento avanzado que cubre el estado actual del arte en Internet de las Cosas Cortes en múltiples dominios de tecnología para desarrollar el conocimiento de un sistema IoT y sus componentes y cómo puede ayudar a las empresas y organizaciones. Demo en vivo de las aplicaciones modelo IoT para mostrar implementaciones prácticas de IoT en diferentes dominios de la industria, como Industrial IoT, Smart Cities, Retail, Travel & Transportation y casos de uso relacionados con dispositivos conectados y cosas Público objetivo Gerentes responsables de los procesos comerciales y operativos dentro de sus respectivas organizaciones y quieren saber cómo aprovechar IoT para hacer que sus sistemas y procesos sean más eficientes. Emprendedores e Inversores que buscan desarrollar nuevas empresas y desean desarrollar una mejor comprensión del panorama de la tecnología IoT para ver cómo pueden aprovecharla de manera efectiva. Duración 3 días (8 horas / día) Las estimaciones para Internet of Things o el valor de mercado de IoT son masivas, ya que, por definición, el IoT es una capa integrada y difusa de dispositivos, sensores y potencia informática que superpone a industrias de consumo, de empresa a empresa y gubernamentales. El IoT representará un número cada vez mayor de conexiones: 1.900 millones de dispositivos en la actualidad y 9.000 millones en 2018. Ese año, será aproximadamente igual a la cantidad de teléfonos inteligentes, televisores inteligentes, tabletas, computadoras portátiles y PC combinadas. En el espacio para el consumidor, muchos productos y servicios ya han entrado en el IoT, incluyendo cocina y electrodomésticos, estacionamiento, RFID, productos de iluminación y calefacción, y varias aplicaciones en Internet Industrial. Sin embargo, las tecnologías subyacentes de IoT no son nada nuevas, ya que la comunicación M2M existía desde el nacimiento de Internet. Sin embargo, lo que cambió en los últimos años es la aparición de tecnologías inalámbricas de bajo costo agregadas por la abrumadora adaptación de teléfonos inteligentes y tabletas en todos los hogares. El crecimiento explosivo de los dispositivos móviles condujo a la demanda actual de IoT. Debido a las oportunidades ilimitadas en el negocio de IoT, un gran número de pequeños y medianos empresarios se subieron al carro de la fiebre del oro de IoT. También debido a la aparición de la electrónica de código abierto y la plataforma IoT, el costo de desarrollo del sistema IoT y la gestión adicional de su producción considerable es cada vez más asequible. Los propietarios de productos electrónicos existentes están experimentando presión para integrar su dispositivo con Internet o la aplicación móvil. Esta capacitación está destinada a una revisión tecnológica y empresarial de una industria emergente para que los entusiastas / emprendedores de IoT puedan comprender los conceptos básicos de tecnología y negocio de IoT. Objetivo del curso El objetivo principal del curso es presentar opciones tecnológicas emergentes, plataformas y estudios de casos de implementación de IoT en automatización de hogares y ciudades (hogares y ciudades inteligentes), Internet Industrial, salud, Gobierno, Mobile Cellular y otras áreas. Introducción básica de todos los elementos de IoT-Mechanical, electrónica / plataforma de sensores, protocolos inalámbricos y alámbricos, integración móvil a electrónica, integración móvil a empresa, análisis de datos y plano de control total Protocolos inalámbricos M2M para IoT-WiFi, Zigbee / Zwave, Bluetooth, ANT +: ¿Cuándo y dónde usar cuál? Aplicación móvil / de escritorio / web para registro, adquisición de datos y control - Plataforma de adquisición de datos M2M disponible para IoT - Xively, Omega y NovoTech, etc. Problemas de seguridad y soluciones de seguridad para IoT Plataforma electrónica de código abierto / comercial para IoT-Raspberry Pi, Arduino, ArmMbedLPC, etc. Plataforma cloud de empresa abierta / comercial para aplicaciones AWS-IoT, Azure -IOT, Watson-IOT en la nube, además de otras nubes menores de IoT Estudios de negocios y tecnología de algunos de los dispositivos comunes de IoT como Domótica, Alarma de humo, vehículos, militares, salud en el hogar, etc. |
| hadoopdev | Hadoop para Desarrolladores (4 días) | 28 horas | Apache Hadoop es el marco más popular para procesar Big Data en clústeres de servidores. Este curso presentará un desarrollador a varios componentes (HDFS, MapReduce, Pig, Hive y HBase) Hadoop ecosistema. |
| IntroToAvro | Apache Avro: Serialización de Datos para Aplicaciones Distribuidas | 14 horas | Este curso es para Desarrolladores Formato del curso Conferencias, práctica práctica, pequeñas pruebas en el camino para medir la comprensión |
| kylin | Apache Kylin: Del clásico OLAP al almacén de datos en tiempo real | 14 horas | Apache Kylin es un motor de análisis extremo y distribuido para Big Data. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Apache Kylin para configurar un depósito de datos en tiempo real. Al final de esta capacitación, los participantes podrán: Consume datos de transmisión en tiempo real usando Kylin Utilice las potentes funciones de Apache Kylin, incluido el soporte del esquema de copos de nieve, una rica interfaz de SQL, cubicación de chispa y latencia de consulta de segundo plano Nota Usamos la última versión de Kylin (al momento de escribir esto, Apache Kylin v2.0) Audiencia Grandes ingenieros de datos Analistas de Big Data Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| kdbplusandq | kdb + yq: Analizan Datos de Series de Tiempo | 21 horas | kdb + es una base de datos en memoria, orientada a columnas yq es su lenguaje integrado e interpretado basado en vectores. En kdb +, las tablas son columnas de vectores yq se usa para realizar operaciones en los datos de la tabla como si fuera una lista. kdb + yq se utilizan comúnmente en el comercio de alta frecuencia y son populares entre las principales instituciones financieras, como Goldman Sachs, Morgan Stanley, Merrill Lynch, JP Morgan, etc. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo crear una aplicación de datos de series temporales utilizando kdb + yq. Al final de esta capacitación, los participantes podrán: Comprender la diferencia entre una base de datos orientada a filas y una base de datos orientada a columnas Seleccionar datos, escribir guiones y crear funciones para llevar a cabo análisis avanzados Analizar datos de series de tiempo tales como datos de stock y de intercambio de productos Use las capacidades en memoria de kdb + para almacenar, analizar, procesar y recuperar grandes conjuntos de datos a alta velocidad Piense en funciones y datos en un nivel más alto que el enfoque de función estándar (argumentos) común en lenguajes no vectores Explore otras aplicaciones sensibles al tiempo para kdb +, que incluyen el comercio de energía, telecomunicaciones, datos de sensores, datos de registro y monitoreo de uso de la máquina y la red Audiencia Desarrolladores Ingenieros de bases Científicos de datos Analistas de datos Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| sparksql | Apache Spark SQL | 7 horas | Spark SQL is Apache Spark's module for working with structured and unstructured data. Spark SQL provides information about the structure of the data as well as the computation being performed. This information can be used to perform optimizations. Two common uses for Spark SQL are: - to execute SQL queries. - to read data from an existing Hive installation. In this instructor-led, live training (onsite or remote), participants will learn how to analyze various types of data sets using Spark SQL. By the end of this training, participants will be able to: Install and configure Spark SQL. Perform data analysis using Spark SQL. Query data sets in different formats. Visualize data and query results. Audience Data analysts Data scientists Data engineers Format of the Course Part lecture, part discussion, exercises and heavy hands-on practice Notes To request a customized training for this course, please contact us to arrange. |
| d2dbdpa | De los Datos a la Decisión con Big Data y Análisis Predictivo | 21 horas | Audiencia Si intenta dar sentido a los datos a los que tiene acceso o desea analizar datos no estructurados disponibles en la red (como Twitter, Linked in, etc ...) este curso es para usted. Está dirigido principalmente a los tomadores de decisiones y las personas que necesitan elegir qué datos vale la pena recopilar y qué vale la pena analizar. No está dirigido a las personas que configuran la solución, esas personas se beneficiarán de la imagen grande sin embargo. Modo de entrega Durante el curso se presentarán a los delegados ejemplos prácticos de la mayoría de las tecnologías de código abierto. Las conferencias cortas serán seguidas por la presentación y los ejercicios simples por los participantes Contenido y software utilizados Todo el software utilizado se actualiza cada vez que se ejecuta el curso, así que verificamos las versiones más recientes posibles. Cubre el proceso de obtener, formatear, procesar y analizar los datos, para explicar cómo automatizar el proceso de toma de decisiones con el aprendizaje automático. |
| cassdev | Cassandra para Desarrolladores | 21 horas | Este curso presentará Cassandra - una popular base de datos NoSQL. Cubrirá los principios de Cassandra, la arquitectura y el modelo de datos. Los estudiantes aprenderán el modelado de datos en CQL (Cassandra Query Language) en laboratorios prácticos e interactivos. Esta sesión también discute Cassandra internals y algunos temas de administración. Duración: 3 días Audiencia: Desarrolladores |
| neo4j | Más allá de la Base de Datos Relacional: neo4j | 21 horas | Las bases de datos relacionales basadas en tablas, como Oracle y MySQL, han sido durante mucho tiempo el estándar para organizar y almacenar datos. Sin embargo, el tamaño creciente y la fluidez de los datos han dificultado que estos sistemas tradicionales ejecuten eficientemente consultas muy complejas sobre los datos. Imagínese reemplazar el almacenamiento de datos basado en filas y columnas con el almacenamiento de datos basado en objetos, por medio del cual las entidades (por ejemplo, una persona) podrían ser almacenadas como nodos de datos y luego ser consultadas fácilmente sobre la base de su vasta relación multi lineal con otros nodos . E imaginar la consulta de estas conexiones y sus objetos asociados y propiedades utilizando una sintaxis compacta, hasta 20 veces más ligero que el SQL? Esto es lo que ofrecen las bases de datos gráficas, como neo4j. En este curso práctico, estableceremos un proyecto en vivo y pondremos en práctica las habilidades para modelar, gestionar y acceder a sus datos. Comparamos y comparamos bases de datos gráficas con bases de datos basadas en SQL, así como otras bases de datos NoSQL y aclaramos cuándo y dónde tiene sentido implementar cada una dentro de su infraestructura. Audiencia Administradores de bases de datos (DBA) Analistas de datos Desarrolladores Administradores del sistema Ingenieros de DevOps Analistas de Negocios Directores de tecnología Directores de informática Formato del curso Fuerte énfasis en práctica práctica. La mayoría de los conceptos se aprenden a través de muestras, ejercicios y desarrollo práctico. |
| matlabfundamentalsfinance | Fundamentos de MATLAB - Personalizado | 35 horas | Este curso proporciona una introducción completa al entorno informático técnico de MATLAB + una introducción al uso de MATLAB para aplicaciones financieras. El curso está dirigido a usuarios principiantes y aquellos que buscan una revisión. No se asume experiencia previa en programación o conocimiento de MATLAB. Los temas de análisis de datos, visualización, modelado y programación se exploran a lo largo del curso. Los temas incluyen: Trabajando con la interfaz de usuario de MATLAB Ingresando comandos y creando variables Analizando vectores y matrices Visualización de datos vectoriales y matriciales Trabajando con archivos de datos Trabajando con tipos de datos Automatización de comandos con scripts Escritura de programas con lógica y control de flujo Funciones de escritura Uso de Financial Toolbox para el análisis cuantitativo |
