Місцеві, під керівництвом інструктора живуть великі курси навчання даних починаються з введення в елементарний концепції великих даних, а потім прогресу в мовах програмування і методологій, які використовуються для виконання аналізу даних. Засоби та інфраструктура для ввімкнення великих сховищ даних, розподілених переробки та масштабованості обговорюються, порівнюються і впроваджені в демонстраційних сесій.
Велика підготовка даних доступна як "на місці навчання" або "дистанційне навчання жити". На місці навчання в прямому ефірі може здійснюватися на місцевому рівні в україні або в Неbleprog корпоративні навчальні центри в україні. Дистанційне навчання в прямому ефірі здійснюється шляхом інтерактивного, віддаленого робочого стола.
Nobleпрога-ваш місцевий навчальний провайдер
Machine Translated
Відгуки
Той факт, що всі дані та програмне забезпечення були готові до використання на вже підготовленої VM, що надається тренером у зовнішніх дисках.
vyzVoice
Курси: Hadoop for Developers and Administrators
Machine Translated
Діапазон матеріалів
Maciej Jonczyk
Курси: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Систематизація знань в області ML
Orange Polska
Курси: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Багато питань, які можуть бути вивчені після тренування
Klaudia Kłębek
Курси: Data Mining z wykorzystaniem R
Machine Translated
Тренер був настільки добре обізнаний і включив області я був зацікавлений.
Mohamed Salama
Курси: Data Mining & Machine Learning with R
Machine Translated
Дуже пристосована до потреб.
Yashan Wang
Курси: Data Mining with R
Machine Translated
Річард дуже спокійний і методичний, з аналітичними проникливістю-саме ті якості, які необхідно представити такого роду звичайно.
Kieran Mac Kenna
Курси: Spark for Developers
Machine Translated
Мені подобається вправи зробили.
Nour Assaf
Курси: Data Mining and Analysis
Machine Translated
Практичний вправи і тренер здатності пояснювати складні теми простими термінами.
youssef chamoun
Курси: Data Mining and Analysis
Machine Translated
Надана інформація була цікавою і найкраща частина була до кінця, коли ми були надані дані з Durex і працював над даними, які ми знайомі з і виконувати операції, щоб отримати результати.
Jessica Chaar
Курси: Data Mining and Analysis
Machine Translated
Я в основному сподобався тренер даючи реальні приклади жити.
Simon Hahn
Курси: Administrator Training for Apache Hadoop
Machine Translated
Я щиро користувався великими компетенціями тренера.
Grzegorz Gorski
Курси: Administrator Training for Apache Hadoop
Machine Translated
Я щиро користувався багатьма практичний сесій.
Jacek Pieczątka
Курси: Administrator Training for Apache Hadoop
Machine Translated
Я думала, що інформація була цікава.
Allison May
Курси: Data Visualization
Machine Translated
Я дійсно оцінив, що Джефф використовував дані і приклади, які були застосовні до освітніх даних. Він зробив це цікавим і інтерактивним.
Carol Wells Bazzichi
Курси: Data Visualization
Machine Translated
Дізнатися про всі типи діаграм і для чого вони використовуються. Вивчення вартості захаращення. Дізнатися про методи відображення даних часу.
Susan Williams
Курси: Data Visualization
Machine Translated
Тренер був ентузіазм.
Diane Lucas
Курси: Data Visualization
Machine Translated
Мені дуже сподобався контент/інструктор.
Craig Roberson
Курси: Data Visualization
Machine Translated
Я практичний учень, і це було те, що він зробив багато.
Lisa Comfort
Курси: Data Visualization
Machine Translated
Мені сподобалися приклади.
Peter Coleman
Курси: Data Visualization
Machine Translated
Мені сподобалися приклади.
Peter Coleman
Курси: Data Visualization
Machine Translated
Мені подобалося хороший реальний прикладів світу, огляди існуючих доповідей.
Ronald Parrish
Курси: Data Visualization
Machine Translated
Можливі сценарії та випадки
zhaopeng liu - Fmr
Курси: Spark for Developers
Machine Translated
Приклад дослідження
国栋 张
Курси: Spark for Developers
Machine Translated
Всі частини сесії
Eric Han - Fmr
Курси: Spark for Developers
Machine Translated
Я дійсно була вигода від готовності тренера поділитися більше.
Balaram Chandra Paul
Курси: A practical introduction to Data Analysis and Big Data
Machine Translated
Ми знаємо набагато більше про все навколишнє середовище.
John Kidd
Курси: Spark for Developers
Machine Translated
Тренер зробив клас цікавим і цікавим, який допомагає зовсім небагато з усім днем навчання.
Ryan Speelman
Курси: Spark for Developers
Machine Translated
Я думаю, що тренер був відмінним стилем поєднання гумору і реальних історій життя, щоб предмети на руку дуже доступним. Я дуже рекомендую цей професор в майбутньому.
Курси: Spark for Developers
Machine Translated
Дуже сподобався інтерактивний спосіб навчання.
Luigi Loiacono
Курси: Data Analysis with Hive/HiveQL
Machine Translated
Це була дуже практична підготовка, я любив руки-на навчаннях.
Proximus
Курси: Data Analysis with Hive/HiveQL
Machine Translated
Я отримав вигоду від хорошого огляду, хороший баланс між теорією і вправами.
Proximus
Курси: Data Analysis with Hive/HiveQL
Machine Translated
Мені подобалося динамічної взаємодії і "практичний" предмет, завдяки віртуальній машині, дуже стимулюючу!.
