由講師進行實時指導的大數據本地培訓課程將首先介紹大數據的元素概念，然後介紹用于執行數據分析的編程語言和方法。在課程的演示練習環節，我們會討論、比較並使用用于實現大數據存儲、分布式處理、可伸縮性的工具和基礎架構。
大數據培訓形式包括“現場實時培訓”和“遠程實時培訓”。現場實時培訓可在客戶位于台灣的所在場所或NobleProg位于台灣的企業培訓中心進行，遠程實時培訓可通過交互式遠程桌面進行。
NobleProg -- 您的本地培訓提供商
客戶評論
事實上，所有數據和軟件都已準備好在已準備好的VM上使用，由外部磁盤中的培訓師提供。
vyzVoice
課程: Hadoop for Developers and Administrators
Machine Translated
材料範圍
Maciej Jonczyk
課程: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
系統化ML領域的知識
Orange Polska
課程: From Data to Decision with Big Data and Predictive Analytics
Machine Translated
培訓後可以探索很多問題。
Klaudia Kłębek
課程: Data Mining z wykorzystaniem R
Machine Translated
培訓師知識淵博，包括我感興趣的領域。
Mohamed Salama
課程: Data Mining & Machine Learning with R
Machine Translated
非常適合需求。
Yashan Wang
課程: Data Mining with R
Machine Translated
理查德非常冷靜和有條不紊，具有分析洞察力 - 正是提出這種課程所需的品質。
Kieran Mac Kenna
課程: Spark for Developers
Machine Translated
我喜歡做的練習。
Nour Assaf
課程: Data Mining and Analysis
Machine Translated
動手練習和培訓師能夠用簡單的術語解釋複雜的主題。
youssef chamoun
課程: Data Mining and Analysis
Machine Translated
所提供的信息很有意思，最好的部分是在我們從Durex獲得數據並且處理我們熟悉的數據並執行操作以獲得結果時。
Jessica Chaar
課程: Data Mining and Analysis
Machine Translated
我最喜歡教練提供真實的實例。
Simon Hahn
課程: Administrator Training for Apache Hadoop
Machine Translated
我真的很享受培訓師的巨大能力。
Grzegorz Gorski
課程: Administrator Training for Apache Hadoop
Machine Translated
我真的很喜歡這些實踐課程。
Jacek Pieczątka
課程: Administrator Training for Apache Hadoop
Machine Translated
分享概念圖和样品的手臟
Mark Yang - FMR
課程: Spark for Developers
Machine Translated
我認為這些信息很有趣。
Allison May
課程: Data Visualization
Machine Translated
我非常感謝Jeff使用了適用於教育數據的數據和示例。他使它變得有趣和互動。
Carol Wells Bazzichi
課程: Data Visualization
Machine Translated
了解所有圖表類型及其用途。學習混亂的價值。了解顯示時間數據的方法。
Susan Williams
課程: Data Visualization
Machine Translated
培訓師很熱情。
Diane Lucas
課程: Data Visualization
Machine Translated
我真的很喜歡內容/講師。
Craig Roberson
課程: Data Visualization
Machine Translated
我是一名實踐學習者，這是他做了很多的事情。
Lisa Comfort
課程: Data Visualization
Machine Translated
我喜歡這些例子。
Peter Coleman
課程: Data Visualization
Machine Translated
我通常從這些例子中受益。
Peter Coleman
課程: Data Visualization
Machine Translated
我喜歡現實世界的好例子，對現有報導的評論。
Ronald Parrish
課程: Data Visualization
Machine Translated
可以應用的場景及案例
zhaopeng liu - Fmr
課程: Spark for Developers
Machine Translated
案例分析
国栋 张
課程: Spark for Developers
Machine Translated
本屆會議的所有部分
Eric Han - Fmr
課程: Spark for Developers
Machine Translated
我真的受益於培訓師願意分享更多。
Balaram Chandra Paul
課程: A practical introduction to Data Analysis and Big Data
Machine Translated
我們對整個環境了解得更多。
John Kidd
課程: Spark for Developers
Machine Translated
培訓師讓課堂變得有趣和有趣，這對全天培訓有很大幫助。
Ryan Speelman
課程: Spark for Developers
Machine Translated
我認為培訓師具有將幽默和現實生活故事相結合的優秀風格，使手頭的主題非常平易近人。我強烈推薦這位教授。
課程: Spark for Developers
Machine Translated
非常喜歡互動的學習方式。
Luigi Loiacono
課程: Data Analysis with Hive/HiveQL
Machine Translated
這是一次非常實用的訓練，我喜歡動手練習。
Proximus
課程: Data Analysis with Hive/HiveQL
Machine Translated
我受益於良好的概述，理論與練習之間的良好平衡。
Proximus
課程: Data Analysis with Hive/HiveQL
Machine Translated
由於虛擬機，我非常喜歡動態交互和“動手”主題，非常刺激！
Philippe Job
課程: Data Analysis with Hive/HiveQL
Machine Translated
Ernesto在解釋使用Spark及其各種模塊的高級概念方面做得很好。
Michael Nemerouf
課程: Spark for Developers
Machine Translated
我受益於培訓師的能力和知識。
Jonathan Puvilland
課程: Data Analysis with Hive/HiveQL
Machine Translated
我通常從技術的介紹中受益。
Continental AG / Abteilung: CF IT Finance
課程: A practical introduction to Data Analysis and Big Data
Machine Translated
整體而言，內容很好。
Sameer Rohadia
課程: A practical introduction to Data Analysis and Big Data
Machine Translated
實例演習; 實際工作經驗分享
澳新银行
課程: Data Vault: Building a Scalable Data Warehouse
Machine Translated
立方體和DV
Alan Xie
課程: Data Vault: Building a Scalable Data Warehouse
Machine Translated
老師對數據倉庫的知識很全面，贊！
澳新银行
課程: Data Vault: Building a Scalable Data Warehouse
Machine Translated
老師講解細緻, 討論氣氛融洽
澳新银行
課程: Data Vault: Building a Scalable Data Warehouse
