Data Science for Big Data Analyticsのトレーニングコース

このインストラクターによるライブトレーニングは、Kaggleを使用してデータサイエンスを学び、キャリアを築きたいデータサイエンティストや開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• データサイエンスと機械学習について学ぶ
。
• データ分析について学ぶ
。
• Kaggleとその仕組みについて学ぶ
。

このインストラクターによるライブトレーニングは、Modinを使ってPandasの並列計算を構築・実装し、より高速なデータ分析を行いたいと考えているデータサイエンティストや開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• Modinを使って大規模なPandasワークフローの開発を始めるために必要な環境をセットアップする。
• Modinの機能、アーキテクチャ、利点を理解する。
• Modin、Dask、Ray の違いを知る。
• ModinでPandasの操作を高速に実行できる。
• PandasのAPIと関数をすべて実装する。

このインストラクターによるライブトレーニングは、RAPIDSを使用して、XGBoostやcuMLなどの機械学習アルゴリズムを適用し、GPUアクセラレーションによるデータパイプライン、ワークフロー、ビジュアライゼーションを構築したいデータサイエンティストや開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• NVIDIARAPIDSを使用してデータモデルを構築するために必要な開発環境をセットアップする。
• RAPIDSの機能、コンポーネント、および利点を理解する
。
• エンドツーエンドのデータおよび分析パイプラインを高速化するために GPU を活用する。
• cuDFとApache Arrowを使用して、GPUで高速化されたデータ準備とETLを実装する
。
• XGBoostとcuMLアルゴリズムで機械学習タスクを実行する方法を学ぶ
。
• cuXfilterとcuGraphを使用して、データの可視化を構築し、グラフ分析を実行します。

このインストラクターによるライブトレーニングは、Anacondaエコシステムを使用して、パッケージとデータ分析ワークフローを単一のプラットフォームでキャプチャ、管理、デプロイすることを希望するデータサイエンティストを対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• Anacondaコンポーネントとライブラリをインストールし設定する。
• Anacondaのコアコンセプト、機能、利点を理解する。
• Anaconda Navigator を使用してパッケージ、環境、チャンネルを管理する。
• データサイエンスと機械学習のために Conda、R、Python パッケージを使用する。
• 複数のデータ環境を管理するための実践的なユースケースとテクニックを知ることができます。

このインストラクターによるライブ・トレーニングでは、参加者はData Vaultを構築する方法を学びます。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• データ保管庫2.0の背後にあるアーキテクチャと設計コンセプト、およびビッグデータ、NoSQL、AIとの相互作用を理解する
。
• データウェアハウス内の履歴データの監査、トレース、検査を可能にするデータボールト技術を使用する。
• 一貫性があり反復可能なETL（抽出、変換、ロード）プロセスを開発する
。
• 拡張性と再現性の高いウェアハウスを構築し、展開する。

このインストラクターによるライブトレーニングは、リアルタイムデータの処理や分析にSpark Streamingの機能を使用したいデータエンジニア、データサイエンティスト、プログラマーを対象としています。

このトレーニングの終了時には、参加者はSpark Streamingを使用して、データベース、ファイルシステム、ライブダッシュボードで使用するためのライブデータストリームを処理できるようになります。

このインストラクターによるライブトレーニングは、コードを書かずにストリーム処理を実装したい開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• インストールと設定Confluent KSQL
。
• SQLコマンドのみを使用してストリーム処理パイプラインをセットアップします(JavaやPythonのコーディングは行いません)
。
• データのフィルタリング、変換、集約、結合、ウィンドウ化、セッション化をすべて SQL で実行します。
• ストリーミング ETL およびリアルタイム分析のための、対話的で継続的なクエリを設計および展開します。

Apache Ignite is an in-memory computing platform that sits between the application and data layer to improve speed, scale, and availability.

This instructor-led, live training (online or onsite) is aimed at developers who wish to learn the principles behind persistent and pure in-memory storage as they step through the creation of a sample in-memory computing project.

By the end of this training, participants will be able to:

• Use Ignite for in-memory, on-disk persistence as well as a purely distributed in-memory database.
• Achieve persistence without syncing data back to a relational database.
• Use Ignite to carry out SQL and distributed joins.
• Improve performance by moving data closer to the CPU, using RAM as a storage.
• Spread data sets across a cluster to achieve horizontal scalability.
• Integrate Ignite with RDBMS, NoSQL, Hadoop and machine learning processors.

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.

Apache ビームは、並列データ処理パイプラインを定義および実行するためのオープンソースで統一されたプログラミングモデルです。It & #39; s パワーは、バッチとストリーミングパイプラインの両方を実行する能力にあり、ビーム & #39 のいずれかによって実行されています。サポートされている分散処理バックエンド: apache Apex、apache Flink、apache Spark、および Google クラウドデータフロー。Apache ビームは、異なるストレージ・メディアとデータ・ソース間でデータを移動したり、データをより望ましい形式に変換したり、新しいシステムにデータを読み込んだりするなど、ETL (抽出、変換、ロード) タスクに便利です。

このインストラクター主導のライブトレーニング (オンサイトまたはリモート) では、ビッグデータセットを小さなチャンクに分解して独立したデータ処理パイプラインを定義する Java または Python アプリケーションで Apache ビーム sdk を実装する方法を学習します。並列処理

このトレーニングの終わりまでに、参加者は次のことができるようになります:

• Apache ビームをインストールして設定します。
• は、1つのプログラミングモデルを使用して、Java または Python アプリケーションの以内から、バッチ処理とストリームプロセッシングの両方を実行します。
• は複数の環境でパイプラインを実行します。

観客

• 開発者

形式

• 部講義、パート討論、演習と重い実地練習