Philippe Job
Курси: Data Analysis with Hive/HiveQL
Machine Translated
Ернесто зробив велику роботу, пояснивши високого рівня концепцій використання іскри і різних його модулів.
Michael Nemerouf
Курси: Spark for Developers
Machine Translated
Я отримав вигоду від компетенції та знань тренера.
Jonathan Puvilland
Курси: Data Analysis with Hive/HiveQL
Machine Translated
Я взагалі отримав вигоду від презентації технологій.
Continental AG / Abteilung: CF IT Finance
Курси: A practical introduction to Data Analysis and Big Data
Machine Translated
Загальний зміст було добре.
Sameer Rohadia
Курси: A practical introduction to Data Analysis and Big Data
Machine Translated
Приклади вправ, обмін практичним досвідом роботи
澳新银行
Курси: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Знання вчителя щодо сховища даних є дуже всеосяжним, хваліть!
澳新银行
Курси: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Вчитель пояснив деталі та обговорив атмосферу.
澳新银行
Курси: Data Vault: Building a Scalable Data Warehouse
Machine Translated
Майкл тренер дуже добре обізнаний і вміла про предмет Big Data і R. Він дуже гнучкий і швидко налаштувати підготовку клієнтів задоволення потреб. Він також дуже здатний вирішувати технічні проблеми і питання предмета на ходу. Фантастична і професійна підготовка!.
Xiaoyuan Geng - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Курси: Programming with Big Data in R
Machine Translated
Мені дуже подобалося введення нових пакетів.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Курси: Programming with Big Data in R
Machine Translated
Репетитор, містер Майкл Ян, дуже добре спілкувався з аудиторією, інструкція була зрозумілою. Викладач також намагається додати більше інформації на основі запитів студентів під час навчання.
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Курси: Programming with Big Data in R
Machine Translated
Предмет і темпи були досконалими.
Tim - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
Курси: Programming with Big Data in R
Machine Translated
Приклад і навчальний матеріал було достатньо і було легко зрозуміти, що ви робите.
Teboho Makenete
Курси: Data Science for Big Data Analytics
Machine Translated
Це один із найкращих практичних занять із програмування вправ, які я коли-небудь брав.
Laura Kahn
Курси: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Це одна з кращих якість онлайн навчання я коли-небудь прийнятих в моїй 13-річної кар'єри. Слідкуйте за велику роботу!.
Курси: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Це було дуже практичний, ми провели половину часу насправді роблять речі в затьмарені/Хардтоп, що працюють різні команди, перевіряючи систему, і так далі. Додаткові матеріали (книги, сайти і т. д.) були дійсно оцінили, ми повинні будуть продовжувати вчитися. Установки були досить весело, і дуже зручно, установка кластера з нуля було дійсно добре.
Ericsson
Курси: Administrator Training for Apache Hadoop
Machine Translated
Стиль навчання Річарда зберіг це цікаво, реальний світ прикладів, використовуваних допомогли керувати поняттями будинку.
Jamie Martin-Royle - NBrown Group
Курси: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Зміст, як я знайшов це дуже цікаво і думаю, що це допоможе мені в моєму останньому році в університеті.
Krishan Mistry - NBrown Group
Курси: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
Я думаю, що тренер був відмінним стилем поєднання гумору і реальних історій життя, щоб предмети на руку дуже доступним. Я дуже рекомендую цей професор в майбутньому.
Курси: Spark for Developers
Machine Translated
Це одна з кращих якість онлайн навчання я коли-небудь прийнятих в моїй 13-річної кар'єри. Слідкуйте за велику роботу!.
Курси: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Big Data Зміст курсу
Назва курсу
Тривалість
Огляд
Назва курсу
Тривалість
Огляд
21 годин
Огляд
Apache Accumulo - це відсортований, розподілений ключ / значення, який забезпечує надійне, масштабоване зберігання та пошук даних. Він заснований на дизайні BigTable Go ogle і працює від Apache Hadoop , Apache Zookeeper та Apache Thrift .
Цей живий курс під керівництвом інструкторів охоплює принципи роботи, що стоять за Accumulo, і прогулює учасників шляхом розробки зразкового додатку на Apache Accumulo .
Формат курсу
- Частина лекції, частина обговорення, практична розробка та впровадження, періодичні тести, щоб оцінити розуміння
Цей живий курс під керівництвом інструкторів охоплює принципи роботи, що стоять за Accumulo, і прогулює учасників шляхом розробки зразкового додатку на Apache Accumulo .
Формат курсу
- Частина лекції, частина обговорення, практична розробка та впровадження, періодичні тести, щоб оцінити розуміння
21 годин
Огляд
Платформа аналітики KNIME є провідним варіантом з відкритим вихідним кодом для інновацій на основі даних, допомагаючи вам виявити потенціал прихованих у ваших даних, мої свіжі ідеї, або прогнозувати нові ф'ючерси. З більш ніж 1000 модулів, сотні готових до виконання прикладів, всеосяжний спектр інтегрованих інструментів, а також найширший вибір передових алгоритмів доступні, KNIME аналітики платформа є ідеальним інструментарій для будь-якого вченого і бізнес-аналітик.
Цей курс для платформи аналітики KNIME є ідеальною можливістю для новачків, досвідчених користувачів і KNIME експертів, які будуть введені в KNIME, щоб дізнатися, як використовувати його більш ефективно, і як створювати чіткі, комплексні звіти на основі KNIME робочих циклів
Цей курс для платформи аналітики KNIME є ідеальною можливістю для новачків, досвідчених користувачів і KNIME експертів, які будуть введені в KNIME, щоб дізнатися, як використовувати його більш ефективно, і як створювати чіткі, комплексні звіти на основі KNIME робочих циклів
21 годин
Огляд
Apache Spark is a distributed processing engine for analyzing very large data sets. It can process data in batches and real-time, as well as carry out machine learning, ad-hoc queries, and graph processing. .NET for Apache Spark is a free, open-source, and cross-platform big data analytics framework that supports applications written in C# or F#.