Machine Translated
邁克爾培訓師對大數據和R的主題非常了解和熟練。他非常靈活，能夠快速定制滿足客戶需求的培訓。他也非常有能力在旅途中解決技術和主題問題。神奇而專業的訓練！
Xiaoyuan Geng - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
課程: Programming with Big Data in R
Machine Translated
我非常喜歡推出新包裝。
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
課程: Programming with Big Data in R
Machine Translated
導師Michael Yan先生很好地與觀眾互動，指導很明確。導師還可以根據培訓期間學生的要求添加更多信息。
Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
課程: Programming with Big Data in R
Machine Translated
主題和節奏是完美的。
Tim - Ottawa Research and Development Center, Science Technology Branch, Agriculture and Agri-Food Canada
課程: Programming with Big Data in R
Machine Translated
示例和培訓材料足以讓您輕鬆了解自己在做什麼。
Teboho Makenete
課程: Data Science for Big Data Analytics
Machine Translated
這是我用過的最好的動手編程課程之一。
Laura Kahn
課程: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
這是我13年職業生涯中最優秀的在線培訓之一。保持偉大的工作！
課程: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
這是非常親力親為的，我們花了一半的時間實際在Clouded / Hardtop做事，運行不同的命令，檢查系統，等等。額外的材料（書籍，網站等）真的很感激，我們將不得不繼續學習。安裝非常有趣，而且非常方便，從頭開始的集群設置非常好。
Ericsson
課程: Administrator Training for Apache Hadoop
Machine Translated
我認為培訓師具有將幽默和現實生活故事相結合的優秀風格，使手頭的主題非常平易近人。我強烈推薦這位教授。
課程: Spark for Developers
Machine Translated
這是我13年職業生涯中最優秀的在線培訓之一。保持偉大的工作！
課程: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
大數據課程大綱
課程名稱
課程時長
概觀
課程名稱
課程時長
概觀
21小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at developers who wish to use and integrate Spark, Hadoop, and Python to process, analyze, and transform large and complex data sets.
By the end of this training, participants will be able to:
- Set up the necessary environment to start processing big data with Spark, Hadoop, and Python.
- Understand the features, core components, and architecture of Spark and Hadoop.
- Learn how to integrate Spark, Hadoop, and Python for big data processing.
- Explore the tools in the Spark ecosystem (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka, and Flume).
- Build collaborative filtering recommendation systems similar to Netflix, YouTube, Amazon, Spotify, and Google.
- Use Apache Mahout to scale machine learning algorithms.
By the end of this training, participants will be able to:
- Set up the necessary environment to start processing big data with Spark, Hadoop, and Python.
- Understand the features, core components, and architecture of Spark and Hadoop.
- Learn how to integrate Spark, Hadoop, and Python for big data processing.
- Explore the tools in the Spark ecosystem (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka, and Flume).
- Build collaborative filtering recommendation systems similar to Netflix, YouTube, Amazon, Spotify, and Google.
- Use Apache Mahout to scale machine learning algorithms.
14小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at data analysts and data scientists who wish to use Weka to perform data mining tasks.
By the end of this training, participants will be able to:
- Install and configure Weka.
- Understand the Weka environment and workbench.
- Perform data mining tasks using Weka.
By the end of this training, participants will be able to:
- Install and configure Weka.
- Understand the Weka environment and workbench.
- Perform data mining tasks using Weka.
14小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at data analysts or anyone who wishes to use SPSS Modeler to perform data mining activities.
By the end of this training, participants will be able to:
- Understand the fundamentals of data mining.
- Learn how to import and assess data quality with the Modeler.
- Develop, deploy, and evaluate data models efficiently.
By the end of this training, participants will be able to:
- Understand the fundamentals of data mining.
- Learn how to import and assess data quality with the Modeler.
- Develop, deploy, and evaluate data models efficiently.