| solrcloud | Curso de SolrCloud | 14 horas | Apache SolrCloud es un motor de procesamiento de datos distribuidos que facilita la búsqueda y la indexación de archivos en una red distribuida. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a configurar una instancia de SolrCloud en Amazon AWS. Al final de esta capacitación, los participantes podrán: Comprender las características de SolCloud y cómo se comparan con las de los clústeres maestros-esclavos convencionales Configurar un clúster centralizado de SolCloud Automatice procesos como la comunicación con fragmentos, agregue documentos a los fragmentos, etc. Utilice Zookeeper junto con SolrCloud para automatizar aún más los procesos Use la interfaz para administrar informes de errores Balance de carga una instalación de SolrCloud Configure SolrCloud para un procesamiento continuo y conmutación por error Audiencia Desarrolladores de Solr Gerentes de proyecto Administradores del sistema Analistas de búsqueda Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| introtostreamprocessing | Una introducción práctica al procesamiento de flujo | 21 horas | El procesamiento de flujo se refiere al procesamiento en tiempo real de "datos en movimiento", es decir, realizar cálculos sobre datos a medida que se reciben. Dichos datos se leen como flujos continuos de fuentes de datos tales como eventos de sensores, actividad de usuarios de sitios web, transacciones financieras, transferencias de tarjetas de crédito, transmisiones de clics, etc. Los marcos de procesamiento de flujos pueden leer grandes volúmenes de datos entrantes y proporcionar información valiosa casi instantáneamente. En este entrenamiento en vivo dirigido por un instructor (in situ o remoto), los participantes aprenderán cómo configurar e integrar diferentes marcos de Procesamiento de Stream con los sistemas de almacenamiento de big data existentes y aplicaciones de software y microservicios relacionados. Al final de esta capacitación, los participantes podrán: Instale y configure diferentes marcos de procesamiento de flujo, como Spark Streaming y Kafka Streaming Comprender y seleccionar el marco más adecuado para el trabajo Proceso de datos de forma continua, concurrente y de forma récord por registro Integre soluciones de procesamiento de flujo con bases de datos existentes, almacenes de datos, lagos de datos, etc. Integración de la biblioteca de procesamiento de flujo más apropiada con aplicaciones empresariales y microservicios Audiencia Desarrolladores Arquitectos de software Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica Notas Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos. |
| bigdatar | Programación con Big Data en R | 21 horas | Big Data is a term that refers to solutions destined for storing and processing large data sets. Developed by Google initially, these Big Data solutions have evolved and inspired other similar projects, many of which are available as open-source. R is a popular programming language in the financial industry. |
| hadoopba | Hadoop para Analistas de Negocios | 21 horas | Apache Hadoop es el marco más popular para el procesamiento de Big Data. Hadoop proporciona una capacidad analítica rica y profunda, y está haciendo in-roads en el mundo analítico de BI tradicional. Este curso presentará a un analista a los componentes principales del sistema Hadoop eco y sus análisis Audiencia Analistas de Negocios Duración tres días Formato Conferencias y manos sobre laboratorios. |
| kdd | Descubrir Conocimiento en Bases de Datos | 21 horas | El descubrimiento de conocimiento en bases de datos (KDD) es el proceso de descubrir conocimiento útil de una colección de datos. Las aplicaciones de la vida real para esta técnica de minería de datos incluyen marketing, detección de fraude, telecomunicaciones y fabricación. En este curso, presentamos los procesos involucrados en KDD y llevamos a cabo una serie de ejercicios para practicar la implementación de esos procesos. Audiencia Analistas de datos o cualquier persona interesada en aprender a interpretar datos para resolver problemas Formato del curso Después de una discusión teórica sobre KDD, el instructor presentará casos de la vida real que requieren la aplicación de KDD para resolver un problema. Los participantes prepararán, seleccionarán y limpiarán conjuntos de datos de muestra y utilizarán sus conocimientos previos sobre los datos para proponer soluciones basadas en los resultados de sus observaciones. |
| TalendDI | Talend Open Studio para Integración de Datos | 28 horas | Talend Open Studio for Data Integration es un producto de integración de datos de código abierto que se utiliza para combinar, convertir y actualizar datos en varias ubicaciones de una empresa. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar la herramienta Talend ETL para llevar a cabo la transformación de datos, la extracción de datos y la conectividad con Hadoop, Hive y Pig. Al final de esta capacitación, los participantes podrán: Explicar los conceptos detrás de ETL (Extraer, Transformar, Cargar) y la propagación Definir métodos ETL y herramientas ETL para conectarse con Hadoop Amasar, recuperar, digerir, consumir, transformar y dar forma de manera eficiente a big data de acuerdo con los requisitos del negocio Audiencia Profesionales de inteligencia de negocios Gerentes de proyecto Profesionales de bases Desarrolladores de SQL Desarrolladores de ETL Arquitectos de soluciones Arquitectos de datos Profesionales de almacenamiento de datos Administradores e integradores de sistemas Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| hypertable | Hypertable: Implementar una base de datos tipo BigTable | 14 horas | Hypertable es un sistema de gestión de bases de datos de software de código abierto basado en el diseño de Bigtable de Google. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a configurar y administrar un sistema de base de datos Hypertable. Al final de esta capacitación, los participantes podrán: Instalar, configurar y actualizar una instancia de Hypertable Configurar y administrar un clúster Hypertable Monitorear y optimizar el rendimiento de la base de datos Diseña un esquema Hypertable Trabaja con la API de Hypertable Solucionar problemas operativos Audiencia Desarrolladores Ingenieros de operaciones Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| beam | Unified Batch and Stream Processing with Apache Beam | 14 horas | Apache Beam is an open source, unified programming model for defining and executing parallel data processing pipelines. It's power lies in its ability to run both batch and streaming pipelines, with execution being carried out by one of Beam’s supported distributed processing back-ends: Apache Apex, Apache Flink, Apache Spark, and Google Cloud Dataflow. Apache Beam is useful for ETL (Extract, Transform, and Load) tasks such as moving data between different storage media and data sources, transforming data into a more desirable format, and loading data onto a new system. In this instructor-led, live training (onsite or remote), participants will learn how to implement the Apache Beam SDKs in a Java or Python application that defines a data processing pipeline for decomposing a big data set into smaller chunks for independent, parallel processing. By the end of this training, participants will be able to: Install and configure Apache Beam Use a single programming model to carry out both batch and stream processing from withing their Java or Python application Execute pipelines across multiple environments Audience Developers Format of the Course Part lecture, part discussion, exercises and heavy hands-on practice Note This course will be available Scala in the future. Please contact us to arrange. |
| psr | Introduction to Recommendation Systems | 7 horas | Audience Marketing department employees, IT strategists and other people involved in decisions related to the design and implementation of recommender systems. Format Short theoretical background follow by analysing working examples and short, simple exercises. |
| dataar | Análisis de Datos con R | 21 horas | R es un entorno de código abierto muy popular para la informática estadística, análisis de datos y gráficos. Este curso introduce el lenguaje de programación R a los estudiantes. Cubre los fundamentos del lenguaje, las bibliotecas y los conceptos avanzados. Análisis de datos y gráficos avanzados con datos del mundo real. Audiencia Desarrolladores / análisis de datos Duración 3 días Formato Conferencias y prácticas |
| scylladb | Base de Datos Scylla | 21 horas | Scylla es una tienda de datos NoSQL distribuida de código abierto. Es compatible con Apache Cassandra pero tiene un rendimiento significativamente más alto y latencias más bajas. En este curso, los participantes aprenderán sobre las características y la arquitectura de Scylla mientras obtienen experiencia práctica con la configuración, administración, monitoreo y resolución de problemas de Scylla. Audiencia Administradores de bases Desarrolladores Ingenieros de sistema Formato del curso El curso es interactivo e incluye discusiones sobre los principios y enfoques para implementar y administrar bases de datos y clústeres distribuidos por Scylla. El curso incluye un componente pesado de ejercicios prácticos y práctica. |
| pythonmultipurpose | Python Avanzado | 28 horas | En esta capacitación guiada por un instructor, los participantes aprenderán técnicas avanzadas de programación de Python, que incluyen cómo aplicar este versátil lenguaje para resolver problemas en áreas tales como aplicaciones distribuidas, finanzas, análisis y visualización de datos, programación de IU y scripting de mantenimiento. Audiencia Desarrolladores Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica Notas Si desea agregar, eliminar o personalizar cualquier sección o tema de este curso, contáctenos para organizarlo. |
| flockdb | Flockdb: Una Base de Datos de Gráficos Simple para Redes Sociales | 7 horas | FlockDB es una base de datos de gráficos tolerante a fallas, distribuida y de código abierto para administrar gráficos de red anchos pero poco profundos. Inicialmente fue utilizado por Twitter para almacenar las relaciones entre los usuarios. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a configurar y usar una base de datos FlockDB para ayudar a responder las preguntas de las redes sociales, como quién sigue a quién, quién bloquea a quién, etc. Al final de esta capacitación, los participantes podrán: Instalar y configurar FlockDB Comprenda las características únicas de FlockDB, en relación con otras bases de datos de gráficos, como Neo4j Use FlockDB para mantener un gran conjunto de datos de gráficos Use FlockDB junto con MySQL para proporcionar capacidades de almacenamiento distribuido Consulta, crea y actualiza gráficos extremadamente rápidos Escale FlockDB horizontalmente para su uso en entornos web on-line, de baja latencia y alto rendimiento Audiencia Desarrolladores Ingenieros de bases Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| bigdataanahealth | Big Data Analytics in Health | 21 horas | 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. |
| 68780 | Apache Spark | 14 horas | |
| hadoopadm1 | Hadoop para Administradores | 21 horas | Apache Hadoop es el marco más popular para procesar Big Data en clústeres de servidores. En este curso de tres (opcionalmente, cuatro) días, los asistentes aprenderán sobre los beneficios empresariales y los casos de uso de Hadoop y su ecosistema, cómo planificar el despliegue y crecimiento del clúster, cómo instalar, mantener, monitorear, solucionar y optimizar Hadoop. También practicarán la carga de datos a granel del clúster, se familiarizarán con varias distribuciones de Hadoop y practicarán la instalación y administración de herramientas del ecosistema de Hadoop. El curso finaliza con la discusión sobre la seguridad del clúster con Kerberos. "... Los materiales estaban muy bien preparados y cubiertos a fondo. El laboratorio fue muy servicial y bien organizado " - Andrew Nguyen, Ingeniero Principal de Integración DW, Microsoft Online Advertising Audiencia Administradores de Hadoop Formato Conferencias y laboratorios prácticos, balance aproximado 60% conferencias, 40% laboratorios. |
| accumulo | Apache Accumulo: Construcción de Altamente Escalable Aplicaciones Big Data | 21 horas | Apache Accumulo es un almacén de claves / valores ordenados y distribuidos que proporciona almacenamiento y recuperación de datos robustos y escalables. Está basado en el diseño de BigTable de Google y está impulsado por Apache Hadoop, Apache Zookeeper y Apache Thrift. Este curso cubre los principios de trabajo detrás de Accumulo y guía a los participantes a través del desarrollo de una aplicación de muestra en Apache Accumulo. Audiencia Desarrolladores de aplicaciones Ingenieros de software Consultores técnicos Formato del curso Conferencia de parte, parte de discusión, desarrollo e implementación práctica, pruebas ocasionales para medir comprensión |
