Stos SMACK dla Data Science

Opis

Szkolenie zapewnia praktyczne wprowadzenie do stosu technologicznego SMACK (Spark, Mesos, Akka, Cassandra, Kafka) w kontekście rozwiązań Data Science. Program łączy teorię z intensywnymi warsztatami, podczas których uczestnicy uczą się integracji poszczególnych komponentów oraz ich efektywnego wykorzystania w projektach analitycznych. Zajęcia prowadzone są w formie warsztatowej z naciskiem na praktyczne zastosowania i rzeczywiste scenariusze biznesowe.

Profil uczestnika

• Data Scientists poszukujący wiedzy o skalowalnych rozwiązaniach
• Architekci rozwiązań Big Data
• Inżynierowie danych pracujący z rozproszonymi systemami
• Deweloperzy aplikacji analitycznych
• Specjaliści ML/AI zainteresowani skalowaniem rozwiązań
• Analitycy danych chcący poszerzyć wiedzę techniczną

Agenda

1. Wprowadzenie do stosu SMACK
• Architektura i komponenty
• Integracja elementów stosu
• Przypadki użycia w Data Science
• Porównanie z alternatywnymi rozwiązaniami
2. Implementacja rozwiązań analitycznych
• Przetwarzanie danych z użyciem Spark
• Zarządzanie klastrami przez Mesos
• Programowanie reaktywne z Akka
• Przechowywanie danych w Cassandra
3. Streaming i przetwarzanie w czasie rzeczywistym
• Integracja z Apache Kafka
• Implementacja potoków strumieniowych
• Analiza danych w czasie rzeczywistym
• Mechanizmy buforowania i kontroli przepływu
4. Wdrażanie i utrzymanie
• Strategie deploymentu
• Monitoring i debugowanie
• Optymalizacja wydajności
• Zarządzanie środowiskiem produkcyjnym

Korzyści

Zdobycie praktycznej wiedzy w zakresie projektowania systemów analitycznych opartych o stos SMACK. Przyswojenie umiejętności integracji różnych komponentów w spójne rozwiązanie. Poznanie technik implementacji skalowalnych systemów analitycznych. Nabycie zdolności efektywnego wykorzystania rozproszonego przetwarzania w projektach Data Science. Opanowanie metod monitorowania i debugowania złożonych systemów rozproszonych. Zrozumienie najlepszych praktyk wdrażania i utrzymania środowisk produkcyjnych.

Wymagane przygotowanie uczestników

• Podstawowa znajomość zagadnień Data Science
• Doświadczenie w programowaniu w Java lub Scala
• Znajomość podstaw systemów rozproszonych
• Podstawowa wiedza z zakresu analizy danych

Zagadnienia

• Architektura stosu SMACK
• Integracja komponentów
• Przetwarzanie rozproszone
• Apache Spark dla Data Science
• Apache Mesos i orkiestracja
• Programowanie reaktywne
• Apache Cassandra
• Apache Kafka
• Analiza strumieniowa
• Wzorce projektowe systemów rozproszonych

Poznaj naszą firmę