35小時
參與者完成此次培訓後，將會對大數據及其相關技術、方法、工具有一個實際和真實的理解。
參與者將有機會通過動手練習將這些知識付諸實踐。小組互動和講師反饋是課堂的重要組成部分。
本課程首先介紹大數據的基本概念，然後講解用于執行數據分析的編程語言和方法，最後我們會討論可啓用大數據存儲、分布式處理及可擴展性的工具和基礎架構。
受衆
- 開發人員/程序員
- IT顧問
課程形式
- 部分講座、部分討論、實操、偶爾測評進度
參與者將有機會通過動手練習將這些知識付諸實踐。小組互動和講師反饋是課堂的重要組成部分。
本課程首先介紹大數據的基本概念，然後講解用于執行數據分析的編程語言和方法，最後我們會討論可啓用大數據存儲、分布式處理及可擴展性的工具和基礎架構。
受衆
- 開發人員/程序員
- IT顧問
課程形式
- 部分講座、部分討論、實操、偶爾測評進度
21小時
In this instructor-led, live training in 台灣, participants will learn how to use Python and Spark together to analyze big data as they work on hands-on exercises.
By the end of this training, participants will be able to:
- Learn how to use Spark with Python to analyze Big Data.
- Work on exercises that mimic real world cases.
- Use different tools and techniques for big data analysis using PySpark.
By the end of this training, participants will be able to:
- Learn how to use Spark with Python to analyze Big Data.
- Work on exercises that mimic real world cases.
- Use different tools and techniques for big data analysis using PySpark.
7小時
本課程介紹如何從Hive提取數據的人員使用Hive SQL語言（AKA： Hive HQL， Hive SQL ， Hive QL）
21小時
數據庫中的知識發現（KDD）是從數據集合中發現有用知識的過程。這種數據挖掘技術的實際應用包括營銷，欺詐檢測，電信和製造。
在這個以講師為主導的實踐課程中，我們介紹了KDD中涉及的過程，並開展了一系列練習來實踐這些過程。
聽眾
- 數據分析師或任何有興趣學習如何解釋數據以解決問題的人
課程格式
- 在對KDD進行理論討論之後，教師將提出真實案例，要求應用KDD來解決問題。參與者將準備，選擇和清理樣本數據集，並使用他們先前的數據知識，根據他們的觀察結果提出解決方案。
在這個以講師為主導的實踐課程中，我們介紹了KDD中涉及的過程，並開展了一系列練習來實踐這些過程。
聽眾
- 數據分析師或任何有興趣學習如何解釋數據以解決問題的人
課程格式
- 在對KDD進行理論討論之後，教師將提出真實案例，要求應用KDD來解決問題。參與者將準備，選擇和清理樣本數據集，並使用他們先前的數據知識，根據他們的觀察結果提出解決方案。
14小時
Apache Kylin是一種用於大數據的極端分佈式分析引擎。
在這個由講師指導的現場培訓中，參與者將學習如何使用Apache Kylin建立實時數據倉庫。
在培訓結束時，參與者將能夠：
- 使用Kylin消耗實時流數據
- 利用Apache Kylin的強大功能，豐富的SQL界面，火花立方體和亞秒查詢延遲
注意
- 我們使用最新版本的Kylin（截至本文撰寫時， Apache Kylin v2.0）
聽眾
- 大數據工程師
- Big Data分析師
課程形式
- 部分講座，部分討論，練習和繁重的實踐練習
在這個由講師指導的現場培訓中，參與者將學習如何使用Apache Kylin建立實時數據倉庫。
在培訓結束時，參與者將能夠：
- 使用Kylin消耗實時流數據
- 利用Apache Kylin的強大功能，豐富的SQL界面，火花立方體和亞秒查詢延遲
注意
- 我們使用最新版本的Kylin（截至本文撰寫時， Apache Kylin v2.0）
聽眾
- 大數據工程師
- Big Data分析師
課程形式
- 部分講座，部分討論，練習和繁重的實踐練習
14小時
Datameer是基于Hadoop構建的商業智能和分析平台。它允許最終用戶以易用的方式訪問，探索和關聯大規模，結構化，半結構化和非結構化數據。 在這個有指導意義的實時培訓中，參與者將學習如何使用Datameer來克服Hadoop陡峭的學習曲線，因爲他們將逐步完成對一系列大數據源的設置和分析。 在培訓結束後，參與者將能夠： 創建，策劃和交互式地探索企業數據湖訪問商業智能數據倉庫，交易數據庫和其他分析商店使用電子表格用戶界面設計端對端數據處理管道訪問預建功能來探索複雜的數據關系使用拖放式向導來可視化數據並創建儀表板使用表格，圖表，圖形和地圖來分析查詢結果 聽衆 數據分析師 課程的格式 部分講座，部分討論，練習和沈重的練習
14小時
數據挖掘是使用諸如機器學習之類的數據科學方法識別大數據中的模式的過程。使用Excel作為數據分析套件，用戶可以執行數據挖掘和分析。
這種由講師指導的實時培訓（現場或遠程）針對希望使用Excel進行數據挖掘的數據科學家。
在培訓結束時，參與者將能夠：
- 使用Excel探索數據以執行數據挖掘和分析。
- 使用Microsoft算法進行數據挖掘。
- 了解Excel數據挖掘中的概念。
課程形式
- 互動式講座和討論。
- 很多練習和練習。
- 在現場實驗室環境中動手實施。
課程自定義選項
- 要請求此課程的定制培訓，請與我們聯繫以安排。
這種由講師指導的實時培訓（現場或遠程）針對希望使用Excel進行數據挖掘的數據科學家。
在培訓結束時，參與者將能夠：
- 使用Excel探索數據以執行數據挖掘和分析。
- 使用Microsoft算法進行數據挖掘。
- 了解Excel數據挖掘中的概念。
課程形式
- 互動式講座和討論。
- 很多練習和練習。
- 在現場實驗室環境中動手實施。
課程自定義選項
- 要請求此課程的定制培訓，請與我們聯繫以安排。
21小時
Dremio是一個開源的“自助數據平台”，可加速查詢不同類型的數據源。 Dremio與關系數據庫，Apache Hadoop，MongoDB，Amazon S3，ElasticSearch和其他數據源集成。它支持SQL並提供用于構建查詢的Web UI。 在這個有指導意義的實時培訓中，參與者將學習如何安裝，配置和使用Dremio作爲數據分析工具和底層數據存儲庫的統一層。 在培訓結束後，參與者將能夠： 安裝和配置Dremio 執行針對多個數據源的查詢，無論位置，大小或結構如何將Dremio與BI和數據源（如Tableau和Elasticsearch）集成 聽衆 數據科學家業務分析師數據工程師 課程的格式 部分講座，部分討論，練習和沈重的練習 筆記 要請求本課程的定制培訓，請聯系我們安排。
21小時
Apache Drill是一種無模式、分布式、內存列式SQL查詢引擎，用于Hadoop、NoSQL及其他雲和文件存儲系統。Apache Drill的強大之處在于它能夠使用單個查詢連接來自多個數據存儲的數據。Apache Drill支持許多NoSQL數據庫和文件系統，包括HBase、MongoDB、MapR-DB、HDFS、MapR-FS、Amazon S3、Azure Blob Storage、Google Cloud Storage、Swift、NAS和本地文件。
