O treinamento Drupal DevOps prepara profissionais para implementar, gerenciar e automatizar ambientes Drupal em escala, utilizando práticas modernas de DevOps. Este curso foi desenvolvido para capacitar equipes técnicas a integrar o Drupal em pipelines de CI/CD, orquestrar contêineres com Docker e Kubernetes, e automatizar deploys, garantindo eficiência e segurança em ambientes de produção.

Nosso conteúdo programático combina conceitos fundamentais de DevOps com atividades práticas focadas no ecossistema Drupal, abordando desde a configuração de ambientes conteinerizados até estratégias de backup, monitoramento e segurança.

Este treinamento é ideal para desenvolvedores, administradores de sistemas e arquitetos que desejam dominar a automação de deploys, otimizar fluxos de trabalho e garantir a entrega contínua de soluções web robustas, como sites, portais, intranets e sistemas corporativos integrados.

Calendário de turmas.

Somente no modelo corporativo.

Conteúdo Programático.

Fundamentos de DevOps para Drupal.

• O que é DevOps e sua importância para projetos Drupal.
• CI/CD: Conceitos e Ferramentas (GitHub Actions, GitLab CI, Jenkins).
• Infraestrutura como Código (IaC) e sua aplicação ao Drupal.
• Conceito de pipelines de deploy automatizado

Contêineres e Docker para Drupal.

• Introdução ao Docker e Docker Compose.
• Criando um ambiente de desenvolvimento Drupal com Docker.
• Dockerfile para Drupal: boas práticas.
• Montagem de volumes e persistência de dados.
• Rede entre contêineres: Nginx, PHP, e Banco de Dados (MariaDB/PostgreSQL).
• Exercício prático: subindo um ambiente completo de Drupal com Docker.

Orquestração de Contêineres com Kubernetes.

• O que é Kubernetes e sua relação com Docker.
• Conceitos básicos: Pods, Deployments, Services, ConfigMaps, Secrets.
• Criando manifests YAML para deploy do Drupal.
• Deploy do Drupal em um cluster Kubernetes.
• Configurando o banco de dados externo para Drupal no K8s.
• Deploy de uma aplicação Drupal simples em um cluster Kubernetes.

CI/CD e Pipelines para Drupal.

• Configurando repositórios Git para projetos Drupal.
• Introdução ao GitHub Actions e GitLab CI.
• Criando pipelines automatizados.
• Build da imagem Docker.
• Testes automatizados de código PHP (PHPUnit, PHPStan).
• Deploy contínuo no Kubernetes.
• Configurando CI/CD para deploy automático do Drupal em um cluster Kubernetes.

Monitoramento e Logging.

• Introdução ao Prometheus e Grafana para monitorar ambientes Drupal.
• Logs com Elasticsearch, Fluentd e Kibana (EFK Stack).
• Configurando métricas e alertas no Kubernetes.
• Monitorando a saúde dos pods Drupal em um cluster.

Backup, Segurança e Disaster Recovery.

• Backups automatizados para Drupal (Banco de dados e arquivos).
• Configurando roles, permissões e secrets no Kubernetes.
• Estratégias de rollback e disaster recovery.
• Configurando backups automatizados e plano de recuperação de desastres.

Carga Horária:

• 24 Horas.

Modalidade do Treinamento.

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-requisitos:

• Conhecimento Básico de Docker e Kubernetes.
• Conhecimento Básico de Drupal.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM: 8GB.
• Espaço em Disco: 20GB.
• Processador: Dual-core AMD 64, EM64T.
• Sistemas Operacionais : GNU/Linux, Windows , MacOS.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Drupal e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações ( slides do treinamento ) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Caneta, Pasta e Bloco de Anotações.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Drupal e cursos Drupal. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

O Treinamento em Apache Doris tem foco em ensinar como explorar, armazenar e analisar grandes volumes de dados para Big Data Analytics e Data Warehousing. Abordamos desde a instalação e configuração até a otimização de consultas para alto desempenho, utilizando sua arquitetura OLAP colunar.

O Apache Doris é um banco de dados analítico open source, projetado para fornecer consultas SQL rápidas e eficientes, suportando cenários de Business Intelligence (BI), relatórios analíticos, dashboards e processamento de Big Data. Ele se integra com diversas ferramentas como Apache Flink, Apache Spark, Hadoop, Hive, Presto e Kafka, facilitando a ingestão e análise de dados em larga escala.

Dificuldade: Média.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Apache Doris 2.1.8 e foi modificado pela última vez em 9 de Fevereiro de 2025.

Modalidades do Treinamento:

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Conteúdo Programático

Conceitual

• O que é Business Intelligence.
• O que é Data Warehouse.
• O que é Lakehouse.
• ETL (Extração, Transformação e Carga).
• Bases OLAP, ROLAP, MOLAP e OLTP.
• Sistemas Transacionais X Sistemas Dimensionais (OLTP X OLAP).
• Dimensões e Modelo Dimensional.
• Modelo Estrela (Star Schema).
• Software Livre x Open Source.
• Apache Software Foundation.
• Licença Apache 2.0.

Conceitual Apache Doris.

