香港現場大数据培訓

本課程爲講師指導的培訓，在香港（線上或線下）進行，面向希望使用Google Colab和Apache Spark進行大數據處理和分析的中級數據科學家和工程師。

通過本課程，學員將能夠：

• 使用Google Colab和Spark搭建大數據環境。
• 利用Apache Spark高效處理和分析大型數據集。
• 在協作環境中可視化大數據。
• 將Apache Spark與基於雲的工具集成。

在 香港 完成此講師指導的現場培訓的參與者將獲得對 Big Data 及其相關技術、方法和工具的實用、真實理解。

參與者將有機會通過動手練習將這些知識付諸實踐。小組互動和教師反饋構成了課程的重要組成部分。

本課程首先介紹了 Big Data 的基本概念，然後進入用於執行 Data Analysis 的程式設計語言和方法。最後，我們討論了支援 Big Data 存儲、分散式處理和 Scala 特性的工具和基礎設施。

本課程爲講師指導的線下或線上培訓，面向高級數據專業人員，旨在優化數據處理工作流程，確保數據完整性，並實施強大的數據湖倉解決方案，以應對現代大數據應用的複雜性。

培訓結束後，學員將能夠：

• 深入瞭解Iceberg的架構，包括元數據管理和文件佈局。
• 在各種環境中配置Iceberg以實現最佳性能，並將其與多種數據處理引擎集成。
• 管理大規模Iceberg表，執行復雜的模式變更，並處理分區演化。
• 掌握優化查詢性能和數據掃描效率的技術，適用於大規模數據集。
• 實施機制以確保數據一致性，管理事務保證，並處理分佈式環境中的故障。

本課程爲講師指導的線下或線上培訓，面向初級數據專業人士，旨在幫助他們掌握使用Apache Iceberg管理大規模數據集、確保數據完整性和優化數據處理工作流程所需的知識與技能。

培訓結束後，學員將能夠：

• 深入瞭解Apache Iceberg的架構、功能和優勢。
• 學習表格式、分區、模式演進和時間旅行功能。
• 在不同環境中安裝和配置Apache Iceberg。
• 創建、管理和操作Iceberg表。
• 瞭解如何將數據從其他表格式遷移到Iceberg。

本課程爲講師指導的培訓（線上或線下），面向中級IT專業人員，旨在提升他們在數據架構、治理、雲計算和大數據技術方面的技能，以有效管理和分析大規模數據集，支持組織內的數據遷移。

通過本課程，學員將能夠：

• 理解各種數據架構的基本概念和組成部分。
• 全面瞭解數據治理原則及其在監管環境中的重要性。
• 實施和管理Dama和Togaf等數據治理框架。
• 利用雲平臺實現高效的數據存儲、處理和管理。

本次由講師指導的線下或線上培訓，面向希望學習如何使用Azure Data Lake Storage Gen2來實現高效數據分析解決方案的中級數據工程師。

培訓結束後，參與者將能夠：

• 瞭解Azure Data Lake Storage Gen2的架構和關鍵特性。
• 優化數據存儲和訪問，以提升性能和降低成本。
• 將Azure Data Lake Storage Gen2與其他Azure服務集成，用於分析和數據處理。
• 使用Azure Data Lake Storage Gen2 API開發解決方案。
• 解決常見問題並優化存儲策略。

這種以講師為主導的香港現場培訓（現場或遠端）針對希望使用和集成Spark，Hadoop和Python以處理，分析和轉換大型複雜數據集的開發人員。

在培訓結束時，參與者將能夠：

• 設置必要的環境以開始使用 Spark、Hadoop 和 Python 處理大數據。
• 瞭解 Spark 和 Hadoop 的功能、核心元件和架構。
• 瞭解如何集成 Spark、Hadoop 和 Python 進行大數據處理。
• 探索 Spark 生態系統中的工具（Spark MlLib、Spark Streaming、Kafka、Sqoop、Kafka 和 Flume）。
• 構建類似於 Netflix、YouTube、Amazon、Spotify 和 Google 的協作過濾推薦系統。
• 使用 Apache Mahout 擴展機器學習演算法。

本課程爲講師指導的線下或線上培訓，面向中級IT專業人員，旨在幫助他們從管理和開發的角度全面理解IBM DataStage，從而在各自的工作場所中有效管理和使用該工具。