This instructor-led, live training (online or onsite) is aimed at developers who wish to carry out big data analysis using Apache Spark in their .NET applications.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand how .NET implements Spark APIs so that they can be accessed from a .NET application.
- Develop data processing applications using C# or F#, capable of handling data sets whose size is measured in terabytes and pedabytes.
- Develop machine learning features for a .NET application using Apache Spark capabilities.
- Carry out exploratory analysis using SQL queries on big data sets.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at developers who wish to carry out big data analysis using Apache Spark in their .NET applications.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand how .NET implements Spark APIs so that they can be accessed from a .NET application.
- Develop data processing applications using C# or F#, capable of handling data sets whose size is measured in terabytes and pedabytes.
- Develop machine learning features for a .NET application using Apache Spark capabilities.
- Carry out exploratory analysis using SQL queries on big data sets.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
28 годин
Огляд
MonetDB - це база даних з відкритим кодом, яка стала піонером технологічного підходу "колона-магазин".
У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися, як використовувати MonetDB і як отримати максимальну користь від неї.
До кінця цього тренінгу учасники зможуть:
- Зрозумійте MonetDB та його функції
- Встановіть і запустіть MonetDB
- Досліджуйте та виконуйте різні функції та завдання в MonetDB
- Прискорення доставки свого проекту шляхом максимального використання можливостей MonetDB
Аудиторія
- Розробники
- Технічні експерти
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
У цьому навчанні під керівництвом інструктора, учасники навчаться навчатися, як використовувати MonetDB і як отримати максимальну користь від неї.
До кінця цього тренінгу учасники зможуть:
- Зрозумійте MonetDB та його функції
- Встановіть і запустіть MonetDB
- Досліджуйте та виконуйте різні функції та завдання в MonetDB
- Прискорення доставки свого проекту шляхом максимального використання можливостей MonetDB
Аудиторія
- Розробники
- Технічні експерти
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
7 годин
Огляд
This instructor-led, live training (online or onsite) is aimed at technical persons who wish to learn how to implement a machine learning strategy while maximizing the use of big data.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
By the end of this training, participants will:
- Understand the evolution and trends for machine learning.
- Know how machine learning is being used across different industries.
- Become familiar with the tools, skills and services available to implement machine learning within an organization.
- Understand how machine learning can be used to enhance data mining and analysis.
- Learn what a data middle backend is, and how it is being used by businesses.
- Understand the role that big data and intelligent applications are playing across industries.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
28 годин
Огляд
Mem SQL - це вбудована в пам'ять, розподілена система управління SQL даних SQL для хмарних та локальних систем. Це сховище даних у режимі реального часу, яке негайно надає уявлення з живих та історичних даних.
У цьому тренінгу під керівництвом інструкторів учасники вивчать основи Mem SQL для розробки та адміністрування.
Після закінчення цього тренінгу учасники зможуть:
- Зрозумійте ключові поняття та характеристики Mem SQL
- Встановлення, проектування, обслуговування та експлуатація Mem SQL
- Оптимізуйте схеми в Mem SQL
- Поліпшення запитів у Mem SQL
- Виконання тестів у Mem SQL
- Створюйте додатки даних у режимі реального часу за допомогою Mem SQL
Аудиторія
- Розробники
- Адміністратори
- Інженери з експлуатації
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
У цьому тренінгу під керівництвом інструкторів учасники вивчать основи Mem SQL для розробки та адміністрування.
Після закінчення цього тренінгу учасники зможуть:
- Зрозумійте ключові поняття та характеристики Mem SQL
- Встановлення, проектування, обслуговування та експлуатація Mem SQL
- Оптимізуйте схеми в Mem SQL
- Поліпшення запитів у Mem SQL
- Виконання тестів у Mem SQL
- Створюйте додатки даних у режимі реального часу за допомогою Mem SQL
Аудиторія
- Розробники
- Адміністратори
- Інженери з експлуатації
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
21 годин
Огляд
MATLAB - це числове обчислювальне середовище та мова програмування, розроблена MathWorks.
7 годин
Огляд
У цьому тренінгу під керівництвом інструкторів учасники вивчатимуть основні концепції, що стоять за архітектурою MapR Stream, під час розробки програми потокового потоку в реальному часі.
Після закінчення цього тренінгу учасники зможуть створювати додатки для виробників та споживачів для обробки потокових даних у режимі реального часу.
Аудиторія
- Розробники
- Адміністратори
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Примітка
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
Після закінчення цього тренінгу учасники зможуть створювати додатки для виробників та споживачів для обробки потокових даних у режимі реального часу.
Аудиторія
- Розробники
- Адміністратори
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Примітка
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
14 годин
Огляд
Magellan - це механізм розподіленого виконання з відкритим кодом для геопросторової аналітики великих даних. Реалізований поверх Apache Spark , він розширює Spark SQL і забезпечує реляційну абстракцію для геопросторової аналітики.
Цей тренінг під керівництвом викладачів знайомить із концепціями та підходами до впровадження геопросторової аналітики та прогулянок учасників шляхом створення програми прогнозного аналізу за допомогою Magellan on Spark.