| PentahoDI | Fundamentos de Integración de Datos Pentaho | 21 horas | Pentaho Data Integration es una herramienta de integración de datos de código abierto para definir trabajos y transformaciones de datos. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar las poderosas capacidades de ETL de Pentaho Data Integration y su rica GUI para administrar todo un ciclo de vida de big data, maximizando el valor de los datos para la organización. Al final de esta capacitación, los participantes podrán: Crear, previsualizar y ejecutar transformaciones de datos básicas que contengan pasos y saltos Configure y asegure el Repositorio de Pentaho Enterprise Aproveche fuentes de datos dispares y genere una única versión unificada de la verdad en un formato listo para análisis. Proporcionar resultados a aplicaciones de terceros para su posterior procesamiento Audiencia Analista de datos Desarrolladores de ETL Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| nifi | Apache NiFi para administradores | 21 horas | Apache NiFi (Hortonworks DataFlow) es una plataforma de procesamiento de eventos y logística de datos integrada en tiempo real que permite mover, rastrear y automatizar los datos entre los sistemas. Está escrito usando programación basada en flujo y proporciona una interfaz de usuario basada en web para administrar flujos de datos en tiempo real. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a implementar y administrar Apache NiFi en un entorno de laboratorio en vivo. Al final de esta capacitación, los participantes podrán: Instalar y configurar Apachi NiFi Fuente, transformar y gestionar datos de fuentes de datos dispersas y distribuidas, incluidas bases de datos y lagos de datos grandes. Automatice los flujos de datos Habilitar análisis de transmisión Aplicar varios enfoques para la ingestión de datos Transformar Big Data y en conocimientos empresariales Audiencia Administradores del sistema Ingenieros de datos Desarrolladores DevOps Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| hadoopmapr | Administración de Hadoop en MapR | 28 horas | Audiencia: Este curso pretende desmitificar la tecnología de datos / hadoop y demostrar que no es difícil de entender. |
| solrdev | Solr para Desarrolladores | 21 horas | Este curso introduce a los estudiantes a la plataforma Solr. A través de una combinación de conferencias, discusiones y laboratorios, los estudiantes tendrán experiencia en la configuración de una búsqueda e indexación eficaces. La clase comienza con la instalación y configuración básica de Solr y enseña a los asistentes las funciones de búsqueda de Solr. Los estudiantes obtendrán experiencia con facetas, indexación y relevancia de búsqueda entre otras características centrales de la plataforma Solr. El curso se completa con una serie de temas avanzados, incluyendo corrección ortográfica, sugerencias, Multicore y SolrCloud. |
| druid | Druid:Construir un Sistema Rápido y en Tiempo Real de Análisis de Datos | 21 horas | Druid es un almacén de datos distribuido orientado a columnas y de código abierto escrito en Java. Fue diseñado para ingerir rápidamente cantidades masivas de datos de eventos y ejecutar consultas OLAP de baja latencia en esos datos. Druid se usa comúnmente en aplicaciones de inteligencia empresarial para analizar grandes volúmenes de datos históricos y en tiempo real. También es adecuado para alimentar cuadros de mandos analíticos rápidos e interactivos para usuarios finales. Druid es utilizado por compañías como Alibaba, Airbnb, Cisco, eBay, Netflix, Paypal y Yahoo. En este curso, exploramos algunas de las limitaciones de las soluciones de almacenamiento de datos y discutimos cómo Druid puede complementar esas tecnologías para formar una pila de análisis de transmisión flexible y escalable. Analizamos muchos ejemplos, ofreciendo a los participantes la oportunidad de implementar y probar soluciones basadas en Druid en un entorno de laboratorio. Audiencia Desarrolladores de aplicaciones Ingenieros de software Consultores técnicos Profesionales de DevOps Ingenieros de arquitectura Formato del curso Conferencia parcial, discusión parcial, práctica práctica intensa, pruebas ocasionales para medir la comprensión |
| hdp | Hortonworks Data Platform (HDP) para Administradores | 21 horas | Hortonworks Data Platform es una plataforma de soporte de Apache Hadoop de código abierto que proporciona una base estable para el desarrollo de soluciones de big data en el ecosistema de Apache Hadoop. Esta capacitación en vivo dirigida por un instructor presenta a Hortonworks y guía a los participantes a través del despliegue de la solución Spark + Hadoop. Al final de esta capacitación, los participantes podrán: Use Hortonworks para ejecutar confiablemente Hadoop a gran escala Unifique las capacidades de seguridad, gobierno y operaciones de Hadoop con los flujos de trabajo analíticos ágiles de Spark. Use Hortonworks para investigar, validar, certificar y dar soporte a cada uno de los componentes en un proyecto Spark Procese diferentes tipos de datos, incluidos estructurados, no estructurados, en movimiento y en reposo. Audiencia Administradores de Hadoop Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| nifidev | Apache NiFi para desarrolladores | 7 horas | Apache NiFi (Hortonworks DataFlow) es una plataforma de procesamiento de eventos y logística de datos integrada en tiempo real que permite mover, rastrear y automatizar los datos entre los sistemas. Está escrito usando programación basada en flujo y proporciona una interfaz de usuario basada en web para administrar flujos de datos en tiempo real. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los fundamentos de la programación basada en flujo a medida que desarrollan una cantidad de extensiones de demostración, componentes y procesadores que usan Apache NiFi. Al final de esta capacitación, los participantes podrán: Comprender los conceptos de arquitectura y flujo de datos de NiFi Desarrollar extensiones utilizando NiFi y API de terceros Desarrolla a medida su propio procesador Apache Nifi Ingerir y procesar datos en tiempo real de formatos de archivo dispares y poco comunes y fuentes de datos Audiencia Desarrolladores Ingenieros de datos Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| 68736 | Hadoop for Developers (2 days) | 14 horas | |