• A Plataforma Apache Doris.
• Arquitetura do Apache Doris.
• Licenciamento do Apache Doris.
• Histórico do Apache Doris.
• Empresas usando Apache Doris no Mundo.
• Empresas usando Apache Doris no Brasil.
• Comunidade Apache Doris.

Instalação do Apache Doris.

• Arquitetura do Apache Doris.
• Métodos de deploy.
• Instalando o Apache Doris.
• Customizando o deploy.
• Acessando o Apache Doris.

Table Design

• Data Model.
• Criando Tabelas.
• Data Partition.
• Rollup e Query.
• Index.

Data Import.

• Características de Importação.
• External Storage Data.
• Sincronização de dados.
• Local Data.
• Subscribe Kafka Data.

Data Export.

• Exportação de Dados.
• Export Table Structure
• Export Query Result
• Backup de Dados.

Update e Delete.

• Update
• Delete
• Batch Delere
• Sequence Column

Uso avançado.

• Schema Change.
• Data Cache.
• Materialized view.
• HLL ApproximateDe-duplication.
• Time Zone.
• Dynamic Partition
• Join Optimization.
• Bitmap Precise De-Duplication.
• Variables.
• File Manager

Ecossistema.

• Spark Doris Connector
• Seatunnel Connector.
• UDF
• Flink Doris Connector.
• DataX doriswriter
• Audit log plugin.

SQL.

• SQL Function.
• DML.
• Utility.
• DDL.
• Data Type.

Cluster .

• Cluster Upgrade.
• Statistics Query Execution.
• Metadata Operation.
• Config.
• Multi-tenancy.
• Elastic Scaling
• Manutenção e Monitoramento.
• Authoriry Management.

Segurança e Autenticação.

• Authentication and Authorization.
• Authentication and Authorization Framework.
• Authentication.
• Authorization.
• Types of Permissions.
• Permission Levels.
• Data Masking.

API

• API version.
• Meta Service API.
• Field values.

Carga Horária.

• 24 Horas.

Modalidade do Treinamento.

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-Requisitos.

• Conhecimento Básico em Docker.
• Conhecimento Básico em Banco de dados e SQL.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: 12GB.
• Espaço em Disco: 20GB.
• Processador: 64 bits (chipsets de x64).
• CPU: 4 núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todo o software Apache Doris e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Apache Doris e cursos Apache Doris. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor

Sobre o Treinamento.

O treinamento fundamental Terraform prepara profissionais para o mercado de infraestrutura como código (IaC). Seu conteúdo programático foi desenvolvido para capacitar profissionais a implementar soluções robustas em ambientes nativos de nuvem, otimizando práticas de automação e gestão de infraestrutura em nuvens públicas, privadas ou híbridas, com foco em evitar lock-in de fornecedores.

Todo o treinamento é ministrado com base na versão open source do Terraform, garantindo uma experiência prática e alinhada às melhores práticas da comunidade. O material é completamente em Português do Brasil, com um ambiente de aprendizado personalizado e metodologia de ensino adaptada às necessidades de cada aluno.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Terraform 1.5.5 e foi modificado pela última vez em 08 de agosto de 2024.

Conteúdo Programático.

Conceitual Terraform.

• Introdução à Infraestrutura como Código (IaC).
• IaC x Gerenciamento Tradicional de Infraestrutura.
• O que é o Terraform?
• Casos de uso do Terraform no mercado.
• Ferramentas de automação de infraestrutura.
• Histórico e motivações para a criação do Terraform.
• OpenTofu X Terraform.
• Fundamentos do Terraform: Providers, Resources e Modules.
• Gerenciamento de estados no Terraform.
• Conceito de idempotência no Terraform.
• Casos de uso de Terraform no mercado global e nacional.
• Comunidade Terraform e HashiCorp.
• Licença BSL.

Instalação do Ambiente Terraform.

• Instalação e configuração do Terraform CLI.
• Configuração do backend para gerenciamento de estados (local e remoto).
• Integração com sistemas de versionamento (Git).

Fundamentos do Terraform.

• Estrutura de arquivos e diretórios no Terraform.
• Introdução ao HCL (HashiCorp Configuration Language).
• Blocos básicos: Provider, Resource e Output.
• Execução de comandos básicos: terraform init, plan, apply, e destroy.
• Gerenciamento de estados no Terraform.
• Tipos de Variáveis.
• Variáveis Default.
• Manipulação de variáveis e arquivos de variáveis.
• Variáveis de saída.
• Escrevendo VPC de Rede.
• Utilizando backends.

Gerenciamento de Infraestrutura com Terraform.

• Configuração de múltiplos provedores: AWS, Azure, GCP, entre outros.
• Uso de variáveis sensíveis (Terraform Vault).
• Modularidade: criação e utilização de módulos reutilizáveis.
• Trabalhando com módulos.
• Escrevendo módulos.
• Versionamento de módulo.
• Utilizando módulos versionados.
• Estratégias para gerenciar ambientes (dev, stage, prod).
• Uso de workspaces para segmentação de configurações.

Segurança e Governança no Terraform.

