Curso Diseñando y Construyendo aplicaciones Big Data con Hadoop

Carlos Lledias Garduño
Bases de Datos, SQL y NoSQL, Big Data, Data Science y Machine Learning
$11,600.00
  • 10 estudiantes
  • 0 lessons
  • 0 quizzes
  • 30 hour duration
10 estudiantes

Descripción:

Hadoop es un sistema de código abierto que se utiliza para almacenar, procesar y analizar grandes volúmenes de datos; cientos de terabytes, petabytes o incluso más. Hadoop surgió como iniciativa open source (software libre) a raiz de la publicación de varios papers de Google sobre sus sistemas de archivo, su herramienta de mapas y el sistema BigTable Reduce. Como resultado nació un conjunto de soluciones en el entorno Apache: HDFS Apache, Apache MapReduce y Apache HBase; que se conocen como Hadoop, con herramientas como Sqoop (para importar datos estructurados en Hadoop cluster) o NoSQL (para realizar el análisis de los datos no estructurados) entre otros.

Objetivo:

En en el entorno tecnológico que actualmente se mueven todas las organizaciones, donde los sistemas no sólo son capaces de generar e ingestar los datos rápidamente sobre formatos estructurados (SQL), también, cada vez más, se generan datos que no son estructurados (NoSQL). Con el Curso Diseñando y Construyendo aplicaciones Big Data con Hadoop el asistente aprenderá y será capaz a través de Hadoop implementaciones como almacenar toda clase de datos: estructurados, no estructurados, semiestructurados; archivos de registro, imágenes, video, audio, comunicación, etc

Temario:

Tema 1: Primeros conceptos

Procesando Big Data  | Cómputo en la nube con Amazon Web Services

Tema 2: Hadoop en funcionamiento

Hadoop en un host local Ubuntu | Prerequisitos, descargando Hadoop y configurando SSH | Configurando el modo pseudo-distribuido | Cambiando la baseHDFS | Formateando el NameNode | Iniciando con Hadoop | Usando HDFS | WordCount, el “Hola Mundo” de MapReduce | Usando MapReduce elástico | WordCount en EMR

Tema 3: Comprendiendo MapReduce

Pares Key/Value | Hadoop Java API para MapReduce | Escribiendo programas MapReduce | WordCount, el camino fácil | WordCount con un combinador | Tipos de dato esoecíficos de Hadoop | Usando Writable | Input/Output

Tema 4: Desarrollando programas MapReduce

Usando Hadoop con otros lenguajes | WordCount usando Streaming | Analizando un gran conjunto de datos | Resumiendo y correlacionando datos | Optimizando la forma y tiempo de análisis | Utilizando ChainMapper para validación/análisis | Creando contadores, estados de tarea y escribiendo logs de salida

Tema 5: Técnicas avanzadas de MapReduce

Joins | MultipleInputs | Algoritmos de grafos | Representando grafos | Creando código fuente | Estructuras de dato de un lenguaje independiente | Utilizando Avro | Generando resúmenes en MapReduce | Examinando la salida de datos con Ruby y Java

Tema 6: Rompiendo procesos

Failure | Terminando un proceso DataNode | Bloques faltantes | Terminando proceso TaskTracker | Terminando proceso JobTracker | Terminando proceso NameNode

Tema 7: Mantener las cosas funcionando

Configuración de propiedades en Hadoop | Configurando un clúster | Examinando la configuración de rack | Rack awarness script | Control de acceso a clúster | Gestionando el NameNode | Gestionando HDFS | Gestión de MapReduce | Escalando

Tema 8: Vista relacional en datos con Hive

Primeros pasos con Hive | Configurando, instalando y usando Hive | Creando, insertando y validando datos UFO | Validando tablas | Optimizando un Join | Usando Vistas | Exportando salidas de consultas | UDF | Hive en Amazon Web Services

Tema 9: Trabajando con Bases de Datos Relacionales

Rutas comunes de datos | Configurando e instalando MySQL, conexiones remotas | Obteniendo datos en Hadoop | Exportando datos de MySQL a HDFS | Exportando datos de MySQL a Hive | Usando un tipo de mapeo | Importando datos de Hadoop a MySQL | Importando datos de Hive a MySQL | Corrección de mapeo

Tema 10: Colección de datos con Flume

AWS | Datos en todas partes | Web server de datos en Hadoop | Introducción a Apache Flume | Instalando y configurando Flume | Capturando tráfico de red en un log | Capturando un archivo remoto en un archivo local | Añadiendo marcas de tiempo | Redes Flume Multinivel | Un panorama más grande

El plan de estudios está vacío.

0.00 average based on 0 ratings

5 Star
0%
4 Star
0%
3 Star
0%
2 Star
0%
1 Star
0%
$11,600.00



¿CÓMO LLEVAMOS A CABO LAS CLASES ANTE EL COVID-19?

Metodología de enseñanza y aprendizaje que usamos en nuestras clases.
En KMMX usamos un metodología de aprendizaje “blended*” que al español se traduce como mezclada, es decir una parte es presencial y otra a distancia, en estos momentos debido a la pandemia Covid-19 la parte presencial se realiza de manera a distancia pero de manera personalizada en vivo, tratando de simular el cara a cara que tenemos cuando los alumnos asisten a nuestras aulas de manera física. Mantenemos un enfoque de “enseñanza activa”, es decir, el alumno aprende hasta que hace las cosas motivo por el cual se asignan una serie de proyectos en cada curso, que el alumno tendrá que ir completando a su ritmo, por que entendemos que cada alumno aprende de manera diferente y a su ritmo creamos las asesorías personalizadas, que puede solicitar a través del sistema de aprendizaje online.
* El Blended Learning es la combinación de la educación presencial con clases en el aula, con la educación online.

¿Pero en que consiste?
Cada sesión es de aproximadamente una hora, el instructor explica conceptos y resuelve dudas.
Cada curso tiene una serie de ejercicios o proyectos previamente definidos.
En la siguiente sesión el instructor resuelve dudas y explica los siguientes conceptos, así hasta cubrir la totalidad del temario y alcance del curso.
Se agenda una sesión con un mentor antes, durante y después del curso para asegurar el aprendizaje y aprovechamiento del curso. El mentor no es la misma persona que el instructor.
En la plataforma estarán disponibles las sesiones y recursos para ser consultados en cualquier momento por el alumno. Aunque son clases a distancia la experiencia es personalizada.

Mucho éxito en tu camino.
Tus amigos de KMMX