Після закінчення цього тренінгу учасники зможуть:
- Ефективно запитувати, аналізувати та приєднуватися до геопросторових наборів даних у масштабі
- Впроваджуйте геопросторові дані в додатках бізнес-аналітики та прогнозування
- Використовуйте просторовий контекст для розширення можливостей мобільних пристроїв, датчиків, журналів та носіння
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
Цей тренінг під керівництвом викладачів знайомить із концепціями та підходами до впровадження геопросторової аналітики та прогулянок учасників шляхом створення програми прогнозного аналізу за допомогою Magellan on Spark.
Після закінчення цього тренінгу учасники зможуть:
- Ефективно запитувати, аналізувати та приєднуватися до геопросторових наборів даних у масштабі
- Впроваджуйте геопросторові дані в додатках бізнес-аналітики та прогнозування
- Використовуйте просторовий контекст для розширення можливостей мобільних пристроїв, датчиків, журналів та носіння
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
14 годин
Огляд
Apache Kylin - екстремальний, розподілений аналітичний движок для великих даних.
У цій навчальному тренінгу під керівництвом інструктора учасники навчаться використовувати Apache Kylin для створення сховища даних в реальному часі.
До кінця цього тренінгу учасники зможуть:
- Використовуйте поточні дані у режимі реального часу, використовуючи Kylin
- Використовуйте потужні функції Apache Kylin, включаючи підтримку схеми сніжинки, багатий інтерфейс SQL, іскріння та подвійний час затримки запиту
Примітка
- Ми використовуємо останню версію Kylin (на момент написання цієї статті, Apache Kylin v2.0)
Аудиторія
- Великі інженери даних
- Великі аналітики даних
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
У цій навчальному тренінгу під керівництвом інструктора учасники навчаться використовувати Apache Kylin для створення сховища даних в реальному часі.
До кінця цього тренінгу учасники зможуть:
- Використовуйте поточні дані у режимі реального часу, використовуючи Kylin
- Використовуйте потужні функції Apache Kylin, включаючи підтримку схеми сніжинки, багатий інтерфейс SQL, іскріння та подвійний час затримки запиту
Примітка
- Ми використовуємо останню версію Kylin (на момент написання цієї статті, Apache Kylin v2.0)
Аудиторія
- Великі інженери даних
- Великі аналітики даних
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
7 годин
Огляд
Confluent KSQL is a stream processing framework built on top of Apache Kafka. It enables real-time data processing using SQL operations.
This instructor-led, live training (online or onsite) is aimed at developers who wish to implement Apache Kafka stream processing without writing code.
By the end of this training, participants will be able to:
- Install and configure Confluent KSQL.
- Set up a stream processing pipeline using only SQL commands (no Java or Python coding).
- Carry out data filtering, transformations, aggregations, joins, windowing, and sessionization entirely in SQL.
- Design and deploy interactive, continuous queries for streaming ETL and real-time analytics.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at developers who wish to implement Apache Kafka stream processing without writing code.
By the end of this training, participants will be able to:
- Install and configure Confluent KSQL.
- Set up a stream processing pipeline using only SQL commands (no Java or Python coding).
- Carry out data filtering, transformations, aggregations, joins, windowing, and sessionization entirely in SQL.
- Design and deploy interactive, continuous queries for streaming ETL and real-time analytics.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
35 годин
Огляд
KNIME is a free and open-source data analytics, reporting and integration platform. KNIME integrates various components for machine learning and data mining through its modular data pipelining concept. A graphical user interface and use of JDBC allows assembly of nodes blending different data sources, including preprocessing (ETL: Extraction, Transformation, Loading), for modeling, data analysis and visualization without, or with only minimal, programming. To some extent as advanced analytics tool KNIME can be considered as a SAS alternative.
Since 2006, KNIME has been used in pharmaceutical research, it also used in other areas like CRM customer data analysis, business intelligence and financial data analysis.
Since 2006, KNIME has been used in pharmaceutical research, it also used in other areas like CRM customer data analysis, business intelligence and financial data analysis.
21 годин
Огляд
Відкриття знань у базах даних (KDD) - це процес виявлення корисних знань із колекції даних. Програми реального життя для цієї технології видобутку даних включають маркетинг, виявлення шахрайства, телекомунікації та виробництво.
У цьому живому курсі під керівництвом інструкторів ми знайомимося з процесами, що беруть участь у KDD, та проводимо ряд вправ для практичного впровадження цих процесів.
Аудиторія
- Аналітики даних або хтось зацікавлений у тому, щоб навчитися інтерпретувати дані для вирішення проблем
Формат курсу
- Після теоретичного обговорення KDD викладач представить реальні випадки, які вимагають застосування KDD для вирішення проблеми. Учасники підготують, підберуть та очистять набір зразків даних та використають свої попередні знання щодо даних, щоб запропонувати рішення на основі результатів своїх спостережень.
У цьому живому курсі під керівництвом інструкторів ми знайомимося з процесами, що беруть участь у KDD, та проводимо ряд вправ для практичного впровадження цих процесів.
Аудиторія
- Аналітики даних або хтось зацікавлений у тому, щоб навчитися інтерпретувати дані для вирішення проблем
Формат курсу
- Після теоретичного обговорення KDD викладач представить реальні випадки, які вимагають застосування KDD для вирішення проблеми. Учасники підготують, підберуть та очистять набір зразків даних та використають свої попередні знання щодо даних, щоб запропонувати рішення на основі результатів своїх спостережень.
7 годин
Огляд
Apache NiFi (Hortonworks DataFlow) є в режимі реального часу інтегрована логістика даних і проста платформа обробки подій, яка дозволяє рухатися, відстеження та автоматизації даних між системами. Вона написана з використанням потоку на основі програмування і надає веб-інтерфейс користувача для управління datafflow в режимі реального часу.