• Práticas de segurança na gestão de infraestrutura com Terraform.
• Configuração de roles, políticas e permissões no Terraform.
• Auditoria e compliance com Terraform e ferramentas associadas.

Troubleshooting e Boas Práticas.

• Terraform fmt e plugins vscode.
• TFLint.
• Nomes de recursos.
• Source module.
• Pipeline de modules.
• Solução de problemas comuns no Terraform.
• Lidando com erros e mensagens de logs.
• Estratégias de rollback e recuperação de estados.
• Otimização de configurações e boas práticas no uso do Terraform.

Integração com Ferramentas e Automação.

• Terraform e GitOps.
• Terraform em pipelines de CI/CD.
• MinIO/S3 como backend.
• Integração com ferramentas de monitoramento e alertas.
• Automação avançada com scripts e templates Terraform.
• Overview Atlantis (Terraform Pull Request Automation).
• Terragrunt.

Casos de Uso Reais.

• Provisionamento de infraestrutura em nuvem pública e privada.
• Criação de ambientes altamente disponíveis e escaláveis.
• Configuração de infraestrutura para aplicações modernas (microsserviços e contêineres).
• Exemplos de deploy multi-cloud.

Assuntos Complementares.

• Terraform Cloud e Terraform Enterprise: vantagens e funcionalidades.
• Migração de outros IaC para Terraform.
• Uso avançado de módulos e provedores customizados.

Montagem de Projetos Reais.

• Configuração de um projeto completo com Terraform.
• Deploy de infraestrutura escalável em um ambiente multi-cloud.
• Gestão de mudanças em infraestrutura já existente.
• Demonstração prática de um projeto fim a fim.

Carga Horária:

• 32 Horas de duração.

Modalidades do Treinamento:

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único (não trabalhamos com limite de participantes para os treinamentos, orientamos turmas de até 15 alunos para melhor desempenho).

Pré-Requisitos:

• Conhecimento de comandos e servidores GNU/Linux.
• Conhecimento básico de redes (Proxy, DNS, etc).

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para Online ter uma boa conectividade com a Internet.

Requisitos mínimos de hardware

• Memória RAM: 8 GB
• Espaço em Disco: 30 GB
• Processador: 4 Cores.
• Sistemas Operacionais: GNU/Linux, Windows, MacOS.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Terraform e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Caneta, pasta e bloco de anotações.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos Brasil, América Latina, Europa e África com Treinamentos Terraform e Cursos Terraform. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor

Sobre o Treinamento.

O treinamento fundamental OpenTofu prepara profissionais para o mercado de infraestrutura como código (IaC). Seu conteúdo programático foi desenvolvido para capacitar profissionais a implementar soluções robustas em ambientes nativos de nuvem, otimizando práticas de automação e gestão de infraestrutura em nuvens públicas, privadas ou híbridas, com foco em evitar lock-in de fornecedores.

Todo o treinamento é ministrado com base na versão open source do OpenTofu, garantindo uma experiência prática e alinhada às melhores práticas da comunidade. O material é completamente em Português do Brasil, com um ambiente de aprendizado personalizado e metodologia de ensino adaptada às necessidades de cada aluno.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando o OpenTofu v1.8.8 e foi modificado pela última vez em 20 de Dezembro de 2024.

Conteúdo Programático.

Conceitual OpenTofu.

• Introdução à Infraestrutura como Código (IaC).
• IaC x Gerenciamento Tradicional de Infraestrutura.
• Casos de uso do OpenTofu.
• Ferramentas de automação no mercado.
• Ecossistema OpenTofu.
• OpenTofu X Terraform.
• Histórico e motivações para a criação do OpenTofu.
• Fundamentos do OpenTofu.
• Conceitos de modularidade e reutilização de código no OpenTofu.
• Gerenciamento de estados no OpenTofu.
• Casos de uso do OpenTofu no mercado.
• Empresas utilizando OpenTofu no Brasil e no mundo.
• Comunidade OpenTofu.

Instalação do Ambiente OpenTofu.

• Preparação do ambiente local.
• Instalação e configuração do OpenTofu.
• Configuração do Terraform CLI para compatibilidade com o OpenTofu.
• Configuração do backend de estado remoto.

Fundamentos do OpenTofu.

• Estrutura de arquivos e diretórios no OpenTofu.
• Introdução ao HCL (HashiCorp Configuration Language).
• Configuração de provedores.
• Criação de recursos básicos com OpenTofu.
• Planejamento, aplicação e destruição de recursos.
• Controle de estados no OpenTofu.

Gerenciamento de Infraestrutura.

• Gerenciando múltiplos ambientes (dev, stage, prod).
• Uso de variáveis e arquivos de variáveis.
• Blocos de módulos: criação e reutilização.
• Provedores no OpenTofu: AWS, Azure, GCP, entre outros.
• Organização e boas práticas em projetos OpenTofu.

Segurança e Governança.

• Gestão de acesso com Workspaces.
• Práticas de segurança na gestão de infraestrutura com OpenTofu.
• Configuração de roles e políticas.
• Auditoria e compliance com OpenTofu.

Troubleshooting e Boas Práticas.