| sparkdev | Spark para Desarrolladores | 21 horas | This course will introduce Apache Spark. The students will learn how Spark fits into the Big Data ecosystem, and how to use Spark for data analysis. The course covers Spark shell for interactive data analysis, Spark internals, Spark APIs, Spark SQL, Spark streaming, and machine learning and graphX. AUDIENCIA: Desarrolladores / analistas de datos |
| voldemort | Voldemort: configuración de un almacén de datos distribuidos de clave-valor | 14 horas | Voldemort es un almacén de datos distribuidos de código abierto que está diseñado como una tienda de valores clave. Se utiliza en LinkedIn por numerosos servicios críticos que alimentan una gran parte del sitio. Este curso presentará la arquitectura y las capacidades de Voldomort y guiará a los participantes a través de la configuración y la aplicación de un almacén de datos distribuidos de valor clave. Audiencia Desarrolladores de software Administradores del sistema Ingenieros de DevOps Formato del curso Conferencia parcial, discusión parcial, práctica práctica intensa, pruebas ocasionales para medir la comprensión |
| magellan | Magellan: Análisis Geoespacial con Spark | 14 horas | Magellan es un motor de ejecución distribuida de código abierto para el análisis geoespacial en big data. Implementado sobre Apache Spark, amplía Spark SQL y proporciona una abstracción relacional para el análisis geoespacial. Esta capacitación en vivo dirigida por un instructor presenta los conceptos y enfoques para implementar el análisis geospacial y guía a los participantes a través de la creación de una aplicación de análisis predictivo utilizando Magellan en Spark. Al final de esta capacitación, los participantes podrán: Consultar, analizar y unir datos geoespaciales de manera eficiente a escala Implementar datos geoespaciales en inteligencia empresarial y aplicaciones de análisis predictivo Utilice el contexto espacial para ampliar las capacidades de dispositivos móviles, sensores, registros y dispositivos portátiles Audiencia Desarrolladores de aplicaciones Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| matlabpredanalytics | Matlab para Análisis Predictivo | 21 horas | El análisis predictivo es el proceso de usar el análisis de datos para hacer predicciones sobre el futuro. Este proceso utiliza datos junto con la extracción de datos, estadísticas y técnicas de aprendizaje automático para crear un modelo predictivo para pronosticar eventos futuros. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar Matlab para construir modelos predictivos y aplicarlos a grandes conjuntos de datos de muestra para predecir eventos futuros basados en los datos. Al final de esta capacitación, los participantes podrán: Crear modelos predictivos para analizar patrones en datos históricos y transaccionales Use modelos predictivos para identificar riesgos y oportunidades Cree modelos matemáticos que capturen tendencias importantes Use datos de dispositivos y sistemas comerciales para reducir el desperdicio, ahorrar tiempo o reducir costos Audiencia Desarrolladores Ingenieros Expertos de dominio Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| apachemdev | Apache Mahout para Desarrolladores | 14 horas | Audiencia Desarrolladores involucrados en proyectos que usan el aprendizaje automático con Apache Mahout. Formato Manos en la introducción al aprendizaje de la máquina. El curso se imparte en un formato de laboratorio basado en casos reales de uso práctico. |
| hbasedev | HBase para Desarrolladores | 21 horas | Este curso introduce HBase - un almacén NoSQL en la parte superior de Hadoop. El curso está dirigido a desarrolladores que usarán HBase para desarrollar aplicaciones y administradores que administrarán los clústeres de HBase. Vamos a recorrer un desarrollador a través de la arquitectura de HBase y modelado de datos y desarrollo de aplicaciones en HBase. También discutirá el uso de MapReduce con HBase y algunos temas de administración relacionados con la optimización del rendimiento. El curso es muy práctico con muchos ejercicios de laboratorio. |
| BigData_ | Una introducción práctica al análisis de datos y Big Data | 35 horas | Los participantes que completen esta capacitación obtendrán una comprensión práctica y real de Big Data y sus tecnologías, metodologías y herramientas relacionadas. Los participantes tendrán la oportunidad de poner este conocimiento en práctica a través de ejercicios prácticos. La interacción grupal y la retroalimentación del instructor conforman un componente importante de la clase. El curso comienza con una introducción a los conceptos elementales de Big Data, luego avanza hacia los lenguajes de programación y las metodologías utilizadas para realizar el Análisis de datos. Finalmente, discutimos las herramientas y la infraestructura que permiten el almacenamiento de Big Data, el procesamiento distribuido y la escalabilidad. Audiencia Desarrolladores / programadores Consultores de TI Formato del curso Conferencia de parte, discusión en parte, práctica práctica e implementación, quicing ocasional para medir el progreso. |
| zeppelin | Zeppelin para Análisis de Datos Interactivos | 14 horas | Apache Zeppelin es un portátil basado en web para capturar, explorar, visualizar y compartir datos basados en Hadoop y Spark. Esta capacitación en vivo dirigida por un instructor presenta los conceptos detrás del análisis interactivo de datos y guía a los participantes a través de la implementación y el uso de Zeppelin en un entorno de usuario único o multiusuario. Al final de esta capacitación, los participantes podrán: Instalar y configurar Zeppelin Desarrollar, organizar, ejecutar y compartir datos en una interfaz basada en navegador Visualice resultados sin consultar la línea de comando o los detalles del clúster Ejecute y colabore en flujos de trabajo largos Trabaja con cualquiera de los lenguajes de plug-in / back-end de procesamiento de datos, como Scala (con Apache Spark), Python (con Apache Spark), Spark SQL, JDBC, Markdown y Shell. Integra Zeppelin con Spark, Flink y Map Reduce Asegure las instancias multiusuario de Zeppelin con Apache Shiro Audiencia Ingenieros de datos Analistas de datos Científicos de datos Desarrolladores de software Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| graphcomputing | Introducción a Graph Computing | 28 horas | Una gran cantidad de problemas del mundo real se pueden describir en términos de gráficos. Por ejemplo, el gráfico web, el gráfico de red social, el gráfico de red de tren y el gráfico de lenguaje. Estos gráficos tienden a ser extremadamente grandes; su procesamiento requiere un conjunto especializado de herramientas y procesos; estas herramientas y procesos se pueden denominar Computación de Gráficos. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán sobre las diversas ofertas de tecnología e implementaciones para procesar datos de gráficos. El objetivo es identificar los objetos del mundo real, sus características y relaciones, luego modelar estas relaciones y procesarlas como datos utilizando enfoques de computación gráfica. Comenzamos con una amplia visión general y nos limitamos a herramientas específicas a medida que avanzamos en una serie de estudios de casos, ejercicios prácticos e implementaciones en vivo. Al final de esta capacitación, los participantes podrán: Comprender cómo se conservan y atraviesan los datos de gráfico Seleccione el mejor marco para una tarea determinada (desde bases de datos de gráficos hasta marcos de procesamiento por lotes) Implemente Hadoop, Spark, GraphX y Pregel para llevar a cabo la computación gráfica en muchas máquinas en paralelo Ver problemas de Big Data en el mundo real en términos de gráficos, procesos y recorridos Audiencia Desarrolladores Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| datamin | Minería de Datos | 21 horas | Curso puede ser proporcionado con cualquier herramienta, incluyendo libre de código abierto de minería de datos de software y aplicaciones |
| osovv | Descripción de OpenStack | 7 horas | El curso está dedicado a ingenieros y arquitectos de TI que buscan una solución para alojar una nube IaaS (Infraestructura como servicio) privada o pública. Esta es también una gran oportunidad para que los administradores de TI obtengan conocimiento sobre las posibilidades que podrían ser habilitadas por OpenStack. Antes de gastar mucho dinero en la implementación de OpenStack, podría considerar todos los pros y contras asistiendo a nuestro curso. Este tema también está disponible como consultoría individual. Objetivo del curso: Obtener conocimientos básicos sobre OpenStack |
| ApHadm1 | Apache Hadoop: manipulación y transformación del rendimiento de los datos | 21 horas | Este curso está dirigido a desarrolladores, arquitectos, científicos de datos o cualquier perfil que requiera acceso a los datos de forma intensiva o regular. El enfoque principal del curso es la manipulación y transformación de datos. Entre las herramientas del ecosistema de Hadoop, este curso incluye el uso de Pig y Hive, que se utilizan mucho para la transformación y manipulación de datos. Esta capacitación también aborda las métricas de rendimiento y la optimización del rendimiento. El curso es completamente práctico y está marcado por presentaciones de los aspectos teóricos. |
| samza | Samza para el Procesamiento de la Secuencia | 14 horas | Apache Samza es un marco computacional asíncrono de código abierto casi en tiempo real para el procesamiento de flujos. Utiliza Apache Kafka para mensajería y Apache Hadoop YARN para tolerancia a fallas, aislamiento de procesador, seguridad y administración de recursos. Esta capacitación en vivo dirigida por un instructor presenta los principios detrás de los sistemas de mensajería y el procesamiento distribuido de flujo, mientras acompaña a los participantes a través de la creación de un proyecto basado en Samza y la ejecución de trabajos. Al final de esta capacitación, los participantes podrán: Usa Samza para simplificar el código necesario para producir y consumir mensajes Desacoplar el manejo de los mensajes de una aplicación Utilice Samza para implementar cálculos asincrónicos casi en tiempo real Utilice el procesamiento de flujo para proporcionar un mayor nivel de abstracción en los sistemas de mensajería Audiencia Desarrolladores Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| bigdatabicriminal | Big Data Business Intelligence para análisis de inteligencia criminal | 35 horas | Los avances en las tecnologías y la creciente cantidad de información están transformando la forma en que se lleva a cabo la aplicación de la ley. Los desafíos que plantea Big Data son casi tan desalentadores como la promesa de Big Data. Almacenar datos de manera eficiente es uno de estos desafíos; analizarlo efectivamente es otro. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán la mentalidad con la cual abordarán las tecnologías de Big Data, evaluarán su impacto en los procesos y políticas existentes, e implementarán estas tecnologías con el propósito de identificar la actividad delictiva y prevenir el delito. Se examinarán estudios de casos de organizaciones de orden público de todo el mundo para obtener información sobre sus enfoques, desafíos y resultados de adopción. Al final de esta capacitación, los participantes podrán: Combine la tecnología Big Data con procesos tradicionales de recopilación de datos para armar una historia durante una investigación Implementar soluciones industriales de almacenamiento y procesamiento de big data para el análisis de datos Preparar una propuesta para la adopción de las herramientas y procesos más adecuados para permitir un enfoque basado en datos para la investigación criminal Audiencia Especialistas en aplicación de la ley con experiencia técnica Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| apacheh | Capacitación de Administrador para Apache Hadoop | 35 horas | Audiencia: El curso está dirigido a especialistas en TI que buscan una solución para almacenar y procesar grandes conjuntos de datos en un entorno de sistema distribuido Gol: Conocimiento profundo sobre administración de clúster de Hadoop. |
| altdomexp | Pericia en el Dominio de Analytics | 7 horas | Este curso forma parte del conjunto de habilidades de Data Scientist (Dominio: Analytics Domain Expertise). |
| teraintro | Fundamentos de Teradata | 21 horas | Teradata es uno de los sistemas de gestión de bases de datos relacionales. Es principalmente adecuado para la construcción de aplicaciones de almacenamiento a datos a gran escala. Teradata logró esto por el concepto de paralelismo. Este curso introduce a los delegados a Teradata |