в цьому інструктор під керівництвом, жити навчання, учасники будуть вивчати основи потоку на основі програмування, як вони розробляють ряд демо-розширень, компонентів і процесорів з використанням Apache NiFi.
до кінця тренінгу учасники зможуть:
- розуміти nifi & #39; з архітектурою і потік даних концепцій.
- розробка розширень, що використовують NiFi та сторонні інтерфейси.
- звичай розвивати свої власні процесори Apache Nifi.
- ковтати і обробляти дані в реальному часі з різних і незвичайних форматів файлів і джерел даних.
Формат курсу
- Інтерактивна лекція та дискусія.
- багато вправ і практики.
- практичної реалізації в живій лабораторній обстановці.
курс параметри налаштування
- щоб запросити індивідуальну підготовку за цей курс, будь ласка, зв'яжіться з нами, щоб організувати.
в цьому інструктор під керівництвом, жити навчання, учасники будуть вивчати основи потоку на основі програмування, як вони розробляють ряд демо-розширень, компонентів і процесорів з використанням Apache NiFi.
до кінця тренінгу учасники зможуть:
- розуміти nifi & #39; з архітектурою і потік даних концепцій.
- розробка розширень, що використовують NiFi та сторонні інтерфейси.
- звичай розвивати свої власні процесори Apache Nifi.
- ковтати і обробляти дані в реальному часі з різних і незвичайних форматів файлів і джерел даних.
Формат курсу
- Інтерактивна лекція та дискусія.
- багато вправ і практики.
- практичної реалізації в живій лабораторній обстановці.
курс параметри налаштування
- щоб запросити індивідуальну підготовку за цей курс, будь ласка, зв'яжіться з нами, щоб організувати.
7 годин
Огляд
Kafka Streams - це клієнтська бібліотека для побудови додатків та мікросервісів, дані яких передаються до та з системи обміну повідомленнями Kafka. Традиційно Apache Kafka покладається на Apache Spark або Apache Storm для обробки даних між виробниками повідомлень та споживачами. Викликаючи API Kafka Streams з програми, дані можуть оброблятися безпосередньо в Kafka, минаючи необхідність відправки даних в окремий кластер для обробки.
У цьому тренінгу під керівництвом інструкторів учасники дізнаються, як інтегрувати Kafka Streams у набір зразків Java програм, які передають дані до Apache Kafka та передаються для обробки потоку.
Після закінчення цього тренінгу учасники зможуть:
- Розуміння особливостей та переваг Kafka Streams перед іншими структурами обробки потоків
- Обробляйте потокові дані безпосередньо в кластері Kafka
- Напишіть програму Java або Scala або мікросервіс, який інтегрується з Kafka та Kafka Streams
- Напишіть стислий код, який перетворює вхідні теми Kafka у вихідні теми Kafka
- Створіть, упакуйте та розгорніть програму
Аудиторія
- Розробники
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Примітки
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись
У цьому тренінгу під керівництвом інструкторів учасники дізнаються, як інтегрувати Kafka Streams у набір зразків Java програм, які передають дані до Apache Kafka та передаються для обробки потоку.
Після закінчення цього тренінгу учасники зможуть:
- Розуміння особливостей та переваг Kafka Streams перед іншими структурами обробки потоків
- Обробляйте потокові дані безпосередньо в кластері Kafka
- Напишіть програму Java або Scala або мікросервіс, який інтегрується з Kafka та Kafka Streams
- Напишіть стислий код, який перетворює вхідні теми Kafka у вихідні теми Kafka
- Створіть, упакуйте та розгорніть програму
Аудиторія
- Розробники
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Примітки
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись
21 годин
Огляд
Stream Processing відноситься до Stream Processing в режимі реального часу "даних у русі", тобто виконання обчислень даних під час їх отримання. Такі дані читаються як безперервні потоки з джерел даних, таких як датчики подій, активність користувачів веб-сайту, фінансові торги, перетягування кредитних карт, потоки кліків тощо. Структури Stream Processing потоків здатні зчитувати великі обсяги вхідних даних і надавати цінну інформацію майже миттєво.
У цьому навчанні на практиці під керівництвом інструкторів (на місці або на дистанційному рівні) учасники навчаться налаштувати та інтегрувати різні рамки Stream Processing з існуючими системами зберігання великих даних та відповідними програмними програмами та мікросервісами.
Після закінчення цього тренінгу учасники зможуть:
- Встановіть та налаштуйте різні рамки Stream Processing , такі як Spark Streaming та Kafka Streaming.
- Розумійте та вибирайте найбільш підходящу основу для роботи.
- Обробляйте дані безперервно, одночасно та в режимі рекорду.
- Інтегруйте рішення Stream Processing даних з існуючими базами даних, сховищами даних, озерами даних тощо.
- Інтеграція найбільш підходящої бібліотеки обробки потоків з корпоративними програмами та мікросервісами.
Аудиторія
- Розробники
- Архітектори програмного забезпечення
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Примітки
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
У цьому навчанні на практиці під керівництвом інструкторів (на місці або на дистанційному рівні) учасники навчаться налаштувати та інтегрувати різні рамки Stream Processing з існуючими системами зберігання великих даних та відповідними програмними програмами та мікросервісами.
Після закінчення цього тренінгу учасники зможуть:
- Встановіть та налаштуйте різні рамки Stream Processing , такі як Spark Streaming та Kafka Streaming.
