Data Science for Big Data Analytics 培训

这种由 讲师指导的 中国 现场培训（在线或现场）面向希望使用 Anaconda 生态系统在单一平台中捕获、管理和部署软体包和数据分析工作流 的数据科学家。

在本次培训结束时，参与者将能够：

• 安装和配置 Anaconda 个元件和库。
• 了解 Anaconda 的核心概念、功能和优势。
• 使用 Anaconda Navigator 管理包、环境和频道。
• 将 Conda、R 和 Python 包用于数据科学和机器学习。
• 了解管理多个数据环境的一些实际使用案例和技术。

Apache Beam 是一个开源的统一程式设计模型，用于定义和执行并行数据处理管道。它的强大之处在于它能够同时运行批处理和流式管道，执行由 Beam 支援的分散式处理后端之一执行：Apache Apex、Apache Flink、Apache Spark 和 Google Cloud Dataflow。Apache Beam 对于 ETL（提取、转换和载入）任务非常有用，例如在不同的存储介质和数据源之间移动数据、将数据转换为更理想的格式以及将数据载入到新系统。

在这个由讲师指导的现场培训（现场或远端）中，参与者将学习如何在 Java 或 Python 应用程式中实施 Apache Beam SDK，该应用程式定义了一个数据处理管道，用于将大数据集分解成更小的块，以进行独立的并行处理。

在本次培训结束时，参与者将能够：

• 安装和配置 Apache Beam。
• 使用单个程式设计模型从其 Java 或 Python 应用程式执行批处理和流处理。
• 跨多个环境执行管道。

课程形式

• 部分讲座、部分讨论、练习和大量动手实践

注意

• 本课程将在未来提供 Scala。请联系我们安排。

在这个由 中国 讲师指导的现场培训中，参与者将学习如何构建 Data Vault。

在本次培训结束时，参与者将能够：

• 了解 Data Vault 2.0 背后的架构和设计概念，以及它与 Big Data、NoSQL 和 AI 的交互。
• 使用数据保险库技术对数据仓库中的历史数据进行审计、跟踪和检查。
• 开发一致且可重复的 ETL（提取、转换、载入）流程。
• 构建和部署高度可扩展且可重复的仓库。

这个由 中国 的讲师指导式现场培训（在线或现场）介绍了分散式流和批处理数据处理背后的原理和方法，并引导参与者在 Apache Flink 中创建实时数据流应用程式。

在本次培训结束时，参与者将能够：

• 设置用于开发数据分析应用程式的环境。
• 了解 Apache Flink 的 图形处理库 （Gelly） 的工作原理。
• 打包、执行和监控基于 Flink 的容错数据流应用程式。
• 管理各种工作负载。
• 执行高级分析。
• 设置多节点 Flink 集群。
• 衡量和优化性能。
• 将 Flink 与不同的 Big Data 系统集成。
• 将 Flink 功能与其他大数据处理框架的功能进行比较。

在这个由 中国 的讲师指导式现场培训中，参与者将了解用于处理图形数据的技术产品和实施方法。目的是识别现实世界的物件、它们的特征和关系，然后对这些关系进行建模，并使用 Graph Computing（也称为图形分析）方法将它们作为数据处理。我们从广泛的概述开始，然后逐步完成一系列案例研究、动手练习和即时部署，然后缩小具体工具的范围。

在本次培训结束时，参与者将能够：

• 了解如何持久保存和遍历图形数据。
• 为给定任务选择最佳框架（从图形资料库到批处理框架）。
• 实现 Hadoop、Spark GraphX 和 Pregel 以跨多台机器并行执行图计算。
• 从图形、流程和遍历的角度查看真实的大数据问题。

这个由 讲师指导的 中国 现场培训（在线或现场）面向希望在 Data Science 中使用 Kaggle 学习和建立职业生涯的数据科学家和开发人员。

在本次培训结束时，参与者将能够：

• 了解数据科学和机器学习。
• 探索数据分析。
• 了解 Kaggle 及其工作原理。

这个由 讲师指导的 中国 现场培训（在线或现场）面向希望在不编写代码的情况下实现 Apache Kafka 流处理的开发人员。

在本次培训结束时，参与者将能够：

• 安装和配置 Confluent KSQL。
• 仅使用 SQL 命令（无 Java 或 Python 编码）设置流处理管道。
• 完全在 SQL 中执行数据过滤、转换、聚合、连接、视窗化和会话化。
• 为流式 ETL 和即时分析设计和部署互动式连续查询。

这种由 讲师指导的 中国 现场现场培训（在线或现场）面向希望使用 Modin 构建和实施并行计算的数据科学家和开发人员 Pandas 以加快数据分析速度。

在本次培训结束时，参与者将能够：

• 设置必要的环境，开始使用 Modin 大规模开发 Pandas 工作流。
• 了解 Modin 的功能、架构和优势。
• 了解 Modin、Dask 和 Ray 之间的区别。
• 使用 Modin 更快地执行 Pandas 操作。
• 实现整个 Pandas API 和函数。

在这个以讲师为主导的中国现场或远端培训中，参与者将学习如何在实时实验室环境中部署和管理Apache NiFi。

在培训结束时，参与者将能够：

• 安装并配置 Apachi NiFi。
• 从不同的分散式数据源（包括资料库和大数据湖）中获取、转换和管理数据。
• 自动化数据流。
• 启用流分析。
• 应用各种方法进行数据引入。
• 转换 Big Data 并转化为业务洞察。

在这个由讲师指导的 中国 现场培训中，参与者将学习基于流程的程式设计的基础知识，因为他们使用 Apache NiFi 开发许多演示扩展、元件和处理器。

在培训结束时，参与者将能够：

• 了解 NiFi 的架构和数据流概念。
• 使用 NiFi 和第三方 API 开发扩展。
• 定制开发自己的Apache Nifi处理器。
• 从不同和不常见的档格式和数据源中摄取和处理实时数据。

这种以讲师为主导的中国现场培训（现场或远程）针对希望使用RAPIDS构建GPU加速数据管道，工作流和可视化的数据科学家和开发人员，应用机器学习算法，如XGBoost，cuML等。

在培训结束时，参与者将能够：

• 设置必要的开发环境以使用 NVIDIA RAPIDS 构建数据模型。
• 了解 RAPIDS 的特性、组件和优势。
• 利用 GPU 加速端到端数据和分析管道。
• 使用 cuDF 和 Apache Arrow 实现 GPU 加速的数据准备和 ETL。
• 了解如何使用 XGBoost 和 cuML 算法执行机器学习任务。
• 使用 cuXfilter 和 cuGraph 构建数据可视化并执行图形分析。

在这个由讲师指导的 中国 现场培训中，参与者将学习如何在动手练习中同时使用 Python 和 Spark 来分析大数据。

在培训结束时，参与者将能够：

• 了解如何将 Spark 与 Python 结合使用来分析 Big Data。
• 进行模仿真实世界案例的练习。
• 使用 PySpark 使用不同的工具和技术进行大数据分析。

这种以讲师为主导的中国现场培训（现场或远程）针对希望使用Spark Streaming功能处理和分析实时数据的数据工程师，数据科学家和程序员。

在本次培训结束时，参与者将能够使用 Spark Streaming 处理实时数据流，以便在数据库、文件系统和实时仪表板中使用。