קורסים מקצועיים למתקדמים

Big Data

Big Data Analytics

מספר הקורס 3572

חשכ"ל
למה ללמוד בג'ון ברייס?
  • למידה חדשנית ודינמית עם כלים מתקדמים בשילוב סימולציות, תרגול וסביבות מעבדה
  • מגוון הכשרות טכנולוגיות עם תכנים המותאמים להתפתחות הטכנולוגית ולביקוש בתעשיית ההייטק
  • מובילים את תחום ההכשרות לעולם ההייטק והטכנולוגיה כבר 30 שנה, עם קהילה של עשרות אלפי בוגרים
  • אתם בוחרים איך ללמוד: פרונטאלית בכיתה, מרחוק ב- Live Class או בלמידה עצמית

המועדים הקרובים

קורס לקבוצות

הקורס נפתח במתכונת של קבוצה בלבד, בהתאמה אישית לארגונים.
לפרטים נוספים: Muzman@johnbryce.co.il

ניתן לפתוח את הקורס בהתאמה אישית ומלאה לצרכי הארגון, במועדים ומערכי לימוד גמישים בשילוב תכנים ייעודים.

משך הקורס

שעות אקדמיות:

40

מספר מפגשים:

קורס בוקר:

5

מספר מפגשים:

קורס בוקר:

5

מתכונת הקורס

הקורסים המוזמנים לארגונים מותאמים באופן אישי ומלא לצרכי הארגון, מערכי הלימוד גמישים וניתן לשלב בהם תכנים רלוונטיים וייעודיים.

Overview

Business success in the information age is predicated on the ability of organizations to convert massive amount of raw data coming from various sources into high-grade business information.

Many organizations are overwhelmed by the sheer volume of information they have to process in order to stay competitive. Traditional database systems may become either prohibitively expensive to handle the exponential growth of data volumes or found unsuitable for the job.

Each organization has its own solution to deal with amount of data and the need to analyze the data and get insights.

This course is designed to introduce you to:

  • Different Bigdata processing solutions
  • How organizations handle Bigdata on premises and in the cloud
  • How to analyze data in the era of Bigdata

Hands on exercises are included.

 

מטרות הקורס

Who Should Attend

Database Developers

Business Intelligence professionals

Data Analysts

Product Managers

Data Analysts

Other roles responsible for analyzing high volumes of data

תכנית הלימודים

Full syllabus
PDF להורדה

BigData solutions overview

  • What challenges BigData addresses
  • BigData components in a nutshell
  • How a typical BigData solution looks like
  • How BigData platform handle data – Blocks, Partitions and distributed processing

Cloud and On-Premises solutions for big data

  • What do different clouds offer for BigData Solutions
  • BigData Solutions On-Premisses
  • Hybryd approach
  • Non-Cloud-Specific solutions

Introduction to Hadoop

  • What is Hadoop and how it handles BigData
  • Hadoop components
  • What is the Hadoop Data File System and how it works
  • Working with Hive

    • Creating tables (and their types – Managed / Extrnal)
    • Popuplating data in Hive
    • Storage Types (Avro, Parquet, ORC) and when to choose which

Intoductions to NoSQL

  • What is NoSQL and when to use it
  • NoSQL families
  • HBase data modeling concepts
  • MongoDB

    • MongoDB model concepts
    • MongoDB architecture (Clusters, Sharding)
    • Qurying and Updating Data with MongoDB
  • Elasticsearch and Kibana

    • The ELK Stack
    • What is a  lucene index
    • How to analyze data with Kibana
  • Graph Databases and Neo4j

    • The Neo4j modeling concepts and technique
    • Querying and updating data with Neo4j

Data analytics tools and Methods

  • How to approach data analytics
  • Data analytics with R
  • Data analytics with Python
  • Tableau for data analysis and data science
  • Data storytelling

Data Ingestion

  • Types of sources
  • Streaming with Kafka

Data preparation methods

  • Handling missing data
  • Identifying and handling outliers
  • Preparaing data for machine learning

Data preparation tools

  • Working with Python and pandas
  • Working with Spark
  • Overview of existing tools (Tableau Data Prep, Knime, Talend, Trifacta)

Working with PySpark

  • Concepts and architecture
  • Working with PySpark Core (RDD)
  • Working with PySpark SQL (Dataframes)
  • Working with Data Streaming
  • Data preparation and data preparation for ML

Advanced SQL

  • Why SQL is still the best tool for data analytics and data preparation
  • Windows functions
  • CTE
  • Aggregations

Cloud databases (Synapse, RedShift, BigQuery, Snowflake, Presto)

  • Overview of the different BigData DBs
  • Synapse architecture and concepts
  • RedShift architecture and concepts
  • Snoflake concepts
  • Presto (Starbase) architecture and conepts

 

Prerequisites
  • Basic Knowledge of Python, or experience with other programming languages
  • SQL
  • Hands on experience with Databases 

 

Schedule Appointment

Fill out the form below, and we will be in touch shortly.

לא הצלחנו לאתר את הטופס.

בודק...