在這一由講師引導的現場培訓中，學員將學習Apache Drill的基礎知識，然後利用SQL的強大功能和便利性在無需編寫代碼的情況下交互式查詢大數據。學員還將學習如何優化分布式SQL執行的Drill查詢。
在本次培訓結束後，學員將能夠：
- 對Hadoop上的結構化和半結構化數據進行“自助式”探索
- 使用SQL查詢來查詢已知以及未知數據
- 了解Apache Drills如何接收和執行查詢
- 編寫SQL查詢來分析不同類型的數據，包括Hive中的結構化數據，HBase或MapR-DB表中的半結構化數據，以及Parquet和JSON文件中保存的數據。
- 使用Apache Drill執行即時模式發現，繞過對複雜ETL和模式操作的需求
- 將Apache Drill與BI（商業智能）工具（如Tableau、Qlikview、MicroStrategy、Excel）集成在一起
受衆
- 數據分析師
- 數據科學家
- SQL程序員
課程形式
- 部分講座、部分討論、練習和大量實操
在這一由講師引導的現場培訓中，學員將學習Apache Drill的基礎知識，然後利用SQL的強大功能和便利性在無需編寫代碼的情況下交互式查詢大數據。學員還將學習如何優化分布式SQL執行的Drill查詢。
在本次培訓結束後，學員將能夠：
- 對Hadoop上的結構化和半結構化數據進行“自助式”探索
- 使用SQL查詢來查詢已知以及未知數據
- 了解Apache Drills如何接收和執行查詢
- 編寫SQL查詢來分析不同類型的數據，包括Hive中的結構化數據，HBase或MapR-DB表中的半結構化數據，以及Parquet和JSON文件中保存的數據。
- 使用Apache Drill執行即時模式發現，繞過對複雜ETL和模式操作的需求
- 將Apache Drill與BI（商業智能）工具（如Tableau、Qlikview、MicroStrategy、Excel）集成在一起
受衆
- 數據分析師
- 數據科學家
- SQL程序員
課程形式
- 部分講座、部分討論、練習和大量實操
14小時
Apache Arrow是一個開源的內存數據處理框架。它通常與其他數據科學工具一起用於訪問不同的數據存儲以進行分析。它與其他技術完美集成，如GPU數據庫，機器學習庫和工具，執行引擎和數據可視化框架。
在現場講師指導的現場培訓中，參與者將學習如何將Apache Arrow與各種Data Science框架集成，以訪問來自不同數據源的數據。
在培訓結束時，參與者將能夠：
- 在分佈式群集環境中安裝和配置Apache Arrow
- 使用Apache Arrow訪問來自不同數據源的數據
- 使用Apache Arrow可以避免構建和維護複雜ETL管道的需要
- 分析不同數據源中的數據，而無需將其整合到集中式存儲庫中
聽眾
- 數據科學家
- 數據工程師
課程 格式
- 部分講座，部分討論，練習和繁重的實踐練習
注意
- 要申請本課程的定制培訓，請聯繫我們安排。
在現場講師指導的現場培訓中，參與者將學習如何將Apache Arrow與各種Data Science框架集成，以訪問來自不同數據源的數據。
在培訓結束時，參與者將能夠：
- 在分佈式群集環境中安裝和配置Apache Arrow
- 使用Apache Arrow訪問來自不同數據源的數據
- 使用Apache Arrow可以避免構建和維護複雜ETL管道的需要
- 分析不同數據源中的數據，而無需將其整合到集中式存儲庫中
聽眾
- 數據科學家
- 數據工程師
課程 格式
- 部分講座，部分討論，練習和繁重的實踐練習
注意
- 要申請本課程的定制培訓，請聯繫我們安排。
35小時
Advances in technologies and the increasing amount of information are transforming how business is conducted in many industries, including government. Government data generation and digital archiving rates are on the rise due to the rapid growth of mobile devices and applications, smart sensors and devices, cloud computing solutions, and citizen-facing portals. As digital information expands and becomes more complex, information management, processing, storage, security, and disposition become more complex as well. New capture, search, discovery, and analysis tools are helping organizations gain insights from their unstructured data. The government market is at a tipping point, realizing that information is a strategic asset, and government needs to protect, leverage, and analyze both structured and unstructured information to better serve and meet mission requirements. As government leaders strive to evolve data-driven organizations to successfully accomplish mission, they are laying the groundwork to correlate dependencies across events, people, processes, and information.
High-value government solutions will be created from a mashup of the most disruptive technologies:
- Mobile devices and applications
- Cloud services
- Social business technologies and networking
- Big Data and analytics
IDC predicts that by 2020, the IT industry will reach $5 trillion, approximately $1.7 trillion larger than today, and that 80% of the industry's growth will be driven by these 3rd Platform technologies. In the long term, these technologies will be key tools for dealing with the complexity of increased digital information. Big Data is one of the intelligent industry solutions and allows government to make better decisions by taking action based on patterns revealed by analyzing large volumes of data — related and unrelated, structured and unstructured.