• Tofu fmt e plugins vscode.
• TFLint.
• Nomes de recursos.
• Source module.
• Pipeline de modules.
• Lidando com erros e mensagens de logs.
• Estratégias de rollback e recuperação de infraestrutura.
• Integração com ferramentas de CI/CD.

Assuntos Complementares.

• Utilizando o OpenTofu com ferramentas de orquestração como Kubernetes.
• Integração com Docker para provisionamento de infraestrutura local.
• Automação avançada com uso de scripts e templates.
• Migração de projetos Terraform para OpenTofu.

Montagem de Projetos Reais.

• Configurando infraestrutura completa com OpenTofu.
• Criação de ambientes altamente disponíveis.
• Exemplos práticos de deploy em ambientes multi-cloud.
• Demonstração de um projeto fim a fim.

Carga Horária:

• 32 Horas de duração.

Modalidades do Treinamento:

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas fechadas para empresas a custo único (não trabalhamos com limite de participantes para os treinamentos, orientamos turmas de até 15 alunos para melhor desempenho).

Pré-Requisitos:

• Conhecimento de comandos e servidores GNU/Linux.
• Conhecimento básico de redes (Proxy, DNS, etc).

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para Online ter uma boa conectividade com a Internet.

Requisitos mínimos de hardware

• Memória RAM: 8GB
• Espaço em Disco: 30GB
• Processador: 4 Cores.
• Sistemas Operacionais: GNU/Linux, Windows, MacOS.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares OpenTofu e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Caneta, pasta e bloco de anotações.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos Brasil, América Latina, Europa e África com Treinamentos OpenTofu e Cursos OpenTofu. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor

O Treinamento em Apache DevLake tem foco em ensinar como explorar, organizar e visualizar dados de métricas para medir o desempenho de equipes de desenvolvimento e operações (DevOps), apresentando sua interface intuitiva de monitoramento das métricas, suporta a DevOps Research and Assessment (DORA) e diversas integrações como Jenkins, github Actions, Jira, GitLab CI, entre outras.
O Apache DevLake é uma plataforma open source voltada para análise e observabilidade de dados relacionados ao desenvolvimento de software. Ele ajuda equipes de engenharia a monitorar e entender melhor os processos de desenvolvimento, consolidando informações de diversas ferramentas utilizadas no ciclo de vida de software.

Dificuldade: Baixa.

Aplicabilidade.

Este treinamento foi desenvolvido usando o DevLake v1.0.1 e foi modificado pela última vez em 28 de Novembro de 2024.

Modalidades do Treinamento:

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Conteúdo Programático

Conceitual

• Introdução a Data Visualization.
• O Software Apache DevLake.
• Software Livre x Open Source.
• Licença Apache 2.0.
• Licenciamento do DevLake.
• Histórico do DevLake.
• Empresas usando DevLake no Mundo.
• Empresas usando DevLake no Brasil.
• Comunidade DevLake.

Básico em DORA Metrics.

• O que é o DORA e sua relevância no DevOps.
• História e origem: Pesquisa State of DevOps Report.
• Benefícios da adoção do DORA Metrics.
• Lead Time for Changes.
• Deployment Frequency.
• Mean Time to Recovery (MTTR).
• Change Failure Rate (CFR).

Apache DevLake.

• Arquitetura do DevLake.
• Componentes do DevLake.
• Data Models.
• Domain Layer Schema.
• Tool Layer Schema.
• Raw Layer Schema.
• System Tables.
• Organizando Projetos.
• Princípios de organização de projetos.

Instalação e configuração.

• Requisitos de instalação.
• DevLake com Docker Compose.
• DevLake com Helm em Kubernetes.
• Configurando em um Grafana Externo.

Config UI.

• Apache DevLake Config UI.
• Data collection process.
• Data Connections.
• Project.
• Team.
• Project Team.
• Collect Data.
• WebHooks.
• API KEY.

Data Connections

• Azure DevOps.
• Bamboo.
• BitBucket.
• CircleCI.
• Github.
• GitLab.
• Jenkins.
• Jira.
• Opsgine.
• PagerDuty.
• Sonarqube.
• TADP.

Plugins e Subtasks.

• Plugins
• Subtasks.
• Variáveis de Ambiente.

Metrics.

• Requirement Count.
• Requirement Lead Time.
• Requirement Delivery Rate.
• Requirement Granularity.
• Bug Age.
• Incident Age.
• Commit Count.
• Commit Author Count.
• Added Lines of Code.
• Deleted Lines of Code.
• PR Count.
• PR Cycle Time.
• PR Coding Time.
• Build Count.
• Build Duration.
• Build Success Rate.

DORA Metrics.

• DORA - Deployment Frequency.
• DORA - Median Lead Time for Changes.
• DORA - Failed Deployment Recovery Time.
• DORA - Median Time to Restore Service.
• DORA - Change Failure Rate.

Dashboards Grafana.

• Visualizando Dashboards.
• Dashboard DORA.
• Dashboard Engineering Overview.
• Dashboard Engineering Throughput and Cycle Time.
• Dashboard Community Experience.
• Dashboard GitHub.
• Dashboard GitLab.
• Dashboard Jenkins.
• Dashboard Jira.
• Configuração de alertas.
• Customizações básicas de Dashboards.

Segurança e Autenticação.

• Database.
• Grafana.
• DevLake.
• config-ui.

API

• API do Apche DevLake.
• Autenticação.
• Swagger.

Carga Horária.

• 16 Horas.

Modalidade do Treinamento.

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-Requisitos.

• Conhecimento Básico em Docker.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: 8GB.
• Espaço em Disco: 20GB.
• Processador: 64 bits (chipsets de x64).
• CPU: 2 núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todo o software Apache DevLake e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos DevLake e  cursos DevLake. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor

O treinamento em Apache Iceberg tem foco em aprofundar o conhecimento de engenheiros de dados sobre um dos formatos de tabela mais avançados para ambientes de Big Data. Além dos conceitos, vantagens e arquitetura, os profissionais aprenderão a gerenciar tabelas Iceberg, otimizando particionamento, leitura incremental e time travel para seu ambiente de dados. O treinamento abrange desde os fundamentos até técnicas avançadas.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Média.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Apache Iceberg 1.8.1. e foi modificado pela última vez em 1 de Março de 2025.

Conteúdo Programático

Conceitual.

• Introdução a Big Data.
• Arquivos serializados.
• Formato Colunar.
• Data Swamp.
• Datawarehouse X Data Lake X Data Lakehouse.
• O Software Apache Iceberg.
• Motivações do Apache Iceberg.
• Software Livre x Open Source.
• Licenciamento.
• Apache Software Foundation.
• História e evolução do Apache Iceberg.
• Empresas usando Iceberg no Mundo.
• Empresas usando Iceberg no Brasil.
• Comunidade Apache Iceberg.
• Versões do Apache Iceberg.
• Vendedores e Distribuições do Apache Iceberg.

Apache Iceberg

• Arquitetura do Apache Iceberg.
• Vantagens e benefícios do uso do Apache Iceberg.
• Apache Iceberg X Parquet x JSON x CSV x Apache ORC.
• Compreensão dos tipos de dados suportados.
• Metadados: Manifests, Manifest Lists, e Snapshots.
• Suporte a ACID (Atomicidade, Consistência, Isolamento e Durabilidade).
• Estratégias de particionamento oculto.
• Indexação de dados.

Instalando o Apache Iceberg

• Instalação do Apache Iceberg em diferentes ambientes (local, cluster, cloud).
• Configuração inicial e melhores práticas.
• Construção de tabelas Iceberg.

Leitura e escrita do Apache Iceberg.

• Como escrever dados no formato Iceberg usando diversas linguagens (Python, Java, Scala).
• Modos de escrita: Append, Overwrite e Merge.
• Otimização da escrita para grandes volumes de dados.
• Como ler dados Iceberg em diferentes ambientes e linguagens.
• Técnicas de leitura incremental (Read Snapshots, Time Travel).
• Otimização da leitura para consultas eficientes.

Otimização e Desempenho.

• Estratégias para otimizar consultas em tabelas Iceberg.
• Uso de índices e metadados para acelerar leituras.
• Técnicas de compactação e remoção de arquivos órfãos (garbage collection).

Compactação e Particionamento.

• Compactação de dados para reduzir fragmentação de arquivos.
• Particionamento oculto e dinâmico.
• Estratégias avançadas para otimizar particionamento.

Integração com Ferramentas de Big Data.

• Integração do Apache Iceberg com Hadoop, Spark, Flink e Presto.
• Uso do Iceberg em pipelines de dados.
• Configurações específicas para Hive e Spark.

Casos de Uso.

• Estudos de caso sobre o uso do Apache Iceberg em ambientes reais.
• Migração de dados de ORC/Parquet para Apache Iceberg.
• Implementação de time travel e rollback.

Carga Horária.

• 24 Horas.

Pré-Requisitos.

• Conhecimento básico em algum Sistema Operacional (Windows, Linux ou MAC)
• Conhecimento básico do Ecossistema de Big Data.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 15 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: 8GB.
• Espaço em Disco: 20GB.
• Processador: 64 bits (chipsets de x64).
• CPU: 2 núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Apache Iceberg e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas com exercícios práticos (hacks) desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Brindes: Caneta, Pasta e Bloco de Anotações. (Somente em presenciais)

Metodologia.

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Apache Iceberg e cursos Apache Iceberg . caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor

Programa de Capacitação e Desenvolvimento para times de profissionais de dados.

Este programa foi elaborado para acelerar o processo de desenvolvimento de time de dados e atender a profissionais como Data Scientists, Data Engineers, Engineers Analytics e Data Analyst assim como dar suporte para times de infraestrutura de Big Data. As capacitações são divididas em trilhas que podem ser seguidos pela squads dentro das empresas para alavancar a alta performance das equipes de dados.

Trilha - Infraestrutura para Big Data.
Esta trilha apoia profissionais de infraestrutura para se especializar em ferramentas de conteinerização e automação de infraestrutura, focado em necessidades de times de dados.

• Treinamento Python para DevOps – 32 Horas.
• Treinamento Docker – Fundamental – 24 Horas.
• Treinamento Kubernetes – Fundamental – 32 Horas.

Pré-requisitos da trilha:

• Conhecimento básico em redes.
• Conhecimento básico de GNU/Linux.
• Conhecimento básico de programação/scripts.

Total de horas de capacitação: 88 Horas

Trilha - Data Engineers.
Esta trilha e voltada para profissionais responsáveis por manter e organizar toda a arquitetura para dados do ambiente de Big Data.

• Treinamento Apache Hadoop - Big Data Open Source – 32 Horas.
• Treinamento Apache Kafka – Fundamental – 32 Horas.
• Treinamento Apache NiFi – Fundamental – 24 Horas.
• Treinamento Apache Parquet – Fundamental – 4 Horas.
• Treinamento Apache ORC – Fundamental – 8 Horas.
• Treinamento Apache Spark – Fundamental – 32 Horas.
• Treinamento Apache AirFlow – Fundamental – 24 Horas.

Pré-requisitos da trilha:

• Conhecimento básico em redes.
• Conhecimento básico de GNU/Linux.
• Conhecimento em lógica de programação.
• Conhecimento em banco de dados e SQL.

Total de horas de capacitação: 156 Horas

Trilha - Data Analyst.
Esta trilha foca em profissionais que atuarão no tratamento, apresentação e análise dos dados, sem as complexidades de um Data Scientist, mas com todo potencial para análise quantitativa e estatística através de técnicas e ferramentas tradicionais como Business Intelligence, OLAP, metadados, reports e dashboards

• Treinamento Pentaho Business Intelligence - Fundamental – 32 Horas.
• Treinamento Apache Hop - Fundamental – 24 Horas.
• Treinamento Apache Druid - Fundamental – 24 Horas.
• Treinamento Apache Grafana - Fundamental – 16 Horas.
• Treinamento Apache Superset – Fundamental – 24 Horas.
• Treinamento Metabase - 16 Horas.

Pré-requisitos da trilha:

• Conhecimento em lógica de programação.
• Conhecimento em banco de dados e SQL.

Total de horas de capacitação: 120 Horas

Trilha - Data Scientist.
Esta trilha e voltada para profissionais que já tenham uma vivência com dados e vão evoluir agora no tratamento mais aprofundado usando técnicas de Inteligencia Artificial, Machine Learning e Deep Learning.

• Treinamento IA, ML e Data Mining com Pentaho DM - Fundamental – 16 Horas.
• Treinamento Apache Zeppelin - 8 Horas.
• Treinamento Deep Learning com TensorFlow - Fundamental – 24 Horas.
• Treinamento mlFlow - 24 Horas.
• Treinamento Kubeflow – Fundamental – 24 Horas.

Pré-requisitos da trilha:

• Conhecimento em lógica de programação.
• Conhecimento de alguma linguagem de programação.
• Conhecimento em banco de dados e SQL.
• Conhecimento básico de estatística.

Total de horas de capacitação: 96 Horas

Trilha - Engineers Analytics.
Esta trilha e para especialista em Data Analytics que queiram ampliar seus conhecimentos para nova área que está se formando voltada a engenharia analítica. Esta trilha é uma ligação entre a trilha de engenharia de dados e a trilha de análise de dados.

• Treinamento dbt - Analytics Engineering Workflow - Fundamental – 24 Horas.

Pré-requisitos da trilha:

• Conhecimento em lógica de programação.
• Conhecimento em banco de dados e SQL.

Total de horas de capacitação: 24 Horas

Programa de Capacitação e Desenvolvimento para times de profissionais de DevOps.

Este programa foi elaborado para acelerar o processo de desenvolvimento de time Devops e atender a profissionais como Data Scientists, Data Engineers, Engineers Analytics e Data Analyst assim como dar suporte para times de infraestrutura de Big Data. As capacitações são divididas em trilhas que podem ser seguidos pela squads dentro das empresas para alavancar a alta performance das equipes de dados.

Trilha - Infraestrutura
Esta trilha apoia profissionais de infraestrutura para se especializar em ferramentas de conteinerização e automação de infraestrutura, focado em necessidades de times de dados.

• Treinamento Python para DevOps – 32 Horas.
• Treinamento Docker – Fundamental – 24 Horas.
• Treinamento Docker Compose - 8 horas
• Treinamento Kubernetes – Fundamental – 32 Horas.
• Treinamento Helm - 8 Horas.
• Treinamento Rancher - 24 Horas.
• Treinamento Operator - 4 Horas.

Pré-requisitos da trilha:

• Conhecimento básico em redes.
• Conhecimento básico de GNU/Linux.
• Conhecimento básico de programação/scripts.

Total de horas de capacitação: 88 Horas

Sobre o Treinamento.

Este treinamento capacita os alunos para com o software Trino. O Trino é um mecanismo de consulta distribuído para BIG DATA usando a linguagem de consulta SQL. Sua arquitetura permite que os usuários consultem fontes de dados como Hadoop, Cassandra, Kafka, AWS S3, Alluxio, MySQL, MongoDB e Teradata, e permite o uso de várias fontes de dados em uma consulta. o mesmo é um fork do PrestoDB.

O que vou aprender?

Ao final deste treinamento você será capaz de:

• Empregar o Trino em conceitos-chave para otimizar os sistemas de BIG DATA modernos.
• Executar armazéns de escala de exabyte.
• Clone os dados para um sistema de armazenamento de dados proprietário.
• Configurar os principais recursos do Trino.
• Utilizar as opções da interface do usuário do Trino.
• Conectar-se com ferramentas de visualização.

Público-alvo.

Este treinamento é direcionado para as seguintes profissionais:

• Engenheiros de infraestrutura de big data.
• Engenheiro de Dados.
• Desenvolvedores.
• Cientistas de Dados.

Dificuldade.

Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Trino 450 e foi modificado pela última vez em 20 de Junho de 2024.

Conteúdo Programático

Introdução e conceituais.

• SQL ANSI.
• Query Engines.
• O que é o Trino.
• Arquitetura do Trino.
• Recursos e benefícios do Trino.
• Comparação com outras ferramentas de processamento de dados.
• Licenciamento (Free Software X Open Source).
• Empresas usando Trino no mundo.
• Empresas usando Trino no Brasil.
• Versões do Trino.
• Trino X PrestoDB X Hive.
• Comunidade Trino no Brasil e no Mundo.
• Casos de Uso.
• Livros, sites, documentação e referências complementares.

Instalação e Configuração.

• Requisitos de hardware e software.
• Instalação do Trino em diferentes sistemas operacionais.
• Configuração básica do Trino.

Modelagem de Dados e Consultas

• SQL Statement Syntax.
• Tipos de dados suportados pelo Trino.
• Modelagem de dados no Trino.
• Consultas SQL básicas no Trino.
• Consultas SQL avançadas no Trino.
• Consultas distribuídas no Trino.
• Filtrando dados.
• Migrando fontes de dados.
• Trabalhando com bandas de bolllinger.
• Benchmarking com TCHP.
• Trabalhando com conectores.

Administração e Gerenciamento de Cluster

• Web Interface.
• Tuning Trino.
• Properties Reference.
• Conceitos de gerenciamento de cluster no Trino.
• Configuração de um cluster Trino.
• Adição e remoção de nós do cluster.
• Monitoramento e solução de problemas do cluster.

Integração com outras Ferramentas

• Driver JDBC para Trino.
• Integração com ferramentas de armazenamento de dados, como Hadoop HDFS, Amazon S3, Minio, e outros
• Integração com ferramentas de processamento de dados, como Apache Spark e Apache Flink.
• Integração com ferramentas de Business Intelligence e ETL (Pentaho, Hop).

Segurança

• Configuração de segurança.
• Password File Authentication.
• Authorization.

API

• HTTP Connector
• Trino Client REST API.
• Trino Worker REST API.
• SerializedPage Wire Format.

Uso Avançado

• Uso de funções personalizadas no Trino.
• Uso de UDFs (User-Defined Functions) no Trino.
• Uso de recursos avançados de segurança, como a criptografia de dados.
• Uso do Trino em ambientes de produção.

Práticas recomendadas

• Melhores práticas para modelagem de dados e consultas no Trino.
• Melhores práticas para gerenciamento de cluster no Trino.
• Melhores práticas para integração com outras ferramentas.
• Melhores práticas para uso avançado do Trino.

Carga Horária.

• 24 Horas.

Pré-requisitos.

Este treinamento pressupõe que o aluno seja competente com as seguintes ferramentas, tecnologias e conceitos:

• Conhecimento básico em Banco de Dados e SQL.
• Conhecimento Básico no Ecossistema de Big Data.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos Recomendados de Hardware.

• Memória RAM: 8GB.
• Espaço em Disco: 20GB.
• Processador: 64 bits (chipsts de x64).
• CPU: 2 núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou MacOS.
• VirtualBox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Trino e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Brindes: Caneta, Pasta e Bloco de Anotações (somente em presenciais).

Metodologia.

• O treinamento apresenta uma empresa fictícia que necessita analisar dados de suas áreas e todas as fases da implantação.
• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos em todo Brasil com treinamentos Trino e cursos Trino. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor

O treinamento Drools prepara profissionais para o processo de gerenciamento de regras de negócio. Seu conteúdo programático foi desenvolvido para que profissionais possam implementar soluções complexas em ambientes com larga escala em suas aplicações.
Todo o treinamento e ministrado sobre a versões Community do Drools com Materiais em Português do Brasil. Ambiente de educação e metodologia de ensino personalizada.

O que vou aprender?

Ao final deste treinamento você será capaz de:

• Instalar e configurar o setup para utilizar o Drools.
• Entender o Design Rules,
• Implementar regras no Drools.
  • Compreender o mecanismos de regras.
  • Entender as sintax de regras.
  • Executar regras.
• Integrar aplicações ao BRMS Drools.
• Implantação regras sem compilar.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Avançado.

Aplicabilidade.

Este treinamento foi desenvolvido usando Drools 8.44.0 e foi modificado pela última vez em 6 de Dezembro de 2023.

Conteúdo Programático.

Conceitual.

• Mecanismo de regras.
• Business Rules Management System (BRMS)
• Intelligent Automation.
• Casos de uso BRMs.
• Decision Model and Notation (DMN).
• Decision Requirements Diagram (DRD).
• O Projeto Drools.
• Histórico do Drools.
• Red Hat.
• Motivações para criação do Drools.
• Empresas usando Drools no Mundo.
• Empresas usando Drools no Brasil.
• Community X Enterprise.

Instalação e Setup com Drools.

• Pré-requisitos.
• Compilando o Drools.
• Workbench.
• KIE Server.
• Eclipse IDE.
• Drools Eclipse plugin.
• Drools CLI.

Primeiros passos.

• Criando um projetos de regras.
• Maven archetype.
• Decision Services.
• Usando a DMN.
• KIE DMN Editor.
• DMN Information Requirement.
• DMN custom data types.
• Configurando o Maven (pom.xml)
• Testando com curl.

Conceitos do Drools.

• Stateless Session.
• Statelessfull Session.
• Rule Template.

Domain Specific Language (DSL).

• Substituindo regras por DSL.
• Testando regras DSL.

Drools Rule Engine.

• Design Rules.
• Rules.
• Facts.
• Production memory.
• Working memory.
• Agenda.
• Inference and truth.
• Stated insertions.
• Logical insertions.
• Atributos de regras (salience, no-loop, lock-on-active).
• Activation groups.
• Fact propagation modes.
• Phreak rule algorith.
• Rule base configuration.
• Complex event processing (CEP).
• Negative patterns.
• Session clock.
• Sliding windows.
• rule engine queries and live queries.
• Melhores práticas de regras.

Drools Rule Language (DRL)

• Arquivo DRL.
• Syntax (nova X tradicional).
• DRL Packages.
• Rule unit.
• Rule unit use case.
• Import statements.
• Type declarations and metadata.
• Enumerative type declarations.
• Extended type declarations.
• Queries em DRL.
• Rule conditions.

DMN.

• DMN conformance levels.
• DMN decision requirements diagram (DRD).
• FEEL.
• Rule expressions - FEEL.
• DMN decision logic.
• DMN decision tables.
• DMN model.

KIE (Knowledge Is Everything) API.

• Kie Project.
• KieContainer.
• KieServices.
• KieSession.
• KieBase.
• kmodule.xml
• kbase Attributes.
• Engine dependency.
• KieModule programmatically.
• KieFileSystem.
• Result Severity
• KieScanner.

Drools Event Model.

• KieRuntimeEventManager.
• RuleRuntimeEventManager.
• EventListener.
• DebugRuleRuntimeEventListener.
• KieRuntimeEvent.
• KieRuntimeLogger.
• FileLogger.
• ExecutionResults.

Drools Commands.

• StatelessKieSession.
• KBatchExecutionCommand.
• ModifyCommand.
• InsertElementsCommand.
• FireAllRulesCommand.

BMPs.

• Caso de uso de BPMN, DMN e Regras.
• Integrando Drools ao jBPM.
• Integrando Drools ao Camunda.

Teste de Regras.

• Testando com KIE.
• Testando com JUnit.
• Simulação de regras.

Assuntos Complementares.

• IA integrada ao Drools.
• Pragmatic AI.
• Escalabilidade do Drools.
• Serverless Drools em Kubernetes.

Carga Horária:

• 32 Horas de duração.

Modalidades do Treinamento:

• Presencial - Abrimos turmas onde pode se inscrever, atuamos na maioria das capitais Brasileiras.
• On Line Ao Vivo - Fazemos a transmissão Online do Treinamento.
• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-Requisitos:

• Conhecimento de comandos e servidores GNU/Linux.
• Conhecimento básico em desenvolvimento java.
• Conhecimento básico em Apache Maven.
• Conhecimento básico em git.

Requisitos:

• Todos os participantes devem trazer um notebook para realizar as atividades práticas.
• O Computador deve estar  com acesso de administrador para possibilitar instalações de aplicativos e acesso a Internet.
• Para Online ter uma boa conectividade com a Internet.
• Para turmas In-Company não trabalhamos com limite de participantes para os treinamentos, orientamos que as turmas sejam de até 12 alunos para um melhor desempenho.

Requisitos mínimos de hardware

• Memória RAM: 8GB
• Espaço em Disco: 30GB
• Processador: 4 Cores.
• Sistemas Operacionais: GNU/Linux, Windows, MacOS.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Drools e acessórios na sua última versão estável.
• Material próprio em Português do Brasil.
• Apresentações (slides do treinamento) desenvolvidas pela equipe Ambiente Livre.
• Apostilas digitais dos softwares desenvolvidas pela Ambiente Livre.
• Apostilas com exercícios práticos desenvolvidos no treinamento.
• Materiais e documentações complementares desenvolvido pela Comunidade Open Source Mundial.
• Caneta, pasta e bloco de anotações.

Metodologia

• Todos os dias serão apresentados novos recursos e conceitos e avaliados através de exercícios práticos em todas as aulas.

Estamos localizados em Curitiba e atendemos Brasil, América Latina, Europa e África com Treinamentos Drools e Cursos Drools. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

[No form id or name provided!]

Instrutor