- Розумійте та вибирайте найбільш підходящу основу для роботи.
- Обробляйте дані безперервно, одночасно та в режимі рекорду.
- Інтегруйте рішення Stream Processing даних з існуючими базами даних, сховищами даних, озерами даних тощо.
- Інтеграція найбільш підходящої бібліотеки обробки потоків з корпоративними програмами та мікросервісами.
Аудиторія
- Розробники
- Архітектори програмного забезпечення
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Примітки
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
14 годин
Огляд
Аудиторія
- Розробники
Формат курсу
- Лекції, практичні заняття, невеликі тести на шляху до розуміння розуміння
- Розробники
Формат курсу
- Лекції, практичні заняття, невеликі тести на шляху до розуміння розуміння
21 годин
Огляд
Cloudera Impala - це двигун SQL-запитів з масивно паралельною обробкою (MPP) із відкритим кодом для кластерів Apache Hadoop.
Impala дає користувачам змогу видавати запити з низькою затримкою SQL на дані, що зберігаються в розподіленої файлової системи Hadoop та Apache Hbase, не вимагаючи руху даних або перетворення.
Аудиторія
Цей курс спрямований на аналітики та вчені даних, які виконують аналіз даних, що зберігаються в Hadoop через Business Intelligence або SQL-інструменти.
Після цього курсу делегати зможуть
- Витягніть важливу інформацію з кластерів Hadoop з Impala.
- Напишіть спеціальні програми для полегшення бізнес-інтелекту в Impalt SQL Dialect.
- Виправлення неполадок.
Impala дає користувачам змогу видавати запити з низькою затримкою SQL на дані, що зберігаються в розподіленої файлової системи Hadoop та Apache Hbase, не вимагаючи руху даних або перетворення.
Аудиторія
Цей курс спрямований на аналітики та вчені даних, які виконують аналіз даних, що зберігаються в Hadoop через Business Intelligence або SQL-інструменти.
Після цього курсу делегати зможуть
- Витягніть важливу інформацію з кластерів Hadoop з Impala.
- Напишіть спеціальні програми для полегшення бізнес-інтелекту в Impalt SQL Dialect.
- Виправлення неполадок.
7 годин
Огляд
Цей курс висвітлює, як використовувати мову SQL Hive (AKA: Hive HQL, SQL на Hive , Hive QL) для людей, які витягують дані з Hive
21 годин
Огляд
Hortonworks Data Platform (HDP) - це платформа підтримки Apache Hadoop з відкритим кодом, що забезпечує стабільну основу для розробки великих рішень для даних в екосистемі Apache Hadoop .
Цей тренінг під керівництвом інструкторів (на місці або на дистанційному рівні) представляє Hortonworks Data Platform (HDP) та прогулює учасників шляхом розгортання рішення Spark + Hadoop .
Після закінчення цього тренінгу учасники зможуть:
- Використовуйте Hortonworks для надійного запуску Hadoop у великих масштабах.
- Уніфікуйте можливості безпеки, управління та операційних можливостей Hadoop за допомогою гнучких аналітичних робочих процесів Spark.
- Використовуйте Hortonworks для дослідження, підтвердження, сертифікації та підтримки кожного з компонентів у проекті Spark.
- Обробляйте різні типи даних, включаючи структуровані, неструктуровані, в русі та в спокої.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
Цей тренінг під керівництвом інструкторів (на місці або на дистанційному рівні) представляє Hortonworks Data Platform (HDP) та прогулює учасників шляхом розгортання рішення Spark + Hadoop .
Після закінчення цього тренінгу учасники зможуть:
- Використовуйте Hortonworks для надійного запуску Hadoop у великих масштабах.
- Уніфікуйте можливості безпеки, управління та операційних можливостей Hadoop за допомогою гнучких аналітичних робочих процесів Spark.
- Використовуйте Hortonworks для дослідження, підтвердження, сертифікації та підтримки кожного з компонентів у проекті Spark.
- Обробляйте різні типи даних, включаючи структуровані, неструктуровані, в русі та в спокої.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
21 годин
Огляд
Цей курс представляє HBase - магазин No SQL на вершині Hadoop . Курс призначений для розробників, які будуть використовувати HBase для розробки додатків, а також адміністраторів, які будуть керувати кластерами HBase.
Ми будемо йти розробником через архітектуру HBase, моделювання даних і розробку додатків на HBase. Також буде обговорено використання MapReduce з HBase, а також деякі теми адміністрування, пов'язані з оптимізацією продуктивності. Курс дуже практичний з великою кількістю лабораторних вправ.
Тривалість : 3 дні
Аудиторія : розробники та адміністратори
Ми будемо йти розробником через архітектуру HBase, моделювання даних і розробку додатків на HBase. Також буде обговорено використання MapReduce з HBase, а також деякі теми адміністрування, пов'язані з оптимізацією продуктивності. Курс дуже практичний з великою кількістю лабораторних вправ.
Тривалість : 3 дні
Аудиторія : розробники та адміністратори
28 годин
Огляд
Hadoop - це популярна система обробки великих даних. Python - це мова програмування високого рівня, відомий своїм зрозумілим синтаксисом та читаемостью коду.
У цій інструкції під керівництвом живих тренінгів учасники навчаться працювати з Hadoop, MapReduce, Pig і Spark за допомогою Python, коли вони пройдуть кілька прикладів і використовують випадки.