培訓結束後，學員將能夠：

• 理解DataStage的核心概念。
• 學習如何有效安裝、配置和管理DataStage環境。
• 連接各種數據源，從數據庫、平面文件和外部來源高效提取數據。
• 實施有效的數據加載技術。

本課程為講師授課的 香港 培訓（線上或線下），主要針對希望部署、維護並最佳化 Spark 叢集的初級至中級系統管理員。

完成本培訓後，學員將能夠：

• 在各種環境中安裝和配置 Apache Spark。
• 管理叢集資源並監控 Spark 應用程式。
• 最佳化 Spark 叢集的效能。
• 實施安全措施，確保高可用性。
• 除錯並排除常見的 Spark 問題。

在這場於 香港 舉辦的講師帶領培訓中，學員將透過實際操作演練，學習如何結合使用 Python 與 Spark 來分析大量資料。

完成本課程後，學員將能夠：

• 學習如何使用 Spark 搭配 Python 分析大量資料。
• 進行模擬真實場景的演練。
• 運用不同工具與技術，透過 PySpark 執行大量資料分析。

在這門由講師指導的培訓中，參與者將學習如何以正確的心態對待大數據技術，評估其對現有流程和政策的影響，並實施這些技術以識別犯罪活動並預防犯罪。通過研究來自世界各地執法組織的案例，參與者將深入瞭解其採用方法、挑戰和成果。

培訓結束後，參與者將能夠：

• 將大數據技術與傳統數據收集流程結合，在調查中拼湊出一個完整的故事。
• 實施工業級大數據存儲和處理解決方案，用於數據分析。
• 準備一份提案，採用最合適的工具和流程，以實現數據驅動的刑事調查方法。

本次由讲师引导的培训(线上或线下)面向希望使用Databricks和PySpark构建可扩展数据管道并迁移现有SQL工作流的数据工程师、数据分析师和数据专业人员。

本培訓提供了一個實用的入門指南，介紹如何使用PySpark構建可擴展的數據處理和機器學習工作流。參與者將學習Apache Spark在現代大數據生態系統中的運作方式，以及如何利用分佈式計算原理高效處理大規模數據集。

這門三天的實務課程著重於在Kubernetes環境中使用PySpark、Pandas和Polars來建構並優化高效能的資料處理工作負載。

學員將對Spark應用程式如何在Kubernetes上執行，以及應用程式層級的設定決策如何影響效能、擴充性、資源消耗和成本，建立實務性的理解。課程涵蓋關鍵的優化領域，包括執行器大小、記憶體分配、動態分配、分割策略、Shuffle行為、小檔案問題以及高效的Parquet處理。

課程還處理使用Pandas時的常見挑戰，包括記憶體限制和記憶體不足失敗，並介紹Polars作為特定資料處理工作負載的高效能替代方案。透過動手練習，學員將診斷效能和記憶體問題，比較不同的設定策略，並將優化技術應用於現實的ETL和機器學習情境。

課程始終強調實務決策能力：了解如何識別瓶頸、選擇適當的工具、高效設定Spark，並平衡效能與基礎架構資源消耗及成本。

這種以講師為主導的香港現場培訓（現場或遠端）針對的是希望建立和部署Apache Spark系統以處理大量數據的工程師。

在培訓結束時，參與者將能夠：

• 安裝和配置 Apache Spark。
• 快速處理和分析非常大的數據集。
• 瞭解Apache Spark和Hadoop MapReduce之間的區別，以及何時使用哪個。
• 將 Apache Spark 與其他機器學習工具整合。

本課程爲講師指導的培訓（線上或線下），面向希望部署Talend Open Studio for Big Data以簡化大數據讀取和處理過程的技術人員。

在本培訓結束時，學員將能夠：

• 安裝和配置Talend Open Studio for Big Data。
• 連接Cloudera、HortonWorks、MapR、Amazon EMR和Apache等大數據系統。
• 理解並設置Open Studio的大數據組件和連接器。
• 配置參數以自動生成MapReduce代碼。
• 使用Open Studio的拖放界面運行Hadoop任務。
• 構建大數據管道原型。
• 自動化大數據集成項目。