But accomplishing these feats takes far more than simply accumulating massive quantities of data.“Making sense of thesevolumes of Big Datarequires cutting-edge tools and technologies that can analyze and extract useful knowledge from vast and diverse streams of information,” Tom Kalil and Fen Zhao of the White House Office of Science and Technology Policy wrote in a post on the OSTP Blog.
The White House took a step toward helping agencies find these technologies when it established the National Big Data Research and Development Initiative in 2012. The initiative included more than $200 million to make the most of the explosion of Big Data and the tools needed to analyze it.
The challenges that Big Data poses are nearly as daunting as its promise is encouraging. Storing data efficiently is one of these challenges. As always, budgets are tight, so agencies must minimize the per-megabyte price of storage and keep the data within easy access so that users can get it when they want it and how they need it. Backing up massive quantities of data heightens the challenge.
Analyzing the data effectively is another major challenge. Many agencies employ commercial tools that enable them to sift through the mountains of data, spotting trends that can help them operate more efficiently. (A recent study by MeriTalk found that federal IT executives think Big Data could help agencies save more than $500 billion while also fulfilling mission objectives.).
Custom-developed Big Data tools also are allowing agencies to address the need to analyze their data. For example, the Oak Ridge National Laboratory’s Computational Data Analytics Group has made its Piranha data analytics system available to other agencies. The system has helped medical researchers find a link that can alert doctors to aortic aneurysms before they strike. It’s also used for more mundane tasks, such as sifting through résumés to connect job candidates with hiring managers.
High-value government solutions will be created from a mashup of the most disruptive technologies:
- Mobile devices and applications
- Cloud services
- Social business technologies and networking
- Big Data and analytics
IDC predicts that by 2020, the IT industry will reach $5 trillion, approximately $1.7 trillion larger than today, and that 80% of the industry's growth will be driven by these 3rd Platform technologies. In the long term, these technologies will be key tools for dealing with the complexity of increased digital information. Big Data is one of the intelligent industry solutions and allows government to make better decisions by taking action based on patterns revealed by analyzing large volumes of data — related and unrelated, structured and unstructured.
But accomplishing these feats takes far more than simply accumulating massive quantities of data.“Making sense of thesevolumes of Big Datarequires cutting-edge tools and technologies that can analyze and extract useful knowledge from vast and diverse streams of information,” Tom Kalil and Fen Zhao of the White House Office of Science and Technology Policy wrote in a post on the OSTP Blog.