| flink | Flink para Flujo Escalable y Procesamiento de Datos por Lotes | 28 horas | Apache Flink es un marco de código abierto para flujo escalable y procesamiento de datos por lotes. Este curso presencial, dirigido por un instructor, presenta los principios y enfoques detrás del procesamiento distribuido de datos en secuencia y por lotes, y guía a los participantes a través de la creación de una aplicación de transmisión de datos en tiempo real. Al final de esta capacitación, los participantes podrán: Configure un entorno para desarrollar aplicaciones de análisis de datos Empaque, ejecute y monitoree las aplicaciones de transmisión de datos basadas en Flink y tolerantes a fallas Administrar diversas cargas de trabajo Realice análisis avanzados usando Flink ML Configurar un clúster Flink multinodo Mida y optimice el rendimiento Integrar Flink con diferentes sistemas Big Data Compare las capacidades de Flink con las de otros marcos de procesamiento de big data Audiencia Desarrolladores Arquitectos Ingenieros de datos Profesionales de analítica Gerentes técnicos Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| BDATR | Big Data Analytics para reguladores de telecomunicaciones | 16 horas | Para cumplir con el cumplimiento de los reguladores, los CSP (proveedores de servicios de comunicación) pueden acceder a Big Análisis de datos que no solo los ayuda a cumplir con el cumplimiento, sino que están dentro del alcance de los mismos proyecto pueden aumentar la satisfacción del cliente y así reducir el abandono. De hecho desde el cumplimiento está relacionado con la calidad del servicio vinculada a un contrato, cualquier iniciativa para cumplir cumplimiento, mejorará la "ventaja competitiva" de los CSP. Por lo tanto, es importante que Los reguladores deberían ser capaces de asesorar / orientar un conjunto de prácticas analíticas de Big Data para los CSP que ser de beneficio mutuo entre los reguladores y los CSP. 2 días de curso: 8 módulos, 2 horas cada uno = 16 horas |
| hadoopadm | Administración de Hadoop | 21 horas | El curso está dedicado a especialistas en TI que buscan una solución para almacenar y procesar grandes conjuntos de datos en entornos de sistemas distribuidos Objetivo del curso: Obtención de conocimientos sobre la administración de clúster de Hadoop |
| dmmlr | Minería de Datos y Aprendizaje Automático con R | 14 horas | R is an open-source free programming language for statistical computing, data analysis, and graphics. R is used by a growing number of managers and data analysts inside corporations and academia. R has a wide variety of packages for data mining. |
| apacmq | Apache ActiveMQ | 14 horas | Apache ActiveMQ is an open source message broker written in Java. |
| alluxio | Alluxio: Unificando Sistemas de Almacenamiento Dispares | 7 horas | Alexio es un sistema de almacenamiento distribuido virtual de código abierto que unifica sistemas de almacenamiento dispares y permite que las aplicaciones interactúen con datos a la velocidad de la memoria. Es utilizado por compañías como Intel, Baidu y Alibaba. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Alexio para unir diferentes marcos de computación con sistemas de almacenamiento y administrar de manera eficiente los datos de escala de varios petabytes mientras avanzan en la creación de una aplicación con Alluxio. Al final de esta capacitación, los participantes podrán: Desarrolle una aplicación con Alluxio Conecte aplicaciones y sistemas de big data mientras conserva un espacio de nombres Extrae de manera eficiente el valor de los grandes datos en cualquier formato de almacenamiento Mejorar el rendimiento de la carga de trabajo Implemente y administre Alluxio de forma independiente o en clúster Audiencia Científico de datos Desarrollador Administrador de sistema Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
| sparkpython | Python y Spark para Big Data (PySpark) | 21 horas | Python es un lenguaje de programación de alto nivel famoso por su claridad de sintaxis y código. Spark es un motor de procesamiento de datos utilizado para consultar, analizar y transformar big data. PySpark permite a los usuarios interactuar con Spark con Python. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Python y Spark juntos para analizar los datos grandes mientras trabajan en ejercicios prácticos. Al final de esta capacitación, los participantes podrán: Aprenda a usar Spark con Python para analizar Big Data Trabajar en ejercicios que imitan las circunstancias del mundo real Utilice diferentes herramientas y técnicas para el análisis de Big Data utilizando PySpark Audiencia Desarrolladores Profesionales de TI Científicos de datos Formato del curso Conferencia de parte, discusión en parte, ejercicios y práctica práctica |
Upcoming Courses
| Curso | Fecha | Precio del Curso [A distancia / Presencial] |
|---|---|---|
| GlusterFS para administradores de sistemas - Monterrey - Oficinas en el Parque | Mar, 2018-06-05 09:30 | 85000MXN / 111900MXN |
| Zeppelin para Análisis de Datos Interactivos - Ciudad de Mexico - Colonia Del Valle | Jue, 2018-06-07 09:30 | 57900MXN / 81900MXN |
| Big Data & Fundamentos de Sistemas de Bases de Datos - Monterrey - Dataflux | Jue, 2018-06-07 09:30 | 69500MXN / 91900MXN |
| Ciencia de Datos para Big Data Analytics - Guadalajara - Country Club Financial | Lun, 2018-06-11 09:30 | 165000MXN / 191000MXN |
| Apache NiFi para desarrolladores - Guadalajara - Puerta del Hierro | Mar, 2018-07-10 09:30 | 29500MXN / 52100MXN |
Other countries
Consultoría
Cursos de Fin de Semana de Inteligencia Artificial, Capacitación por la Tarde de Inteligencia Artificial, Inteligencia Artificial boot camp, Clases de Inteligencia Artificial
, Inteligencia Artificial con instructor, Instructor de Inteligencia Artificial, Inteligencia Artificial en sitio, Capacitador de Inteligencia Artificial, Cursos por la Tarde de Inteligencia Artificial, Cursos de Formación de Inteligencia Artificial,Capacitación de Fin de Semana de Inteligencia Artificial, Clases Particulares de Inteligencia Artificial, Cursos en linea de Inteligencia Artificial, Clases de Inteligencia Artificial
, Inteligencia Artificial coaching, Capacitación empresarial de Inteligencia Artificial, Talleres para empresas de Inteligencia Artificial, Programas de capacitación de Inteligencia Artificial