До кінця цього тренінгу учасники зможуть:
- Зрозумійте основні концепції Hadoop, MapReduce, Pig і Spark
- Використовуйте Python з розподіленою файловою системою Hadoop (HDFS), MapReduce, Pig і Spark
- Використовуйте Snakebite для програмного доступу до HDFS у Python
- Використовуйте mrjob, щоб написати завдання MapReduce у Python
- Напишіть програми Spark за допомогою Python
- Розширюйте функціональність свині за допомогою Python UDF
- Керуйте роботами MapReduce та скриптами Pig, використовуючи Luigi
Аудиторія
- Розробники
- ІТ-фахівці
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
У цій інструкції під керівництвом живих тренінгів учасники навчаться працювати з Hadoop, MapReduce, Pig і Spark за допомогою Python, коли вони пройдуть кілька прикладів і використовують випадки.
До кінця цього тренінгу учасники зможуть:
- Зрозумійте основні концепції Hadoop, MapReduce, Pig і Spark
- Використовуйте Python з розподіленою файловою системою Hadoop (HDFS), MapReduce, Pig і Spark
- Використовуйте Snakebite для програмного доступу до HDFS у Python
- Використовуйте mrjob, щоб написати завдання MapReduce у Python
- Напишіть програми Spark за допомогою Python
- Розширюйте функціональність свині за допомогою Python UDF
- Керуйте роботами MapReduce та скриптами Pig, використовуючи Luigi
Аудиторія
- Розробники
- ІТ-фахівці
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
28 годин
Огляд
Аудиторія:
Цей курс покликаний демістифікувати технології великих даних / hadoop і показати, що це не важко зрозуміти.
Цей курс покликаний демістифікувати технології великих даних / hadoop і показати, що це не важко зрозуміти.
14 годин
Огляд
Оскільки все більше і більше програмних і ІТ-проектів мігрують з локальної обробки та керування даними в розподілену обробку та зберігання великих даних, Менеджери проектів виявляють необхідність вдосконалювати свої знання та навички, щоб зрозуміти концепції та практику, що стосуються проектів та можливостей Big Data.
Цей курс ознайомить менеджера проектів з найпопулярнішою системою обробки великих даних: Hadoop.
У цьому тренінгу під керівництвом інструкторів учасники вивчатимуть основні компоненти екосистеми Hadoop та способи використання цих технологій для вирішення великомасштабних проблем. У процесі вивчення цих основ учасники також покращуть свою здатність спілкуватися з розробниками та розробниками цих систем, а також вченими даних та аналітиками, якими задіяні багато ІТ-проектів.
Аудиторія
- Менеджери проектів, які бажають впроваджувати Hadoop в існуючу інфраструктуру розвитку або ІТ
- Менеджери проектів, які потребують спілкування з міжфункціональними групами, до складу яких входять великі інженери даних, вчені даних та бізнес-аналітики
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
Цей курс ознайомить менеджера проектів з найпопулярнішою системою обробки великих даних: Hadoop.
У цьому тренінгу під керівництвом інструкторів учасники вивчатимуть основні компоненти екосистеми Hadoop та способи використання цих технологій для вирішення великомасштабних проблем. У процесі вивчення цих основ учасники також покращуть свою здатність спілкуватися з розробниками та розробниками цих систем, а також вченими даних та аналітиками, якими задіяні багато ІТ-проектів.
Аудиторія
- Менеджери проектів, які бажають впроваджувати Hadoop в існуючу інфраструктуру розвитку або ІТ
- Менеджери проектів, які потребують спілкування з міжфункціональними групами, до складу яких входять великі інженери даних, вчені даних та бізнес-аналітики
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
21 годин
Огляд
Apache NiFi (Hortonworks DataFlow) - це інтегрована логістика даних у режимі реального часу та проста платформа для обробки подій, яка дозволяє переміщувати, відстежувати та автоматизувати дані між системами. Він написаний за допомогою потокового програмування та забезпечує веб-інтерфейс для управління потоками даних у режимі реального часу.
У цьому навчанні на Apache NiFi під керівництвом інструкторів (на місці або на віддаленому рівні) учасники навчаться розгортати Apache NiFi та керувати Apache NiFi у прямому лабораторному середовищі.
Після закінчення цього тренінгу учасники зможуть:
- Встановлення та налаштування Apachi NiFi.
- Джерело, перетворення та управління даними з різних, розподілених джерел даних, включаючи бази даних та великі озера даних.
- Автоматизація потоків даних.
- Увімкнути потокову аналітику.
- Застосовуйте різні підходи до прийому даних.
- Перетворіть Big Data та перегляньте інформацію про бізнес.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
У цьому навчанні на Apache NiFi під керівництвом інструкторів (на місці або на віддаленому рівні) учасники навчаться розгортати Apache NiFi та керувати Apache NiFi у прямому лабораторному середовищі.
Після закінчення цього тренінгу учасники зможуть:
- Встановлення та налаштування Apachi NiFi.
- Джерело, перетворення та управління даними з різних, розподілених джерел даних, включаючи бази даних та великі озера даних.
- Автоматизація потоків даних.
- Увімкнути потокову аналітику.
- Застосовуйте різні підходи до прийому даних.
- Перетворіть Big Data та перегляньте інформацію про бізнес.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
14 годин
Огляд
Мета курсу полягає в тому, щоб дати можливість учасникам оволодіти роботою з мовою SQL в базі даних Oracle для вилучення даних на проміжному рівні.
21 годин
Огляд
Apache Hadoop є одним з найпопулярніших фреймворків для обробки Big Data на кластерах серверів. Цей курс заглиблюється в управління даними в HDFS, просунуті Pig, Hive і HBase. Ці передові методи програмування будуть корисними для досвідчених розробників Hadoop .