The White House took a step toward helping agencies find these technologies when it established the National Big Data Research and Development Initiative in 2012. The initiative included more than $200 million to make the most of the explosion of Big Data and the tools needed to analyze it.
The challenges that Big Data poses are nearly as daunting as its promise is encouraging. Storing data efficiently is one of these challenges. As always, budgets are tight, so agencies must minimize the per-megabyte price of storage and keep the data within easy access so that users can get it when they want it and how they need it. Backing up massive quantities of data heightens the challenge.
Analyzing the data effectively is another major challenge. Many agencies employ commercial tools that enable them to sift through the mountains of data, spotting trends that can help them operate more efficiently. (A recent study by MeriTalk found that federal IT executives think Big Data could help agencies save more than $500 billion while also fulfilling mission objectives.).
Custom-developed Big Data tools also are allowing agencies to address the need to analyze their data. For example, the Oak Ridge National Laboratory’s Computational Data Analytics Group has made its Piranha data analytics system available to other agencies. The system has helped medical researchers find a link that can alert doctors to aortic aneurysms before they strike. It’s also used for more mundane tasks, such as sifting through résumés to connect job candidates with hiring managers.
21小時
聽眾
如果您試圖理解您可以訪問或想要分析網絡上可用的非結構化數據（如Twitter，鏈接等等），那麼本課程適合您。
它主要針對決策者和需要選擇哪些數據值得收集以及值得分析的人。
它不是針對人們配置解決方案，但這些人將從大局中受益。
交貨方式
在課程期間，代表們將獲得大多數開源技術的工作示例。
講座後將進行簡短的講座，參加者將進行簡單的練習
使用的內容和軟件
每次運行課程時都會更新所有使用的軟件，因此我們會檢查最新版本。
它涵蓋了從獲取，格式化，處理和分析數據的過程，以解釋如何使用機器學習自動化決策制定過程。
如果您試圖理解您可以訪問或想要分析網絡上可用的非結構化數據（如Twitter，鏈接等等），那麼本課程適合您。
它主要針對決策者和需要選擇哪些數據值得收集以及值得分析的人。
它不是針對人們配置解決方案，但這些人將從大局中受益。
交貨方式
在課程期間，代表們將獲得大多數開源技術的工作示例。
講座後將進行簡短的講座，參加者將進行簡單的練習
使用的內容和軟件
每次運行課程時都會更新所有使用的軟件，因此我們會檢查最新版本。
它涵蓋了從獲取，格式化，處理和分析數據的過程，以解釋如何使用機器學習自動化決策制定過程。
35小時
第1天 - 提供重要的Big Data主題領域的高級概述。該模塊分為一系列部分，每個部分都附有實踐練習。
第2天 - 探討一系列與Big Data環境相關的分析實踐和工具的主題。它沒有涉及實現或編程細節，而是將概念保持在概念層面，重點放在使參與者能夠全面了解Big Data解決方案提供的常見分析功能和特性的主題上。
第3天 - 概述與Big Data解決方案平台架構相關的基本和必要主題領域。它涵蓋了開發Big Data解決方案平台所需的Big Data機制以及用於組裝數據處理平台的架構選項。還提供了常見方案，以便基本了解Big Data解決方案平台的使用方式。
第4天 - 通過探索與Big Data解決方案平台架構相關的高級主題，在第3天構建。特別是，介紹和討論了構成Big Data解決方案平台的不同架構層，包括數據源，數據入口，數據存儲，數據處理和安全性。
第5天 - 涵蓋了一系列練習和問題，旨在測試代表們應用第3天和第4天所涵蓋主題知識的能力。
第2天 - 探討一系列與Big Data環境相關的分析實踐和工具的主題。它沒有涉及實現或編程細節，而是將概念保持在概念層面，重點放在使參與者能夠全面了解Big Data解決方案提供的常見分析功能和特性的主題上。
