這種由講師指導的台灣 現場培訓（現場或遠端）面向希望使用Microsoft Azure Cosmos DB開發和管理高回應和低延遲應用程式的資料庫管理員或開發人員。

在培訓結束時，參與者將能夠：

• 預配必要的 Cosmos DB 資源以開始生成資料庫和應用程式。
• 利用 Cosmos DB 中的 API 縮放應用程式效能和儲存。 
• 通過優化 Cosmos DB 資源來管理資料庫操作並降低成本。

在這個由 台灣 講師指導的現場培訓中，參與者將學習如何構建 Data Vault。

在本次培訓結束時，參與者將能夠：

• 瞭解 Data Vault 2.0 背後的架構和設計概念，以及它與 Big Data、NoSQL 和 AI 的交互。
• 使用數據保險庫技術對數據倉庫中的歷史數據進行審計、跟蹤和檢查。
• 開發一致且可重複的 ETL（提取、轉換、載入）流程。
• 構建和部署高度可擴展且可重複的倉庫。

這種以講師為主導的台灣現場培訓（現場或遠端）針對希望使用Spark Streaming功能處理和分析即時數據的數據工程師，數據科學家和程式師。

在本次培訓結束時，參與者將能夠使用 Spark Streaming 處理實時數據流，以便在資料庫、文件系統和即時儀錶板中使用。

這個由 講師指導的 台灣 現場培訓（在線或現場）面向希望在不編寫代碼的情況下實現 Apache Kafka 流處理的開發人員。

在本次培訓結束時，參與者將能夠：

• 安裝和配置 Confluent KSQL。
• 僅使用 SQL 命令（無 Java 或 Python 編碼）設置流處理管道。
• 完全在 SQL 中執行數據過濾、轉換、聚合、連接、視窗化和會話化。
• 為流式 ETL 和即時分析設計和部署互動式連續查詢。

此講師指導的 台灣 現場培訓（在線或現場）面向希望在逐步創建示例記憶體計算專案時瞭解持久和純記憶體存儲背後的原理的開發人員。

在本次培訓結束時，參與者將能夠：

• 使用 Ignite 實現記憶體中、磁碟上的持久性以及純分散式記憶體資料庫。
• 無需將數據同步回關係資料庫即可實現持久性。
• 使用 Ignite 執行 SQL 和分散式連接。
• 通過使用 RAM 作為儲存將數據移近 CPU 來提高性能。
• 將數據集分佈在集群中，以實現水準可擴展性。
• 將 Ignite 與 RDBMS、NoSQL、Hadoop 和機器學習處理器集成。

Apache Beam 是一個開源的統一程式設計模型，用於定義和執行並行數據處理管道。它的強大之處在於它能夠同時運行批處理和流式管道，執行由 Beam 支援的分散式處理後端之一執行：Apache Apex、Apache Flink、Apache Spark 和 Google Cloud Dataflow。Apache Beam 對於 ETL（提取、轉換和載入）任務非常有用，例如在不同的存儲介質和數據源之間移動數據、將數據轉換為更理想的格式以及將數據載入到新系統。

在這個由講師指導的現場培訓（現場或遠端）中，參與者將學習如何在 Java 或 Python 應用程式中實施 Apache Beam SDK，該應用程式定義了一個數據處理管道，用於將大數據集分解成更小的塊，以進行獨立的並行處理。

在本次培訓結束時，參與者將能夠：

• 安裝和配置 Apache Beam。
• 使用單個程式設計模型從其 Java 或 Python 應用程式執行批處理和流處理。
• 跨多個環境執行管道。

課程形式

• 部分講座、部分討論、練習和大量動手實踐

注意

• 本課程將在未來提供 Scala。請聯繫我們安排。

Apache Apex 是一個統一流和批處理的 YARN 原生平臺。它以可擴展、高性能、容錯、有狀態、安全、分散式且易於操作的方式處理動態大數據。

這個由講師指導的現場培訓介紹了 Apache Apex 的統一流處理架構，並引導參與者在 Hadoop 上使用 Apex 創建分散式應用程式。

在本次培訓結束時，參與者將能夠：

• 了解數據處理管道概念，例如源和接收器的連接器、常見數據轉換等。
• 構建、擴展和優化 Apex 應用程式
• 以最小的延遲可靠地處理實時數據流
• 使用 Apex Core 和 Apex Malhar 庫實現快速應用程式開發
• 使用 Apex API 編寫和重用現有的 Java 代碼
• 將 Apex 作為處理引擎整合到其他應用程式中
• 調整、測試和擴展 Apex 應用程式

