In-house, lektorem vedená verze kurzu Big Data Technology Fundamentals — jinak volně dostupného webového modulu, přepracovaného na živý workshop zakotvený ve vlastní datové platformě vaší organizace. Pokrývá ekosystém Hadoop, MapReduce, HDFS a programovací frameworky Pig a Hive, a buduje základ, který tým potřebuje před prací se službami AWS pro big data.
Pro koho je workshop určen
❏ Enterprise architekti řešení
❏ Big data architekti řešení
❏ Datoví vědci
❏ Datoví analytici
❏ Kdokoli, kdo s big data začíná
Proč in-house a na míru
Volně dostupná, samostudijní verze učí Hadoop, MapReduce, Pig a Hive na obecných vzorových datech. V in-house realizaci s lektorem se stejné čtyři moduly probírají na skutečných objemech dat, existujících pipeline a AWS big data službách, které vaše organizace vyhodnocuje nebo už provozuje — z pasivního video modulu se tak stává základ, na kterém může tým hned stavět.
► Akreditované kurzy jsou fajn, ale praktická implementace nás baví a má okamžitou návratnost investice.
Jediné ACO pro tři pilíře implementace
❏ Simulace — Praktické workshopy, ve kterých si tým vyzkouší reálná architektonická rozhodnutí ještě před nasazením do produkce.
❏ Embedding — Implementace metodiky přímo do organizace — přístup funguje i poté, co lektor odejde ze sálu.
❏ Tailoring — Přizpůsobení metodiky konkrétnímu projektu, technologickému stacku a omezením firmy — žádná obecná prezentace.
Přístupy k realizaci
► Agilně — Inkrementální zavádění — dovednosti a architektonické vzory se zabudovávají modul po modulu, v souladu s dodávkovými sprinty.
► Big-bang — Umíme řídit i velké změny — kompletní přenastavení architektury dodané v koncentrovaném, intenzivním formátu.
► Ad-hoc — Bonboniéra toho nejlepšího — sestavená na míru z modulů workshopu podle konkrétní a naléhavé potřeby.
Cíle workshopu
❏ Porozumět byznysovému významu a charakteristikám big data
❏ Porozumět ekosystému Hadoop a jeho roli v big data řešeních
❏ Porozumět frameworku MapReduce a jeho vztahu k HDFS/S3
❏ Analyzovat data pomocí programovacího frameworku Pig
❏ Dotazovat big data pomocí Hive
❏ Vybudovat základ pro práci se službami AWS pro big data řešení
Praktické výstupy
❏ Tým se sdíleným, základním slovníkem pro Hadoop, MapReduce, Pig a Hive před zahájením nebo škálováním AWS big data iniciativy
❏ Diskuse o případových studiích a use casech z kurzu namapovaná na vlastní datové výzvy vaší organizace, kde je to relevantní
❏ Jasnější představa, které AWS big data služby odpovídají stávající datové architektuře vaší organizace
Ukázková struktura workshopu (přizpůsobitelná potřebám firmy)
| Modul 1 — Úvod do Big Data | Byznysový význam a charakteristiky big data; ekosystém Hadoop; zpracování big data; nástroje a techniky pro analýzu; implementace big data řešení; případová studie: social media analytics. |
| Modul 2 — Úvod do MapReduce a Hadoop | Architektura Hadoop; framework a programování MapReduce; MapReduce a HDFS/S3; use case: doporučovací engine. |
| Modul 3 — Analýza dat pomocí Pig | Úvod do Pig, datové typy Pig a reprezentace dat v Pig; spouštění Pig; uživatelsky definované funkce; Pig vs. tradiční RDBMS; pokročilé techniky. |
| Modul 4 — Dotazování big data pomocí Hive | Úvod do Hive, reprezentace dat v Hive a datové typy Hive; dotazování dat pomocí Hive; Hive a AWS; use case: ad hoc analýza a zpětná vazba k produktu. |
Doporučené předpoklady
❏ Žádné formální předpoklady — kurz je určen pro lidi, kteří s big data začínají
Detaily workshopu
❏ Formát: lektorem vedený, in-house, prezenčně nebo virtuálně — veřejný ekvivalent je volně dostupný, samostudijní webový modul
❏ S tímto kurzem není spojena certifikační zkouška
❏ Cílová skupina: enterprise architekti řešení, big data architekti řešení, datoví vědci, datoví analytici a kdokoli, kdo s big data začíná
❏ Hloubku modulů a relevanci případových studií lze přizpůsobit datové platformě a use casům vaší organizace
❏ Cena a termín závisí na velikosti skupiny a formátu
Profil konzultanta / lektora
Workshop vede senior konzultant TAYLLORCOX s AWS akreditací a praxí v implementaci cloudové architektury u klientů napříč obory. Konzultant kombinuje roli lektora a implementačního poradce — cílem je, aby po workshopu zůstala v týmu použitelná architektura, ne jen zápisky.
Časté dotazy
1. Tenhle kurz je online zdarma — proč platit za in-house verzi?
Volná verze je samostudijní modul s obecnými příklady. In-house verze přidává živého lektora, diskusi o skutečných objemech dat a pipeline vaší organizace a přímé Q&A — z pasivního obsahu se tak stává aplikovaná session.
2. Pro koho je workshop určen?
Pro enterprise architekty řešení, big data architekty řešení, datové vědce, datové analytiky a kohokoli, kdo s big data začíná.
3. Je to praktické, nebo teoretické?
Je to koncepční a základní — pokrývá ekosystém Hadoop, MapReduce, Pig a Hive na přehledové úrovni, s případovými studiemi a use casy místo praktických labů.
4. Jaké zkušenosti účastníci potřebují?
Žádné formální předpoklady; kurz je určen pro lidi, kteří s big data začínají.
5. Jak se liší od volně dostupné webové verze?
Stejný klíčový obsah (ekosystém Hadoop, MapReduce, Pig, Hive), dodaný živě s lektorem, který dokáže každý modul propojit s datovou architekturou a AWS plány vaší organizace.
6. Je s kurzem spojena certifikace?
Ne, jde o základní kurz, který není vázán na certifikační zkoušku.
7. Lze workshop realizovat online, nebo jen na místě?
Pro tuto in-house realizaci jsou k dispozici obě varianty.
8. Jaká témata jsou zahrnuta?
Úvod do big data, MapReduce a Hadoop, analýza dat pomocí Pig a dotazování big data pomocí Hive.
9. Lze agendu přizpůsobit naší organizaci?
Ano — důraz modulů a relevance případových studií se dá sladit se stávajícími nebo plánovanými AWS big data službami vaší organizace.
10. Jak je to s cenou a termínem?
Cena, termíny a podmínky storna závisí na velikosti skupiny a formátu. Kontaktujte nás prosím telefonicky nebo přes kontaktní formulář pro nabídku na míru.
Jak nás hodnotí klienti
★★★★★
Na základě zpětné vazby klientů ze všech realizovaných AWS workshopů TAYLLORCOX.
Zdroj obsahu: https://www.tx.cz/amazon-web-services/big-data-technology-fundamentals