第3天 - 概述與Big Data解決方案平台架構相關的基本和必要主題領域。它涵蓋了開發Big Data解決方案平台所需的Big Data機制以及用於組裝數據處理平台的架構選項。還提供了常見方案，以便基本了解Big Data解決方案平台的使用方式。
第4天 - 通過探索與Big Data解決方案平台架構相關的高級主題，在第3天構建。特別是，介紹和討論了構成Big Data解決方案平台的不同架構層，包括數據源，數據入口，數據存儲，數據處理和安全性。
第5天 - 涵蓋了一系列練習和問題，旨在測試代表們應用第3天和第4天所涵蓋主題知識的能力。
21小時
Big Data是指用於存儲和處理大型數據集的解決方案。最初由Go ogle開發，這些Big Data解決方案已經發展並啟發了其他類似的項目，其中許多項目都是開源的。 R是金融行業中流行的編程語言。
14小時
當傳統存儲技術無法處理您需要存儲的數據量時，就會有大量的替代方案。本課程試圖引導參與者存儲和分析Big Data替代方案以及他們的優缺點。
本課程主要側重於解決方案的討論和介紹，但可根據需要提供動手練習。
本課程主要側重於解決方案的討論和介紹，但可根據需要提供動手練習。
35小時
大數據是如此龐大和復雜的數據集，傳統的數據處理應用軟件不足以處理它們。大數據挑戰包括捕獲數據，數據存儲，數據分析，搜索，共享，傳輸，可視化，查詢，更新和信息隱私。
14小時
Vespa是由雅虎創建的開源大數據處理和服務引擎。它用于響應用戶查詢，提出建議，並實時提供個性化內容和廣告。 這種有指導意義的實時培訓引入了服務大型數據的挑戰，並通過創建可實時計算大型數據集中的用戶請求響應的應用程序來引導參與者。 在培訓結束後，參與者將能夠： 使用Vespa可以在用戶等待時在服務時間快速計算數據（存儲，搜索，排名，組織） 將Vespa實施到涉及功能搜索，建議和個性化的現有應用程序中將Vespa與現有的大數據系統（如Hadoop和Storm）集成並部署。 聽衆 開發商 課程的格式 部分講座，部分討論，練習和沈重的練習
14小時
為了滿足監管機構的合規性，CSP（ Communication服務提供商）可以利用大數據分析，這不僅可以幫助他們滿足合規性，而且在同一項目的範圍內，他們可以提高客戶滿意度，從而減少客戶流失。事實上，由於合規性與合同相關的服務質量有關，因此任何實現合規性的舉措都將提高CSP的“競爭優勢”。因此，監管機構應該能夠為監管機構和CSP之間互利的CSP建議/指導一套Big Data分析實踐，這一點非常重要。
該課程包括8個模塊（第1天4個，第2天4個）
該課程包括8個模塊（第1天4個，第2天4個）
35小時
技術的進步和越來越多的信息正在改變執法的方式。 Big Data帶來的挑戰幾乎與Big Data的承諾一樣令人生畏。有效存儲數據是這些挑戰之一;有效地分析它是另一回事。
在以講師為主導的現場培訓中，參與者將學習處理Big Data技術的思維方式，評估其對現有流程和政策的影響，並實施這些技術，以識別犯罪活動和預防犯罪。將審查世界各地執法組織的案例研究，以深入了解其採用方法，挑戰和結果。
在培訓結束時，參與者將能夠：
- 將Big Data技術與傳統的數據收集流程相結合，在調查過程中拼湊出一個故事
- 實施工業大數據存儲和處理數據分析解決方案
- 準備一份提案，以採用最適當的工具和程序，使數據驅動的方法能夠進行刑事調查
聽眾
- 具有技術背景的執法專家
課程形式
- 部分講座，部分討論，練習和繁重的實踐練習
在以講師為主導的現場培訓中，參與者將學習處理Big Data技術的思維方式，評估其對現有流程和政策的影響，並實施這些技術，以識別犯罪活動和預防犯罪。將審查世界各地執法組織的案例研究，以深入了解其採用方法，挑戰和結果。
在培訓結束時，參與者將能夠：
- 將Big Data技術與傳統的數據收集流程相結合，在調查過程中拼湊出一個故事
- 實施工業大數據存儲和處理數據分析解決方案
- 準備一份提案，以採用最適當的工具和程序，使數據驅動的方法能夠進行刑事調查
聽眾
- 具有技術背景的執法專家
課程形式
- 部分講座，部分討論，練習和繁重的實踐練習
14小時
目標 ：該培訓課程旨在幫助與會者了解為什麼Big Data正在改變我們的生活，以及它如何改變企業將我們視為消費者的方式。實際上，企業中的大數據用戶發現大數據釋放出大量信息和見解，從而轉化為更高的利潤，更低的成本和更低的風險。然而，缺點是有時候在過分強調個別技術並且沒有足夠關注大數據管理的支柱時會感到沮喪。
與會者將在本課程中學習如何使用數據集成，數據治理和數據安全三大支柱管理大數據，以便將大數據轉化為實際業務價值。對客戶管理案例研究進行的不同練習將有助於與會者更好地理解基礎流程。
與會者將在本課程中學習如何使用數據集成，數據治理和數據安全三大支柱管理大數據，以便將大數據轉化為實際業務價值。對客戶管理案例研究進行的不同練習將有助於與會者更好地理解基礎流程。
7小時
這一由講師指導的實時培訓（現場或遠程）面向的是希望學習如何實施機器學習策略同時最大限度地利用大數據的技術人員。
在本次培訓結束後，學員將能夠：
- 了解機器學習的發展和趨勢。
- 了解機器學習如何在不同行業中使用。
- 熟悉在組織內實現機器學習的工具、技能、服務。
- 了解機器學習如何用于增強數據挖掘和分析。
- 了解數據中台是什麽，以及企業如何使用它。
- 了解大數據和智能應用程序在各個行業中的作用。
課程形式
- 互動講座和討論。
- 大量練習和實操。
- 在現場實驗室環境中動手實現。
課程自定義選項
- 如需本課程的定制培訓，請聯系我們以作安排。
在本次培訓結束後，學員將能夠：
- 了解機器學習的發展和趨勢。
- 了解機器學習如何在不同行業中使用。
- 熟悉在組織內實現機器學習的工具、技能、服務。
- 了解機器學習如何用于增強數據挖掘和分析。
- 了解數據中台是什麽，以及企業如何使用它。
- 了解大數據和智能應用程序在各個行業中的作用。
課程形式
- 互動講座和討論。
- 大量練習和實操。
- 在現場實驗室環境中動手實現。
課程自定義選項
- 如需本課程的定制培訓，請聯系我們以作安排。
7小時
Apache Sqoop是一個命令列介面，用於從關係資料庫和Hadoop移動資料。Apache Flume是一種用於管理大資料的分散式軟體。使用 Sqoop 和 Flume，使用者可以在系統之間傳輸資料，並將大資料導入存儲體系結構，如Hadoop。