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在即時實驗室環境中動手實施。

課程自定義選項

• 要申請本課程的定製培訓，請聯繫我們進行安排。

Apache Storm 是一個分散式實時計算引擎，用於實現即時商業智慧。它通過使應用程式能夠可靠地處理無限的數據流（也稱為流處理）來實現這一點。

“Storm 用於實時處理，就像 Hadoop 用於批處理一樣！”

在這個講師指導的現場培訓中，參與者將學習如何安裝和配置 Apache Storm，然後開發和部署 Apache Storm 應用程式以實時處理大數據。

本培訓中包含的一些主題包括：

• Apache Storm 在 Hadoop 的上下文中
• 使用無界數據
• 連續計算
• 即時分析
• 分散式 RPC 和 ETL 處理

立即申請此課程！

觀眾

• 軟體和 ETL 開發人員
• 大型機專業人員
• 數據科學家
• 大數據分析師
• Hadoop 專業人士

課程形式

•     部分講座、部分討論、練習和大量動手實踐

在這個以講師為主導的台灣現場或遠端培訓中，參與者將學習如何在實時實驗室環境中部署和管理Apache NiFi。

在培訓結束時，參與者將能夠：

• 安裝並配置 Apachi NiFi。
• 從不同的分散式數據源（包括資料庫和大數據湖）中獲取、轉換和管理數據。
• 自動化數據流。
• 啟用流分析。
• 應用各種方法進行數據引入。
• 轉換 Big Data 並轉化為業務洞察。

在這個由講師指導的 台灣 現場培訓中，參與者將學習基於流程的程式設計的基礎知識，因為他們使用 Apache NiFi 開發許多演示擴展、元件和處理器。

在培訓結束時，參與者將能夠：

• 瞭解 NiFi 的架構和數據流概念。
• 使用 NiFi 和第三方 API 開發擴展。
• 定製開發自己的Apache Nifi處理器。
• 從不同和不常見的檔格式和數據源中攝取和處理實時數據。

這個由 台灣 的講師指導式現場培訓（在線或現場）介紹了分散式流和批處理數據處理背後的原理和方法，並引導參與者在 Apache Flink 中創建實時數據流應用程式。

在本次培訓結束時，參與者將能夠：

• 設置用於開發數據分析應用程式的環境。
• 瞭解 Apache Flink 的 圖形處理庫 （Gelly） 的工作原理。
• 打包、執行和監控基於 Flink 的容錯數據流應用程式。
• 管理各種工作負載。
• 執行高級分析。
• 設置多節點 Flink 集群。
• 衡量和優化性能。
• 將 Flink 與不同的 Big Data 系統集成。
• 將 Flink 功能與其他大數據處理框架的功能進行比較。

在這個由講師指導的 台灣 現場培訓中，參與者將學習如何在動手練習中同時使用 Python 和 Spark 來分析大數據。

在培訓結束時，參與者將能夠：

• 瞭解如何將Spark與 Python 結合使用來分析 Big Data。
• 進行模仿真實世界案例的練習。
• 使用 PySpark 使用不同的工具和技術進行大數據分析。

在這個由 台灣 的講師指導式現場培訓中，參與者將瞭解用於處理圖形數據的技術產品和實施方法。目的是識別現實世界的物件、它們的特徵和關係，然後對這些關係進行建模，並使用 Graph Computing（也稱為圖形分析）方法將它們作為數據處理。我們從廣泛的概述開始，然後逐步完成一系列案例研究、動手練習和即時部署，然後縮小具體工具的範圍。

在本次培訓結束時，參與者將能夠：

• 瞭解如何持久保存和遍歷圖形數據。
• 為給定任務選擇最佳框架（從圖形資料庫到批處理框架）。
• 實現 Hadoop、Spark GraphX 和 Pregel 以跨多台機器並行執行圖計算。
• 從圖形、流程和遍歷的角度查看真實的大數據問題。

本課程面向希望在其應用程式中理解和實施人工智慧的開發人員和數據科學家。 特別關注數據分析、分散式人工智慧和自然語言處理。

MLlib是Spark的機器學習（ML）庫。其目標是使實用的機器學習可擴展且簡單。它由常見的學習算法和實用程序組成，包括分類，回歸，聚類，協同過濾，降維，以及低級優化原語和更高級別的管道API。

它分為兩個包：

• spark.mllib包含在RDD之上構建的原始API。

• spark.ml提供了構建在DataFrame之上的更高級API，用於構建ML管道。

聽眾

本課程面向希望利用Apache Spark內置機器庫的工程師和開發人員