Аудиторія : розробники
Тривалість: три дні
Формат: лекції (50%) та практичні заняття (50%).
Аудиторія : розробники
Тривалість: три дні
Формат: лекції (50%) та практичні заняття (50%).
35 годин
Огляд
MLlib - це бібліотека машинного навчання Spark. Його мета полягає в тому, щоб зробити практичне машинне навчання масштабованим і легким. Вона складається з загальних алгоритмів навчання та утиліт, включаючи класифікацію, регресію, кластеризацію, спільну фільтрацію, зменшення розмірності, а також примітиви оптимізації нижнього рівня та API API вищого рівня.
Він поділяється на два пакети:
-
spark.mllib містить оригінальний API, побудований поверх RDD.
-
spark.ml надає API вищого рівня, побудований на базі DataFrames для побудови конвеєрів ML.
Аудиторія
Цей курс спрямований на інженерів і розробників, які прагнуть використовувати вбудовану бібліотеку машин для Apache Spark
Він поділяється на два пакети:
-
spark.mllib містить оригінальний API, побудований поверх RDD.
-
spark.ml надає API вищого рівня, побудований на базі DataFrames для побудови конвеєрів ML.
Аудиторія
Цей курс спрямований на інженерів і розробників, які прагнуть використовувати вбудовану бібліотеку машин для Apache Spark
14 годин
Огляд
Apache Zeppelin - веб-ноутбук для захоплення, вивчення, візуалізації та обміну даними на основі Hadoop та Spark.
Цей тренінг під керівництвом інструкторів знайомить із концепціями інтерактивної аналітики даних та прогулює учасників шляхом розгортання та використання Zeppelin в середовищі для одного користувача або для багатьох користувачів.
Після закінчення цього тренінгу учасники зможуть:
- Встановіть і налаштуйте Zeppelin
- Розробка, організація, виконання та обмін даними в інтерфейсі на основі браузера
- Візуалізуйте результати, не посилаючись на командний рядок чи дані кластера
- Виконувати та співпрацювати на довгих робочих процесах
- Працюйте з будь-якою з кількох мов / програмних обробних даних, таких як Scala (з Apache Spark ), Python (з Apache Spark ), Spark SQL , JDBC, Markdown та Shell.
- Інтеграція Zeppelin з Spark, Flink та зменшення карт
- Захистіть багатокористувацькі екземпляри Zeppelin за допомогою Apache Shiro
Аудиторія
- Інженери даних
- Аналітики даних
- Дані вчених
- Розробники програмного забезпечення
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Цей тренінг під керівництвом інструкторів знайомить із концепціями інтерактивної аналітики даних та прогулює учасників шляхом розгортання та використання Zeppelin в середовищі для одного користувача або для багатьох користувачів.
Після закінчення цього тренінгу учасники зможуть:
- Встановіть і налаштуйте Zeppelin
- Розробка, організація, виконання та обмін даними в інтерфейсі на основі браузера
- Візуалізуйте результати, не посилаючись на командний рядок чи дані кластера
- Виконувати та співпрацювати на довгих робочих процесах
- Працюйте з будь-якою з кількох мов / програмних обробних даних, таких як Scala (з Apache Spark ), Python (з Apache Spark ), Spark SQL , JDBC, Markdown та Shell.
- Інтеграція Zeppelin з Spark, Flink та зменшення карт
- Захистіть багатокористувацькі екземпляри Zeppelin за допомогою Apache Shiro
Аудиторія
- Інженери даних
- Аналітики даних
- Дані вчених
- Розробники програмного забезпечення
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
14 годин
Огляд
Vespa - це велика обробка та обслуговування двигунів з відкритим кодом, створено компанією Yahoo. Він використовується для відповіді на запити користувачів, надання рекомендацій та надання персонального вмісту та реклами в реальному часі.
Цей навчальний курс, навчальний тренінг для вчителів, представляє проблеми, пов'язані з наданням великомасштабних даних і проходженням учасників шляхом створення програми, яка може обчислювати відповіді на запити користувачів, над великими наборами даних в режимі реального часу.
До кінця цього тренінгу учасники зможуть:
- Використовуйте Vespa для швидкого обчислення даних (зберігання, пошуку, ранжування, упорядкування) при обслуговуванні під час очікування користувача
- Впроваджуйте Vespa в існуючі програми, що включають пошук функцій, рекомендації та персоналізацію
- Інтеграція та розгортання Vespa з існуючими великими системами даних, такими як Hadoop і Storm.
Аудиторія
- Розробники
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
Цей навчальний курс, навчальний тренінг для вчителів, представляє проблеми, пов'язані з наданням великомасштабних даних і проходженням учасників шляхом створення програми, яка може обчислювати відповіді на запити користувачів, над великими наборами даних в режимі реального часу.
До кінця цього тренінгу учасники зможуть:
- Використовуйте Vespa для швидкого обчислення даних (зберігання, пошуку, ранжування, упорядкування) при обслуговуванні під час очікування користувача
- Впроваджуйте Vespa в існуючі програми, що включають пошук функцій, рекомендації та персоналізацію
- Інтеграція та розгортання Vespa з існуючими великими системами даних, такими як Hadoop і Storm.
Аудиторія
- Розробники
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
Інші країни
Консалтинг
Online Big Data courses, Weekend Big Data courses, Evening Big Data training, Big Data boot camp, Big Data instructor-led, Weekend Big Data training, Evening Big Data courses, Big Data coaching, Big Data instructor, Big Data trainer, Big Data training courses, Big Data classes, Big Data on-site, Big Data private courses, Big Data one on one training
.jpg "international air transport association (iata)")