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.

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 Apache DevLake.
• Autenticação.
• Swagger.

Carga Horária.

• 16 Horas.

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.

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

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.

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.

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

Instrutor

Programa de Capacitação e Desenvolvimento para times Cloud Native.

Este programa foi desenvolvido para acelerar a maturidade técnica de times de engenharia responsáveis por plataformas modernas, confiabilidade, segurança e desenvolvimento de aplicações Cloud Native com Kubernetes.

Times que concluem o programa desenvolvem capacidade de reduzir o tempo médio de recuperação de incidentes (MTTR), aumentar a frequência de deploy com segurança e operar plataformas Kubernetes com governança de recursos e visibilidade de custo — métricas diretamente rastreáveis pelas práticas DORA. As capacitações são organizadas em uma trilha fundamental comum e quatro especializações alinhadas aos principais perfis profissionais: Platform Engineers, Site Reliability Engineers (SRE), DevSecOps Engineers, Cloud Native Developers, permitindo que squads desenvolvam competências estratégicas sem redundância de treinamento.

Todo o programa utiliza tecnologias 100% Open Source ou Free Softwares, livres de vendor lock-in, alinhadas ao ecossistema Cloud Native Computing Foundation (CNCF) e aplicáveis em ambientes onpremise ou qualquer provedor de nuvem.

Trilha Base - Cloud Native Foundations.

Esta trilha fornece os conhecimentos fundamentais necessários para atuação em ambientes modernos de containers, Kubernetes, automação e infraestrutura Cloud Native, servindo como base para as demais especializações do programa.

Containers e Automação

• Treinamento Docker - 24 Horas.
• Treinamento Docker Compose - 8 horas
• Treinamento Python para DevOps - 32 Horas.

Orquestração de Containers

• Treinamento Kubernetes - 32 Horas.

Infraestrutura como Código

• Treinamento Terraform - 24 Horas.
• Treinamento OpenTofu - 24 Horas.

Atenção: Nesta categoria pode selecionar apenas 1 treinamento, pois as ferramentas concorrem diretamente na construção da sua plataforma Cloud Native.

GitOps e Entrega Contínua.

• Treinamento Argo CD - 16 Horas

Empacotamento e Deploy de Aplicações.

• Treinamento Helm - 16 Horas.

Pré-requisitos da trilha:

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

Trilha - Platform Engineering - SysAdmin.

Esta trilha é voltada para profissionais responsáveis por construir e manter plataformas internas modernas para desenvolvimento e operação de aplicações Cloud Native, promovendo padronização, automação e escalabilidade para squads de tecnologia.

Gerenciamento de Plataformas Kubernetes

• Treinamento Rancher - 24 Horas.
• Treinamento Serviços para Kubernetes (MetalLB CoreDNS, Metrics Server, Snapshots e Cert-Manager) - 16 Horas.
• Treinamento Kubernetes Resource Management (ResourceQuota, VPA e OpenCost) - 16 Horas.

Storage para Ambientes Cloud Native.

• Treinamento Longhorn - 16 Horas.
• Treinamento MinIO - 24 Horas.

Automação Avançada de Plataformas.

• Treinamento Kubernetes Operators - Operação e Gestão - 8 Horas.

Registry e Supply Chain

• Treinamento Harbor - 16 Horas.

Arquitetura de Plataformas.

• Treinamento Platform Engineering - 24 Horas.

Service Mesh e Conectividade.

• Treinamento Istio - Service Mesh para Kubernetes - 24h

Pré-requisitos da trilha:

• Cloud Native Foundations.

Total de horas de capacitação: 168 Horas

Trilha - Site Reliability Engineering (SRE) - Infra Ops.

Esta trilha é voltada para profissionais responsáveis por garantir confiabilidade, disponibilidade, monitoramento, troubleshooting e performance de ambientes distribuídos em produção.

Observabilidade e Métricas

• Treinamento Prometheus - 24 Horas.
• Treinamento Grafana - 16 Horas.
• Treinamento OpenTelemetry - 16 Horas

Troubleshooting e Operações

• Treinamento Troubleshooting em Kubernetes - 24 Horas

Confiabilidade e Engenharia de Produção

• Treinamento Site Reliability Engineering (SRE) - 24 Horas.
• Treinamento Apache DevLake -16h

Pré-requisitos da trilha:

• Conhecimento em Linux.
• Conhecimento em redes.
• Conhecimento básico em Kubernetes.

Total de horas de capacitação: 120 Horas

Trilha - DevSecOps Engineer.

Esta trilha é voltada para profissionais responsáveis por incorporar práticas de segurança ao ciclo de desenvolvimento e operação de plataformas modernas e ambientes Kubernetes.

Gestão de Identidade e Acesso.

• Treinamento Keycloak - 24 Horas.

Segurança em Containers e Kubernetes.

• Treinamento Segurança em Kubernetes – 24 Horas.

Segurança de Pipelines e Supply Chain.

• Treinamento DevSecOps - Pipeline Security - 24 Horas.
• Treinamento Harbor - Security & Supply Chain - 16 Horas.

Governança e Compliance

• Treinamento Open Source Governance - 16 Horas.

Gestão de Segredos e PKI

• Treinamento Vault - 16 Horas.
• Treinamento OpenBao - 16 Horas.

Atenção: Nesta categoria selecione apenas um treinamento, pois as ferramentas concorrem diretamente na construção da sua plataforma. Vault para ambientes que já adotam o ecossistema HashiCorp. OpenBao para ambientes 100% Open Source sem restrições de licença comercial

Políticas e Segurança Cloud Native

• Treinamento Kyverno e Policies Kubernetes - 16 Horas.

Pré-requisitos da trilha:

• Cloud Native Foundations.
• Conhecimento básico em segurança da informação.

Total de horas de capacitação: 136 Horas

Trilha - Cloud Native Developer

Esta trilha é voltada para desenvolvedores que desejam construir aplicações modernas baseadas em arquiteturas Cloud Native, microsserviços e integração com plataformas Kubernetes.

Arquiteturas Cloud Native

• Treinamento Cloud Native Applications – 24 Horas.

Microsserviços e Integração

• Treinamento Microsserviços Open Source – 24 Horas.

Aplicações Distribuídas

• Treinamento Kubernetes para Desenvolvedores -24 Horas.
• Treinamento Go (Golang) para Cloud Native Developers - 16 Horas
• Treinamento Kubernetes Operators - Kubebuilder e Operator SDK - 24h

Resiliência e Observabilidade para Aplicações

• Treinamento Observabilidade para Aplicações Cloud Native – 16 Horas.

Arquiteturas Event-Driven

• Treinamento Apache Kafka - 32 Horas.

Pré-requisitos da trilha:

• Trilha Cloud Native Foundations
• Conhecimento intermediário em programação.

Total de horas de capacitação da trilha: 160 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 475 e foi modificado pela última vez em 10 de Maio de 2025.

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.
• 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.

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

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.

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.
• 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.

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

Instrutor

O treinamento XWiki Open Source Enterprise Wiki é destinado para quem precisa conhecer o fundamental do XWiki para implantar uma solução de Wiki Corporativa. O curso permite desde o uso do XWiki no dia a dia de usuários colaborando com conteúdos e com suas principais funcionalidades, até funções mais avançadas como integrações e desenvolvimentos de extensões e a administração do software.

Todo o treinamento e ministrado sobre a versão Community do XWiki em Português do Brasil com Ambiente de educação e metodologia de ensino personalizada.

Calendário de turmas abertas .

Somente turmas in-company.

Dificuldade: Média.

Aplicabilidade.

Este treinamento foi desenvolvido usando o XWiki 15.10.10 e foi modificado pela última vez em 05 de Junho de 2024.

O que vou aprender?

Ao final deste treinamento você será capaz de:

• Realizar implantação do XWiki.
• Configuração de templates.
• Customização de páginas.
• Administração do Ambiente.
• Instalar um XWiki baseado em conteiners Docker.
• Escalar aplicações.
• Aplicar níveis de segurança no XWiki.
• Customizar Extensões para XWiki.

Conteúdo Programático

Conceitual - Visão geral da Plataforma XWiki

• Introdução ao conceito global de Wiki.
• Introdução ao XWiki.
• Arquitetura e Tecnologias utilizadas.
• Histórico da XWiki.
• Interfaces do XWiki.
• Empresas usando XWiki no Mundo.
• Empresas usando XWiki no Brasil.
• Licenciamento do XWiki e tipos de licenças.
• XWiki X MediaWiki.

Instalação do XWiki.

• Básico de Docker para XWiki.
• Preparação do ambiente de instalação.
• Requisitos mínimos de configuração.
• Principais decisões de arquitetura (Cloud, on-premises, etc).
• Instalação do XWiki no Linux.
• Configurações e propriedades globais.
• Configurações de e-mail
• Memória Java do Container Tomcat Java J2EE.
• Formas de Acesso (Share, FTP, Explorers, etc).
• Adicionando sua identidade visual e alterando detalhes do Layout

Funcionalidades do XWiki para Usuários

• Navegação em sua instância XWiki (espaço, subespaço, página, etc.)
• Estruturas do XWiki.
• Criação e edição colaborativa de páginas wiki (editor WYSIWYG, macros);
• Gerenciamento do histórico e controle de versão da sua página.
• Criando links entre páginas.
• Gerenciando documentos do Office.
• Colaboração in-page (comentários, anotações, etc.);
• Usando um aplicativo simples: blog;
• Personalização do perfil do usuário;
• Acompanhar a atividade (favoritos, fluxo de atividades);

Administrando a Plataforma XWiki.

• Configurando o idioma padrão.
• Gerenciando usuários e grupos.
• Right management.
• Editar a aparência.
• Personalizar o layout.
• Configurar e atualizar aplicativos Open Source.
• Criação de novos wikis;

Autenticação e Segurança.

• Overview de autenticação.
• Modelo de segurança.
• Papeis e usuários
• Grupos e subgrupos.
• Hierarquia de permissões.

Pesquisas Avançadas.

• Apache Lucene
• Pesquisas Lucene.

Arquitetura do XWiki.

• Data Model.
• Classes, Objects, e Properties.
• Apache Tomcat.
• Database Schema.
• Apache Solr.
• Extending XWiki.

Template Engine - Velocity.

• O Projeto Apache Velocity.
• Java-based template engine.
• Velocity Template Language (VTL).
• Hello Velocity World!
• Variáveis.
• Propriedades.
• Métodos.
• Property Lookup Rules.
• Rendering
• Index Notation.
• Directives.
• Literals.
• If / ElseIf / Else.
• Relational and Logical Operators.
• Foreach Loop.
• Velocimacros.
• Script Services.
• Features and Miscellany.
• Groovy scripting.

Groovy Script.

• O Projeto Apache Groovy.
• full-fledged scripting language.
• XWiki Component Access.

HQL.

• Public API (searchDocuments).
• Simple Query.
• Ordered Query.
• Advanced Query (date & time).
• Privileged API (search).
• Count Query.
• Simple Query with multiple fields.
• Objects of a specific class.
• List users.
• List attachments of a page.
• Simple Query with multiple fields.

API.

• Dataset.
• Interagindo com XWiki RESTful API.
• Authentication.
• CSRF Token.
• Sending representations.
• PUT vs POST.
• Headers.
• Root resources.
• Query API.
• Localization resources.
• Icon Theme resources.
• Custom resources.

Extensões para XWiki.

• Scripts
• Java API.
• Macros.
• Skins
• Skin Themes.
• Skin Extensions.

Migrações.

• Migrando de Confluence para XWiki.
• Confluence Migrator.

Backups e Exportação.

• Exportando conteúdos em XAR.
• Importando conteúdos em XAR.
• Métodos de Backup.
• Ferramentas de Backup.

Carga Horária.

• 32 Horas.

Pré-requisitos.

• Conhecimento Básico em algum Sistema Operacional (Windows, Linux ou Mac OS).
• Conhecimento básico de banco de dados.
• Conhecimento Básico em tecnologias de Front-End (HTML, CSS, JSON, JavaScript)
• Conhecimento básico de Programação.

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.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares XWiki 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.

Metodologia.

• O treinamento apresenta uma empresa fictícia chamada "CloudWiki" onde será implantado o XWiki 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 XWiki e cursos XWiki. Caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutores

Este treinamento Bonita BPM é voltado para usuários e desenvolvedores que pretendem conhecer o processo de implementação de workflows na Ferramenta Bonita BPM. Todo o treinamento é ministrado sobre a versão Community do Bonita, repassando conhecimentos sobre conceitos de Workflow e Business Process Management (BPM) os componentes do Bonita BPM Plataform.

O Bonita, é um motor de fluxo de trabalho (Workflow) de código aberto escrito em Java que pode executar processos de negócios descritos no BPMN 2.0.

• Plataforma aberta e moderna BPM permite flexibilidade para automatizar, personalizar e adaptar rapidamente os processos de negócio.
• Ferramentas gráficas tornando mais fácil para usuários menos técnicos para projetar e ajustar os processos de negócios, agilizando implementação de aplicativos e alinhamento dos negócios.
  
• Processos e formas em bibliotecas reutilizáveis que permitem montagem, aplicação rápida e simples e ao mesmo tempo garantir as melhores práticas e padrões à empresa são incorporadas.
  

Nosso conteúdo programático que foi construído para formação de consultores na plataforma de Bonita BPM, O mesmo mescla conhecimentos conceituais de Workflow, BPM, Modelagem de Processos e uma introdução ao ECM (Alfresco), assim como, necessidades de infraestrutura, integração e programação, necessários para implementação completa do Software Bonita.

Dificuldade: Média.

Aplicabilidade:

Este treinamento foi desenvolvido usando o Bonita Community 2023.2-u0 e foi modificado pela última vez em 22 de Maio de 2024.

O que vou aprender?

Ao final deste treinamento você será capaz de:

• Realizar implantação do Bonita.
• Desenvolver fluxos de processos usando a metodologia BPM e notação BPMN.
• Integrar os processos a aplicações externas.
• Orquestrar processos.
• Administração do Ambiente.
• Escalar aplicações.
• Aplicar níveis de segurança no Bonita.

Conteúdo Programático.

Conceitual.

• O que é um fluxo de trabalho (Workflow).
• Introdução ao BPMN 2.0 (Business Process Model and Notation).
• Introdução ao DMN 1.1.
• Introdução a Notação BPMN.
• Principais Elementos da Notação BPMN.
• O Projeto Bonita BPM.
• Histórico do Bonita.
• Bonita X Activiti X Camunda X Flowable.
• Versões do Bonita.
• Licenciamento.

Instalação do Bonita BPM.

• Instalação do Bonita Studio.
• Instalação do Bonita Community Server.
• Instalando o bundle.
• Configurando o bundle.

UI do Bonita.

• Menus.
• Sub Menus.
• Primeiros passos na ferramenta.

Criando Processos no Bonita.

• Configuração Inicial do Bonita Studio.
• Telas.
• Desenho do primeiro processo.
• Pool
• Lanes.
• Atores.
• Organizações.
• Exportando um processo.
• Versionamento.
• Importando organizações.
• Importando um processo.
• Testando o processo.

Segurança.

• Controle de acessos
• Usuários e Grupos.
• Sistema de permissões.
• Formas de Integração com LDAP.

Conectores.

• Conceito de Conectores.
• E-mail.
• Banco de dados.
• Relatórios.
• GED.
• Conceitual do GED Alfresco.
• Integração com Alfresco.

Administração do Ambiente Bonita.

• Colocando o Bonita em produção.
• Tuning.
• Geração automática de cache.

Carga Horária.

• 24 Horas.

Pré-requisitos.

• Conhecimento Básico em Conceitos de Processos.
• Conhecimento Básico em algum Sistema Operacional (Windows, Linux).
• Conhecimento Básico de Programação.

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: 4GB.
• Espaço em Disco: 10GB.
• Processador: Dual-core AMD 64, EM64T
• Sistemas Operacionais: GNU/Linux, Windows.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Bonita Community 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.

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 Bonita e cursos Bonita. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

Sobre o Treinamento

Apache ORC é um formato de armazenamento de dados orientado a colunas gratuito e de código aberto. É semelhante a outros formatos de arquivo de armazenamento colunar disponíveis no ecossistema Hadoop, como RCFile e Parquet. Seu conteúdo programático oferece uma estrutura abrangente para um treinamento sobre Apache ORC, abordando desde os conceitos básicos até técnicas avançadas e aplicação prática em projetos.

Conteúdo Programático.

Conceitual Apache ORC.

• O que é Apache ORC?
• Vantagens e benefícios do uso do Apache ORC.
• História e evolução do Apache ORC.
• Empresas usando Apache ORC no Brasil
• Apache ORC X Apache Parquet X RCFile.

Estrutura Interna do Apache ORC.

• Visão geral da estrutura de arquivo ORC.
• Compreensão dos tipos de dados suportados.
• Exploração da compactação e codificação de dados.
• ACID support.
• Types.
• Indexes.

Configuração e Instalação

• Instalação do Apache ORC em diferentes ambientes (local, cluster, cloud).
• Configuração inicial e ajustes recomendados.
• Building ORC.

Escrita de Dados no Formato ORC.

• Como escrever dados no formato ORC usando diversas linguagens (Python, Java, etc.).
• Melhores práticas para otimização da escrita.
• ORC Adopters.

Leitura de Dados no Formato ORC

• Como ler dados ORC em diferentes ambientes e linguagens.
• Otimização da leitura de dados.

Otimização e Desempenho

• Estratégias para otimizar consultas em dados ORC.
• Uso de índices e estatísticas para melhorar o desempenho.

Compactação e Particionamento

• Estratégias para compactação eficiente de dados ORC.
• Particionamento de dados para melhorar o desempenho.

Integração com Ferramentas de Big Data

• Integração do Apache ORC com ecossistemas de Big Data como Hadoop e Spark.
• Uso de ORC em pipelines de dados.
• Java Tools.
• Hive DDL.
• Hive Configuration.

Casos de Uso Avançados

• Estudos de caso avançados de uso do Apache ORC em ambientes reais.
• Migração de dados para o formato ORC.
• Spark DDL.
• Spark Configuration.

Projeto Prático

• Desenvolvimento de um projeto prático utilizando o Apache ORC.
• Implementação de técnicas aprendidas ao longo do curso.

Carga Horária:

• 16 Horas de duração.

Pré-Requisitos:

• Conhecimento de comandos e servidores Linux.
• Conhecimento básico de desenvolvimento.

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: 20GB
• Processador: Dual-core AMD 64, EM64T
• Sistemas Operacionais: GNU/Linux, Windows.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Apache ORC 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.

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 ORC e cursos  Apache ORC. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

Sobre o Treinamento

O treinamento Apache Kudu é voltado para profissionais de Big Data e Engenharia de Dados que precisam de um armazenamento colunar de alta performance para suportar cargas de trabalho analíticas e de baixa latência simultaneamente. O Apache Kudu foi projetado para preencher a lacuna entre os sistemas de armazenamento HDFS, otimizados para leitura, e os bancos NoSQL, otimizados para escrita, oferecendo mutabilidade em tempo real combinada com desempenho analítico compatível com o ecossistema Hadoop.

Neste treinamento o aluno aprenderá a arquitetura interna do Kudu, os conceitos de tablet servers, masters, particionamento de tabelas e compactação, além de integrar o Kudu com Apache Impala e Apache Spark para consultas analíticas de alta velocidade. Serão exploradas APIs de acesso direto (Java e Python), estratégias de particionamento por range e hash, monitoramento de clusters e boas práticas de deploy.

O que vou aprender?

Ao final deste treinamento você será capaz de:

• Compreender a arquitetura interna do Apache Kudu: Masters, Tablet Servers e replicação via Raft Consensus.
• Modelar tabelas com particionamento por Hash, Range e combinado para alta performance de leitura e escrita.
• Instalar e configurar um cluster Kudu standalone e multi-nó, inclusive integrado ao Cloudera Manager.
• Realizar operações CRUD (Insert, Upsert, Update, Delete) via API Java e API Python.
• Criar e consultar tabelas Kudu diretamente com SQL usando o Apache Impala.
• Construir pipelines de ingestão em tempo real com Apache Spark Structured Streaming gravando em Kudu.
• Integrar o Apache NiFi ao Kudu para fluxos de dados de alta vazão com o PutKudu Processor.
• Monitorar e administrar o cluster Kudu com a Web UI, Prometheus e Grafana.
• Aplicar segurança no cluster com autenticação Kerberos e criptografia TLS.
• Identificar e corrigir problemas de replicação, compactação e performance.

Dificuldade: Intermediário / Avançado.

Aplicabilidade: Este treinamento foi desenvolvido usando o Apache Kudu 1.18.1 e foi modificado pela última vez em 13 de Julho de 2026.

Conteúdo Programático.

Conceitual Big Data e Armazenamento Colunar

• Visão geral sobre Hadoop e o ecossistema de armazenamento.
• Características e limitações do HDFS para cargas OLTP.
• Comparativo: HBase X Kudu X Cassandra X Parquet.
• Histórico e motivação do Apache Kudu.
• Casos de uso do Kudu no mercado.
• Empresas usando Kudu no mundo e no Brasil.
• Posição do Kudu no ecossistema Cloudera

Arquitetura do Apache Kudu

• Componentes: Kudu Master e Tablet Servers.
• Tablets e particionamento de dados.
• Modelo de dados: chaves primárias, colunas e tipos suportados.
• Replicação e tolerância a falhas (Raft Consensus).
• Compactação de dados e gerenciamento de memória (MemRowSet vs. DiskRowSet).
• Redes e balanceamento de carga entre tablets.

Instalação e Configuração do Apache Kudu

• Requisitos de sistema e hardware para produção.
• Instalação standalone para desenvolvimento e testes.
• Configuração em cluster multi-nó.
• Integração com Cloudera Manager.
• Configuração de replicação e número de réplicas.
• Gerenciamento de tabelas via Kudu CLI e Web UI.
• Deploy com Docker e Kubernetes.

Modelagem de Dados no Apache Kudu

• Criação de schemas e definição de chaves primárias.
• Estratégias de particionamento: Hash Partitioning e Range Partitioning.
• Particionamento composto (Hash + Range).
• Boas práticas de modelagem para alta performance de escrita e leitura.
• Alteração de schemas em tabelas existentes.
• Limitações de design e anti-padrões.

API Java do Apache Kudu

• Configuração do ambiente de desenvolvimento Java com Maven.
• KuduClient: conexão e gerenciamento de sessões.
• Operações DML: Insert, Upsert, Update, Delete.
• Leitura de dados: KuduScanner e predicados de filtro.
• Controle de fluxo e FlushMode.
• Tratamento de erros e retry policies.

API Python do Apache Kudu

• Instalação e configuração do cliente Python.
• Conexão ao cluster Kudu via Python API.
• Operações CRUD com Python.
• Integração com Pandas para análise de dados.
• Casos práticos de ingestão de dados em tempo real.

Apache Kudu e Apache Impala

• Visão geral da integração Impala + Kudu.
• Criação de tabelas Kudu diretamente via SQL no Impala.
• Operações DML (INSERT, UPDATE, DELETE, UPSERT) via Impala SQL.
• Consultas analíticas de alto desempenho com predicado pushdown.
• Integração com HUE para exploração interativa de dados.
• Particionamento e performance de queries Impala-Kudu.

Apache Kudu e Apache Spark

• Configuração do conector Kudu para Apache Spark.
• Leitura e escrita de DataFrames Spark em tabelas Kudu.
• Uso do Kudu como sink em pipelines de Streaming (Spark Structured Streaming).
• Otimizações de performance: pushdown de predicados no Spark.
• Integração com Hive e Metastore para interoperabilidade.

Apache Kudu e Apache NiFi

• Visão geral do conector NiFi para Kudu.
• Pipelines de ingestão em tempo real com Apache NiFi.
• PutKudu Processor: configuração e boas práticas.
• Tratamento de erros e retry em pipelines NiFi-Kudu.

Monitoramento e Administração

• Web UI do Kudu Master e Tablet Servers.
• Métricas de performance e monitoramento via Prometheus e Grafana.
• Diagnóstico de problemas de replicação e compactação.
• Backup e recuperação de dados.
• Tuning de performance: configuração de memória, discos e rede.
• Segurança: autenticação Kerberos e criptografia TLS.

Carga Horária:

• 32 Horas de duração.

Pré-Requisitos:

• Conhecimento em Banco de Dados e SQL.
• Noções de Big Data e ecossistema Hadoop.
• Conhecimento básico de GNU/Linux.
• Conhecimento em lógica de programação (Java ou Python é um diferencial).

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: 20GB
• Processador: Dual-core AMD 64, EM64T
• Sistemas Operacionais: GNU/Linux, Windows.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Apache Kudu 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.

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 Kudu e cursos Apache Kudu. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor