Curso de Big Data con Apache Hadoop y Apache Spark

BigData con Apache Hadoop y Apache Spark

Aprende Big Data a través de dos de sus principales herramientas para el análisis de datos

Precio: 250€ IVA inc

Características Principales

Duración: 40 horas
Elementos: 111 lecciones, 2 exámenes y 16 prácticas
Precio: 250€ IVA inc
15% Descuento a estudiantes y desempleados
20% si te inscribes con otra persona
Bonificable a través de Fundae

Descripción del curso:

El presente curso busca dotar al alumno del uso de las diferentes técnicas de ingesta masiva así como gestión de datos en tiempo real con Big Data a través de Apache Hadoop, una herramienta de creación de soluciones distribuidas a través de nodos así como el uso y aprendizaje de Open Source de Spark para la optimización de la velocidad de los datos.

Está principalmente orientado a personas con experiencia en programación en torno a objetos y nociones en bases de datos que quieran profundizar en el uso práctico de Big Data a través de numerosas prácticas y ejercicios.

Convocatoria abierta

Prácticas y exámenes

Certificado del curso

Bolsa activa de empleo

Bonificable a través de Fundae

Temario y ficha descriptiva del curso:

Tema 1º Introducción a las Tecnologías Big Data: Apache Hadoop y Apache Spark

Lección 1º Introducción al curso
Lección 2º ¿Qué es Big Data?
Lección 3º Tipos de Big Data y fundamentos
Lección 4º Introducción al ecosistema Hadoop
Lección 5º Introducción al ecosistema Spark
Lección 6º Hadoop VS Spark y casos de uso
Instalación de Software

Tema 2º Apache Hadoop: Core

Lección 7º Almacenamiento de los datos en Hadoop: HDFS
Lección 8º Arquitectura y organización de HDFS
Lección 9º Ejemplo de lectura en HDFS
Lección 10º Seguridad en HDFS
Lección 11º Demostración práctica HDFS (Parte 1)
Lección 12º Demostración práctica HDFS (Parte 2)
Lección 13º Demostración práctica HDFS (Parte 3)
Lección 14º Gestión de recursos y tareas con Yarn
Lección 15º Ejemplo de ejecución de una tarea con Yarn
Lección 16º Demostración práctica de Yarn (Parte 1)
Lección 17º Demostración práctica de Yarn (Parte 2)
Lección 18º Demostración práctica de Yarn (Parte 3)
Lección 19º Instalación, administración, y monitorización del Cluster con Apache Ambari
Lección 20º Pasos para la instalación del Cluster con Apache Ambari
Lección 21º Administración de Apache Ambari
Lección 22º Demostración práctica con Apache Ambari (Parte 1)
Lección 23º Demostración práctica con Apache Ambari (Parte 2)
Lección 24º Demostración práctica con Apache Ambari (Parte 3)
Lección 25º Seguridad y gobierno de datos con Apache Ragner
Lección 26º Seguridad y gobierno de datos con Apache Knox, Sentry y Rhino

Tema 3º Ingesta y transformación de datos en Apache Hadoop

Lección 27º Formato de los datos en Apache Hadoop
Lección 28º Tipos de formatos, y como escogerlos.
Lección 29º Formatos de comprensión de los datos
Lección 30º Importación de los datos con Apache Sqoop
Lección 31º Herramientas para el uso de Apache Sqoop
Lección 32º Conectividad, exportación y rendimiento con Apache Sqoop
Lección 33º Problemas frecuentes y Sqoop Server
Lección 34º Estructura básica de Apache Flume
Lección 35º Eventos y fuentes de entrada de Apache Flume
Lección 36º Fuentes de salida, canales y configuración de Apache Flume
Lección 37º Ejemplo con Apache Flume
Lección 38º Introducción a Apache Kafka
Lección 39º Arquitectura y grupos de consumo de Apache Kafka
Lección 40º Zookeeper y casos de estudio en Apache Kafka
Lección 41º Introducción y funcionalidades con Apache Pig
Lección 42º Análisis con Apache Pig Ground
Lección 43º Proceso de ejecución con Apache Pig
Lección 44º Herramientas ETL: Power Center y Kettle
Ejercicios del Tema 3
Resolución de ejercicios del Tema 3

Tema 4º Acceso y explotación de datos en Apache Hadoop

Lección 45º Análisis de MapReduce
Lección 46º Las fases del MapReduce
Lección 47º Usos de Imput Format y Mapper
Lección 48º Reducer y ejecución especulativa en MapReduce
Lección 49º Proceso de ejecución en MapReduce
Lección 50º El Teorema CAP
Lección 51º Bases de datos NoSQL con HBase
Lección 52º Uso de las tablas y Row Key en HBase
Lección 53º Acceso, componentes y MasterServer en HBase
Lección 54º Operaciones con HBase
Lección 55º Origen y organización de Apache Hive
Lección 56º Arquitectura de Apache Hive
Lección 57º Simulación de consulta en Hive
Lección 58º Origen y características de Cloudera Impala
Lección 59º Arquitectura de Cloudera Impala y comparativa con Hive
Lección 60º Origen y características de Apache Drill
Lección 61º Funcionamiento de Apache Drill
Lección 62º Fundamentos de Cloudera Impala
Lección 63º Arquitectura de Cloudera Impala
Lección 64º Comandos y comparativa Impala VS Hive
Lección 65º Apache Phoenix
Lección 66º Apache Strom
Lección 67º Topografía de Apache Strom
Ejercicios del Tema 4
Resolución de ejercicios del Tema 4
Examen 1º

Tema 5º Apache Spark

Entorno de Prácticas – Instalación Apache Spark (Parte 1)
Entorno de Prácticas – Instalación Apache Spark (Parte 2)
Entorno de Prácticas – Primer Arranque con Hortonworks y Cloudera (Parte 1)
Entorno de Prácticas – Primer Arranque con Hortonworks y Cloudera (Parte 2)
Lección 68º Introducción a la arquitectura de Apache Spark
Lección 69º Tipologías de despliegue en Spark
Lección 70º Análisis del RDD, gestor de tareas, trasformaciones y persistencia en Spark
Lección 71º Componentes adicionales: Spark SQL, Datasets, Dataframes y conversión a RDD
Lección 72º Características y acciones principales de Spark Streaming
Lección 73º Análisis, usos y ejemplo de Spark Mlib
Lección 74º Análisis y usos de Spark GraphX y conclusiones
Lección 75º Demostración práctica de Spark con Scala (1º Parte)
Lección 76º Demostración práctica de Spark con Scala (2º Parte)
Lección 77º Demostración práctica de Spark con Scala (3º Parte)
Lección 78º Demostración práctica con MapReduce (1º Parte)
Lección 79º Demostración práctica con MapReduce (2º Parte)
Lección 80º Demostración práctica con FlatMap Scala (1º Parte)
Lección 81º Demostración práctica con FlatMap Scala (2º Parte)
Lección 82º Demostración práctica de Spark con Python (1º Parte)
Lección 83º Demostración práctica de Spark con Python (2º Parte)
Lección 84º Demostración práctica de Spark con Python (3º Parte)
Lección 85º Demostración práctica de Spark con R (1º Parte)
Lección 86º Demostración práctica de Spark con R (2º Parte)
Lección 87º Demostración práctica de Spark con R (3º Parte)
Lección 88º Demostración práctica de Spark con R (4º Parte)
Lección 89º Demostración práctica de Spark con Java (1º Parte)
Lección 90º Demostración práctica de Spark con Java (2º Parte)
Lección 91º Operaciones de Spark con Java (1º Parte)
Lección 92º Operaciones de Spark con Java (2º Parte)

Tema 6º Arquitectura de Apache Spark

Lección 93º Introducción y características de Spark SQL
Lección 94º Monitorización, ejecución, Dataframes, y fuentes de datos en Spark SQL
Lección 95º Transformaciones y exportaciones con Datasets
Lección 96º Características de los Datasets y conversión a RDD
Lección 97º Análisis del Streaming estructurado
Lección 98º Análisis del Streaming estructurado (2º Parte)
Lección 99º Demostración práctica con Spark SQL (1º Parte)
Lección 100º Demostración práctica con Spark SQL (2º Parte)
Lección 101º Demostración práctica con Spark SQL (3º Parte)
Lección 102º Demostración práctica con Spark SQL (4º Parte)

Tema 7º Spark Streaming

Lección 103º Conceptos básicos de Spark Streaming
Lección 104º Funciones del Socket Receiver y transformaciones en Spark Streaming
Lección 105º Operaciones de salida en Spark Streaming
Lección 106º Transformaciones con Spark Streaming (1º Parte)
Lección 107º Transformaciones con Spark Streaming (2º Parte)
Lección 108º Análisis del Checkpointing y persistencia
Lección 109º Spark MLib, Dataframes y tablas temporales
Lección 110º Práctica Spark Streaming
Lección 111º Conclusiones finales
Ejercicios del Tema 7
Resolución de ejercicios del Tema 7
Examen 2º

Una vez inscrito en el curso Online, tendrás acceso a todo el contenido durante los próximos 3 meses
Podrás realizar el curso a través de tu ordenador, móvil o tablet para realizar el curso cómodamente y a tu ritmo
Durante el curso tendrás que completar 7 temas dedicados, con un total 111 lecciones, 20 prácticas y 2 exámenes tipo test durante la formación estimados en 40 horas
En el momento que lo necesites podrás efectuar tus consultas al formador, a través de correo electrónico, para resolver tus dudas relativas al curso.
Una vez finalizada la formación, te enviaremos un Certificado del curso emitido por Culture Lab TS S.L.

Requisitos técnicos:

Para poder realizar el curso, los alumnos deberán tener experiencia previa en programación Java o similares, así como nociones en bases de datos SQL o similares.
Para realizar el curso es necesario contar con un equipo con procesador Intel i7, con 16 GB de memoria RAM.

El curso tiene un coste de 250€ exentos de IVA en modalidad Online

El curso está principalmente orientado a:
- Desarrolladores
- Programadores
- Analistas de datos
interesados en conocer el desarrollo Big Data con Hadoop y Spark así como sus posibilidades de implantación:

Objetivos del curso:
- Entenderás el conjunto de tecnologías que dan soporte a Big Data y el posicionamiento de cada una.
- Conocerás y practicarás con los componentes asociados al ecosistema Hadoop: Hive, HDFS, Pig, etc.
- Conocerás Apache Spark y serás capaz de desarrollar programas de análisis de datos con esta tecnología.
- En resumen, estarás preparado para participar en un proyecto Big Data real

Culture Lab pone en marcha el Curso de Big Data con Apache Hadoop y Apache Spark, diseñado por Pablo Panero, Especialista en Big Data y Emilio Sarabia, Consultor en Business Inteligence y Spark.

El curso de Introducción a Big Data está disponible en las siguientes modalidades:

Modalidad Online
Modalidad Telepresencial
Modalidad Presencial

Curso de Big Data con Apache Hadoop y Apache Spark

Confiamos en poder aportar los conocimientos para iniciarnos en Big Data y poder ser capaces de preparar soluciones para la gestión de enormes volúmenes de datos en tiempo real.

Quiero inscribirme