此講師指導的現場培訓（現場或遠端）針對的軟體工程師，他們希望使用 Sqoop 和 Flume 在系統之間傳輸資料。
培訓結束時，學員將能夠：
- 使用 Sqoop 和 Flume 引入大資料。
- 從多個資料來源中引入資料。
- 將資料從關係資料庫移動到 HDFS 和Hive。
- 將資料從 HDFS 匯出到關係資料庫。
課程格式
- 互動講座和討論。
- 大量的練習和練習。
- 在即時實驗室環境中實際實現。
課程自訂選項
- 如需申請本課程的定制培訓，請聯繫我們安排。
此講師指導的現場培訓（現場或遠端）針對的軟體工程師，他們希望使用 Sqoop 和 Flume 在系統之間傳輸資料。
培訓結束時，學員將能夠：
- 使用 Sqoop 和 Flume 引入大資料。
- 從多個資料來源中引入資料。
- 將資料從關係資料庫移動到 HDFS 和Hive。
- 將資料從 HDFS 匯出到關係資料庫。
課程格式
- 互動講座和討論。
- 大量的練習和練習。
- 在即時實驗室環境中實際實現。
課程自訂選項
- 如需申請本課程的定制培訓，請聯繫我們安排。
28小時
This instructor-led, live training in 台灣 (online or onsite) is aimed at technical persons who wish to deploy Talend Open Studio for Big Data to simplifying the process of reading and crunching through Big Data.
By the end of this training, participants will be able to:
- Install and configure Talend Open Studio for Big Data.
- Connect with Big Data systems such as Cloudera, HortonWorks, MapR, Amazon EMR and Apache.
- Understand and set up Open Studio's big data components and connectors.
- Configure parameters to automatically generate MapReduce code.
- Use Open Studio's drag-and-drop interface to run Hadoop jobs.
- Prototype big data pipelines.
- Automate big data integration projects.
By the end of this training, participants will be able to:
- Install and configure Talend Open Studio for Big Data.
- Connect with Big Data systems such as Cloudera, HortonWorks, MapR, Amazon EMR and Apache.
- Understand and set up Open Studio's big data components and connectors.
- Configure parameters to automatically generate MapReduce code.
- Use Open Studio's drag-and-drop interface to run Hadoop jobs.
- Prototype big data pipelines.
- Automate big data integration projects.
21小時
The course is dedicated to IT specialists that are looking for a solution to store and process large data sets in distributed system environment
Course goal:
Getting knowledge regarding Hadoop cluster administration
Course goal:
Getting knowledge regarding Hadoop cluster administration
Last Updated:
近期大數據培訓課程
機器學習和大數據
2022-06-07 09:30
7 時間：
Big Data Business Intelligence for Criminal Intelligence Analysis
2022-06-20 09:30
35 時間：
Big Data Analytics for Telecom Regulators
2022-06-23 09:30
14 時間：
Big Data - Data Science
2022-07-07 09:30
14 時間：
Big Data and its Management Process
2022-07-12 09:30
14 時間：
大數據,培訓,課程,培訓課程, 企業大數據培訓, 短期大數據培訓, 大數據課程, 大數據周末培訓, 大數據晚上培訓, 大數據訓練, 學習大數據, 大數據老師, 學大數據班, 大數據遠程教育, 一對一大數據課程, 小組大數據課程, 大數據培訓師, 大數據輔導班, 大數據教程, 大數據私教, 大數據輔導, 大數據講師Big Data,培訓,課程,培訓課程, 企業Big Data培訓, 短期Big Data培訓, Big Data課程, Big Data周末培訓, Big Data晚上培訓, Big Data訓練, 學習Big Data, Big Data老師, 學Big Data班, Big Data遠程教育, 一對一Big Data課程, 小組Big Data課程, Big Data培訓師, Big Data輔導班, Big Data教程, Big Data私教, Big Data輔導, Big Data講師
