close facebook google+ habr instagram linkedin arrow-right phone telegram twitter user vk youtube upload close menu-stroke search lock

Разработка больших данных (Big Data) в облачных сервисах Microsoft

20776 A

Данный курс описывает способы обработки больших данных (Big Data) при помощи инструментов и сервисов Azure, в том числе Azure Stream Analytics, Azure Data Lake, Azure SQL Data Warehouse и Azure Data Factory. Также в курсе рассматривается включение настраиваемых функций и интеграция Python и R.

Подробнее

Разработка больших данных (Big Data) в облачных сервисах Microsoft

продвинутый

Уровень

40 ак. часа

Продолжительность
Производитель:
Направление:
Цена очного обучения:
35 000 руб.
Цена дист.анционного обучения:
31 500 руб.
  • Расписание и цены
    17 — 21 декабря 2018
    40 ак. часов
    Москва
    35 000 руб.
    Место обучения Формат Дата и время Стоимость
    Москва Очный 17 — 21 декабря 2018 35 000 руб.
  • О курсе
    Профиль аудитории
    Основной аудиторией данного курса являются специалисты по информационным технологиям, разработчики и сотрудники, работающие с данными, заинтересованные в применении рабочих потоков больших данных (Big Data) на платформе Azure.
     
    По окончании курса слушатели смогут:
    Описать основные архитектуры для обработки больших данных (Big Data) при помощи инструментов и сервисов Azure.
    Описать использование Azure Stream Analytics для проектирования и внедрения обработки потока на большом объеме данных.
    Описать способы включения настраиваемых функций и встраивания действий машинного обучения в задания Azure Stream Analytics.
    Описать способы применения Azure Data Lake Store в качестве масштабируемого репозитория файлов данных.
    Описать способы применения Azure Data Lake Analytics для проверки и обработки данных, хранящихся в Azure Data Lake Store.
    Описать способы создания и развертывания настраиваемых функций и операций, интеграции с Python и R, а также защите и оптимизации заданий.
    Описать использование Azure SQL Data Warehouse для создания репозитория, который может поддерживать масштабируемую аналитическую обработку данных в потоке.
    Описать использование Azure SQL Data Warehouse для выполнения аналитической обработки, поддержки производительности и зашиты данных.
    Описать, как использовать Azure Data Factory для импорта, преобразования и передачи данных между репозиториями и сервисами.
     
    Предварительные требования
    Для успешного прохождения курса рекомендуется:
    Обладать знаниями служб данных Azure.
    Обладать базовыми знаниями операционной системы Microsoft Windows и ее основной функциональности.
    Обладать опытом работы с реляционными базами данных.
     
    Программа курса:
    Модуль 1: Архитектуры для разработки больших данных (Big Data) с Azure.
    Упражнения:
    Описание больших данных (Big Data).
    Архитектуры для обработки больших данных (Big Data).
    Рекомендации по проектированию решений больших данных (Big Data).
    Лабораторная работа: Проектирование архитектуры больших данных (Big Data).
    Проектирование архитектуры больших данных (Big Data).
    Модуль 2: Обработка потоков событий при помощи Azure Stream Analytics.
    Упражнения:
    Введение в Azure Stream Analytics.
    Настройка заданий в Azure Stream Analytics.
    Лабораторная работа: Обработка потоков событий при помощи в Azure Stream Analytics.
    Создание заданий в Azure Stream Analytics.
    Добавление ввода.
    Редактирование задания Azure Stream Analytics.
    Модуль 3: Выполнение настраиваемой обработки в Azure Stream Analytics.
    Упражнения:
    Применение настраиваемых функций.
    Встраивание машинного обучения (Machine Learning) в задания Azure Stream Analytics.
    Лабораторная работа: Выполнение настраиваемой обработки в Azure Stream Analytics.
    Добавление логики в аналитику.
    Удаление аномалий целостности.
    Определение последовательностей при помощи машинного обучения и Azure Stream Analytics.
    Модуль 4: Управление большими данными (Big Data) в Azure Data Lake Store.
    Упражнения:
    Использование Azure Data Lake Store.
    Мониторинг и защита данных в Azure Data Lake Store.
    Лабораторная работа: Управление большими данными (Big Data) в Azure Data Lake Store.
    Обновление задания Azure Stream Analytics.
    Загрузка параметров в Azure Data Lake Store.
    Модуль 5: Обработка больших данных (Big Data) при помощи Azure Data Lake Analytics.
    Упражнения:
    Введение в Azure Data Lake Analytics.
    Анализ данных при помощи U-SQL.
    Сортировка, группировка и объединение данных.
    Лабораторная работа: Обработка больших данных при помощи Azure Data Lake Analytics.
    Добавление функциональности.
    Запрос по отношению к базе данных.
    Вычисление средней скорости.
    Модуль 6: Применение настраиваемых операций и мониторинг производительности в Azure Data Lake Analytics.
    Упражнения:
    Встраивание настраиваемой функциональности в задания аналитики.
    Управление и оптимизация заданий.
    Лабораторная работа: Применение настраиваемых операций и мониторинг производительности в Azure Data Lake Analytics.
    Настраиваемый добытчик (Extractor).
    Настраиваемый обработчик (Processor).
    Интеграция с R/Python.
    Мониторинг и оптимизация задания.
    Модуль 7: Применение Azure SQL Data Warehouse.
    Упражнения:
    Введение в Azure SQL Data Warehouse.
    Проектирование таблиц для эффективных запросов.
    Импорт данных в Azure SQL Data Warehouse.
    Лабораторная работа: Применение Azure SQL Data Warehouse.
    Создание нового хранилища данных (Data Warehouse).
    Проектирование и создание таблиц и индексов.
    Импорт данных в хранилище.
    Модуль 8: Выполнение аналитики с использованием Azure SQL Data Warehouse.
    Упражнения:
    Запросы данных в Azure SQL Data Warehouse.
    Поддержка производительности.
    Защита данных в Azure SQL Data Warehouse.
    Лабораторная работа: Выполнение аналитики с использованием Azure SQL Data Warehouse.
    Выполнение запросов и настройка производительности.
    Интеграция с Power BI и Azure Machine Learning.
    Настройка безопасности и анализ угроз.
    Модуль 9: Автоматизация потока данных при помощи Azure Data Factory.
    Упражнения:
    Введение в Azure Data Factory.
    Перемещение данных.
    Преобразование данных.
    Мониторинг производительности и защита данных.
    Лабораторная работа: Автоматизация потока данных при помощи Azure Data Factory.
    Автоматизация потока данных при помощи Azure Data Factory.
  • Отзывы
    Отзывов нет.
    Чтобы оставить отзыв, необходимо войти
Связаться с менеджером

Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных. Мы, ЗАО «СофтЛайн Интернейшнл» и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных».

Заявка

Формат, место и дата проведения обучения согласовываются индивидуально.

Оставьте запрос на обучение, заполнив форму ниже. Менеджер Учебного центра свяжется с вами для согласования времени и места проведения курса.

Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных. Мы, ЗАО «СофтЛайн Интернейшнл» и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных».