Sobre o Treinamento

O treinamento fundamental em Flowable BPM é voltado para usuários e desenvolvedores que pretendem conhecer o processo de implementação de workflows no software Flowable e integrar a suas aplicações.

O objetivo deste treinamento de 3 dias é dar-lhe informações detalhadas sobre a automação de processos com o Flowable BPM e Java, no final desse treinamento você irá conhecer o básico da BPMN, compreender os conceitos técnicos essenciais do mecanismo BPM do Flowable e ser capaz de implementar aplicativos de processo por conta própria e saber como testá-los.

Calendário de turmas abertas

Somente in Company.

Conteúdo Programático

Introdução

• O que é um fluxo de trabalho (Workflow).
• Introdução ao BPMN 2.0 (Business Process Model and Notation).
• Introdução ao DMN 1.1.
• Introdução ao CMMN 1.1.
• Principais Elementos da Notação BPMN.
• O Projeto Flowable.
• Activiti x Camunda x Bonita X Flowable.
• Licenciamento (Free Software X Open Source)

Instalação e Configuração

• Instalando o Flowable.
• Criando usuários e grupos.

BPM e Automação de processos

• Modelagem de processo com BPMN 2.0.
• Gestão de Decisão com DMN 1.1.
• Gerenciamento de Casos com CMMN 1.1.
• Automação do processo.
• Cadeia de ferramentas e metodologia.
• Padrões e melhores práticas.

Flowable Core

• Arquitetura do Flowable.
• API (Java, REST, SOAP).
• Content, Form, App, IDM
• Dados de processo (Variáveis, XML, JSON) e Idioma de Expressão.
• Gestão de tarefas humanas.
• Modelo de programação usando Spring.
• Manipulação de erros.
• Cenários de implantação.
• Versão do processo.
• Orquestra de serviço.

Designing Flowable Forms

• Criando Formulários.
• Flowable Frontend Expression Language.
• Fonte de dados de Formulários.

Aplicações de processo

• Arquitetura de Aplicações de Processo
• Interfaces de usuário / formulários de tarefa
• Cenários de implantação
• Acessando Serviços (Java, REST, SOAP, EMail)

Customização do Frontend.

• Criando Temas e Estilos.
• FlowApps e Pages usando JavaScript e React.
• Flowable Design.

Administração.

• Monitoramento de instâncias de processo.
• Analizando os Dados do Flowable.
• Interagindo com processos e cases executados.

Carga Horária:

• 24 Horas.
• Presencial e Ao Vivo Remotamente

Pré-Requisitos:

• Conhecimento básico de Java
• Conhecimento em Java IDE (Eclipse, IntelliJ, NetBeans).

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, MacOS. (64 Bits)

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Flowable 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 Flowable e cursos Flowable. caso necessite de um treinamento customizado com suas necessidades também elaboramos estes treinamentos. solicite proposta comercial.

Inscrições, Informações e Valores

Instrutor

Sobre o Treinamento.

Este treinamento capacita os alunos para com o Software PrestoDB. O Presto 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 que vou aprender?

Ao final deste treinamento você será capaz de:

• Empregar Presto 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 PrestoDB.
• Utilizar as opções da interface do usuário do PrestoDB.
• Connectar-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 PrestoDB 0.254 e foi modificado pela última vez em 02 de Março de 2023.

Conteúdo Programático

Introdução e conceituais.

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

Instalação e Configuração.

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

Modelagem de Dados e Consultas

• SQL Statement Syntax.
• Tipos de dados suportados pelo PrestoDB.
• Modelagem de dados no PrestoDB.
• Consultas SQL básicas no PrestoDB.
• Consultas SQL avançadas no PrestoDB.
• Consultas distribuídas no PrestoDB.
• 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 Presto.
• Properties Reference.
• Conceitos de gerenciamento de cluster no PrestoDB.
• Configuração de um cluster PrestoDB.
• Adição e remoção de nós do cluster.
• Monitoramento e solução de problemas do cluster.

Integração com outras Ferramentas

• Driver JDBC para PrestoDB.
• 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
• Presto Client REST API.
• Presto Worker REST API.
• SerializedPage Wire Format.

Uso Avançado

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

Práticas recomendadas

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

Carga Horária.

• 24 Horas.

Modalidade do Treinamento.

• In Company (Presencial ou Online) - Turmas Fechadas para empresas a custo único para até 15 Alunos.

Pré-requisitos.

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

• Conhecimento básico em desenvolvimento Java.
• Conhecimento básico em arquitetura de microsserviços.

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 PrestoDB 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 PrestoDB e cursos PrestoDB. 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 dbt (data build tool) é destinado a analista de dados, engenheiros analíticos e profissionais de times de dados que necessitam tratar o dado armazenados em data warehouses, estejam em cloud ou local, antes de demonstra-los nas camadas de data visualization. O dbt realiza todo o seu fluxo de trabalho de engenharia analítica.

A engenharia analítica é o trabalho de transformação de dados que ocorre entre o carregamento de dados em seu warehouse e sua análise. O dbt permite que qualquer pessoa familiarizada com o SQL possa construir esse fluxo de trabalho.

Neste curso de dbt vamos construir sua mentalidade de engenharia analítica e habilidades no dbt para que você possa avançar em seus trabalhos. Conheça nosso conteúdo programático que foi construído para formação analista de dados avançados.

Calendário de turmas.

Somente no modelo corporativo no momento.

Conteúdo Programático

Conceitual dbt.

• Introdução ao Analise de Dados.
• Introdução a Data warehouse.
• Introdução a modelagem dimensional.
• Histórico da modelagem de dados.
• Star Schema, Snowflake, Data Vault.
• ETL x ELT.
• A função do Analytics Engineer.
• O Software dbt (data build tool).
• Software Livre x Open Source.
• Licenciamento.
• Histórico do dbt.
• Empresas usando dbt no Mundo.
• Empresas usando dbt no Brasil.
• Comunidade dbt.
• Versões.
• Open Source X Enterprise.

Instalação do dbt

• Requisitos de instalação do dbt.
• Instalação do dbt.
• Configuração do dbt.
• Conectando com PostgreSQL.
• Conectando com Redshift.
• Conectando com BigQuery.

Fundamentos.

• O Formato yaml.
• A Linguagem Python.

Modelos no dbt.

• dbt, Databases e controle de versão.
• Conectando no warehouse.
• Models.
• Modularity.
• Modularity e ref functions.
• Model Naming Conventions.
• Organização do projeto.

dbt Cloud.

• dbt Cloud.
• Carregando dados.
• dbt Cloud IDE.

Testes em dbt.

• Tests X Tests dbt.
• Schema Tests.
• Data Tests.

Documentação.

• Importância da documentação.
• doc blocks.
• Gerando a documentação.

Sources.

• O conceito de Sources.
• Configurando um Source.
• Documentando o Source.
• Source freshness.

Deployment.

• deployiment
• scheduling dbt.
• dbt job.

Jinja Primer e Macros.

• O Conceito do Jinja.
• Jinja Template Designer.
• Jinja + SQL.
• Aplicações Jinja.
• Macros.
• DRY Code.

Packages.

• Packages.
• Instalando Packages.
• Packages com Models.

Materializations.

• Materializations.
• Tabelas , Views.
• Ephemeral models.
• Incremental Models.
• Snapshots.

Analises e Seeds.

• Analyses.
• Seeds.

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 algum Sistema Operacional (Windows, Linux ou MAC)
• Conhecimento básico de banco de dado.
• Conhecimento básico de SQL.
• 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 (chipsets de x64).
• CPU: 2 núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou MacOS.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares dbt Open Source 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 dbt e cursos dbt. 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 mlFlow foi elaborado para apresentar e conceituar toda plataforma e o ciclo de vida do machine learning, e atende as necessidades da mlOps, sendo o cientista de dados o profissional mais atuante nesta ferramenta. O MLflow é uma plataforma para otimizar o desenvolvimento de aprendizado de máquina, incluindo experimentos de rastreamento, código de empacotamento em execuções reproduzíveis e compartilhamento e implantação de modelos. O MLflow oferece um conjunto de APIs leves que podem ser usadas com qualquer aplicativo ou biblioteca de aprendizado de máquina existente (TensorFlow, PyTorch, XGBoost etc.), onde quer que você execute o código ML (por exemplo, em notebooks, aplicativos autônomos ou na nuvem).

Calendário de turmas.

Somente no modelo corporativo no momento.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Data Scientist.
• O Software mlFlow.
• Software Livre x Open Source.
• Licenciamento.
• Databricks.
• Histórico do mlFlow.
• Empresas usando mlFlow no Mundo.
• Empresas usando mlFlow no Brasil.
• Comunidade mlFlow.
• Versões do mlFlow.
• Casos de Uso.

mlFlow fundamentos.

• Machine Learning Workflow.
• componentes do mlFlow.
• Arquitetura do mlFlow.
• Escalabilidade e Big Data.
• A plataforma mlFlow.
• O Workflow.
• Linguagens suportadas.
• Bibliotecas suportadas.
• Jupyter Notebook.

 Linguagem Python.

• Apresentando Python.
• Escrevendo scripts Python.
• Básico em Python.
• Tipos Básicos Python.
• Definindo Funções.
• IDE para Python.
• mlFlow Python API.

Instalação.

• Instalando o Python.
• Instalando o mlFlow.
• Instalando o Jupyter.
• Instalando o Numpy.
• Instalando Pandas.

mlFlow Tracking.

• Scikit-learn autologging.
• Local Tracking com SQLite.
• Tracking Server.
• Remore Tracking Server.
• Artifact Stores.
• Fast.ia
• Tracking UI.
• MLflowClinet.
• Bibliotecas suportadas.

mlFlow Models.

• Model Schemas.
• Input examples.
• Input Schema.
• Output Schema.
• Validate inputs.
• Storage Format.
• MLmodel Format.
• Model Signature.
• Spark MLlib.
• Python Function.
• Spacy Model.
• Deployment com Docker.
• Deployment com Apache Spark.
• Deployment Plugins.
• Model API.
• Model Customization.

mlFlow Projects.

• Backend plugins
• YARN.
• Arquivo MLproject.
• Empacotando projetos.
• Executando com Conda.
• Executando com Docker.

mlFlow Model Registry.

• UI Workflow.
• Adicionado Modelos no Registry.
• CRUD Models.
• Tags.
• Versionamento.
• Arquivamento.
• Lyfecyle.
• API Workflow.

mlFlow na Cloud.

• Deployment no Azure ML.
• Deployment no AWS SageMaker.

Gerais.

• Como criar um plugin para mlFlow.

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 algum Sistema Operacional (Windows, Linux ou MAC)
• Conhecimento Básico de Machine Learning e Data Science.
• Conhecimento em alguma linguagem 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 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 mlFlow 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 mlFlow e cursos mlFlow . 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 Kubeflow foi elaborado para apresentar e conceituar a plataforma de aprendizado de máquina Kubeflow, conhecido como Machine Learning Toolkit para Kubernetes a plataforma é de código aberto e projetada para permitir o uso de pipelines de aprendizado de máquina orquestrados em fluxos de trabalho complicados em execução no Kubernetes. Atende as necessidades da MLOps, sendo o cientista de dados o profissional mais atuante nesta ferramenta com apoio das facilidades de deploy do Kubernetes.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Avançado.

Aplicabilidade.

Este treinamento foi desenvolvido usando o Kubeflow 1.6.1 e foi modificado pela última vez em 7 de Janeiro de 2023.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Data Scientist.
• Pipeline de dados.
• Kubernetes.
• O Software Kubeflow.
• Software Livre x Open Source.
• Licenciamento.
• Histórico do Kubeflow.
• Empresas usando Kubeflow no Mundo.
• Empresas usando Kubeflow no Brasil.
• Comunidade Kubeflow.
• Versões do Kubeflow.
• Casos de Uso com Kubeflow.

Introdução as Ferramenta de Machine Learning no Kubeflow.

• Linguagem Python.
• Jupyter Notebook.
• Chainer.
• Scikit-learn.
• PyTork.
• MPI.
• TensorFlow.
• XGBoost.

Kubeflow Applications e Scaffolding

• Chainer Operator.
• MPI Operator.
• pyTork Operator.
• XGBoost Operator.
• Fainring.
• TensorFlow batch prediction.

Instalação e arquitetura.

• Arquitetura do Kubernetes.
• Arquitetura do Kubeflow.
• Requisitos de instalação.
• Instalando o Kubeflow.
• Configurando o Kubeflow.

Distribuições Kubeflow.

• Kubeflow no Google Cloud.
• Kubeflow no AWS.
• Kubeflow no Azure.
• Kubeflow no OpenShift.

Kubeflow.

• Kubeflow UI.
• Central Dashboard.
• Kubeflow Notebooks.
• Models.
• Volumes.
• Experiments (AutoML).
• Experiments (KFP).
• Kubeflow Pipelines.
• KFServing.
• Katib.
• Training Operators.
• Runs.
• Recurring Runs.
• Artifacts.
• kubeflow API.
• Kubeflow SDK.
• Multi-Tenancy.

ML Kubeflow.

• Fase Experimental.
• Fase em Produção.

Ferramentas Kubeflow.

• Kfctl.
• Kustomize.
• KFServiing.
• Kubeflow pipeline.

Add-Ons.

• Elyra.
• Istio.
• Kale.
• Fairing.
• Feature Store.
• Tools for serving

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 containers.
• Conhecimento Básico de Machine Learning e Data Science.

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: ideal 16GB e mínimo : 10GB
• Espaço em Disco: Ideal 45GB e mínimo 30 GB.
• Processadores: 64 bits (chipsets de x64).
• CPU: 6 CPUs/núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.
• Virtualbox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Kubeflow 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 Kubeflow e cursos Kubeflow. 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 Análise de Dados com R foi elaborado para apresentar, conceituar e colocar na pratica a linguagem R, com sua aplicabilidade para análise de grandes conjuntos de dados em diversas áreas de negócio.
O R é uma tecnologia de código aberto e tem como sua principal característica atender necessidades da analise estatística e está incorporada ou integrada a diversos outros software de analise e processamento de dados como Apache Spark, Power BI, Tableau, Pentaho, Apache Hop, Apache Nifi, entre outros, assim como conectividade aos principais bancos de dados do mercado. Cientista de dados e Analistas de dados sãos profissional atuantes nesta ferramenta, e podem aplicar seus conceitos para especializações como: People Analytics, Financial Analytics, Marketing Analytics, etc.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Intermediário.

Aplicabilidade.

Este treinamento foi desenvolvido usando a linguagem R 4.3.2 e foi modificado pela última vez em 12 de Novembro de 2023.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Cientista de Dados.
• People Analytics, Financial Analytics e outras especializações.
• O Software R.
• Software Livre x Open Source.
• Licenciamento do R.
• Histórico do R.
• R Foundation.
• Empresas usando R no Mundo.
• Empresas usando R no Brasil.
• Comunidade R.
• Versões do R.
• Casos de Uso com R.

Instalando o R.

• Instalando o Software R.
• Instalação do RStudio IDE.
• Instalação do software adicionais.

Fundamentos da Linguagem R.

• A linguagem R.
• Operadores.
• Tipos de Dados.
• Variáveis.
• Vetores.
• Matrizes.
• Listas
• Strings.
• Funções
• Expressões Regulares
• Pacotes.
• Principais Bibliotecas de R para análise de dados.
• NSE (Non-standard evaluation)
• Pipe.

RStudio IDE

• Interfaces.
• Atalhos.
• Projetos.
• Addins.
• Cheatsheets.
• Snippets.

Estrutura de Dados em R.

• Data Frames.
• Usando R para Importação.
• Lendo dados de arquivos (CSV).
• Limpeza de dados.
• Preparação de dados.
• Construindo Datasets.
• Outras fontes de dados (Excel, bases de dados, web).
• Manipulação de Banco de Dados.

Visualização de Dados em R.

• Graphics Package.
• plot.
• barplot.
• hist.
• boxplot
• scatter plot.
• Heat Map.
• ggplot2 package (qplot e ggplot).

Formatação de Dados.

• Formatando e Limpando os Dados com dplyr.
• Formatando e Limpando os Dados com tidyr.

Métodos estatísticos em R.

• Funções Estatísticas.
• Dealing.
• Probability distributions.
• Distributions (Binomial, Poisson, Normal).
• Grouping e loops.
• Conditional execution.
• Escrevendo suas funções.

Análise Preditiva e Machine Learning com R.

• Introdução à Machine Learning.
• Linear Regressions.
• Recommendations.
• Clusterin.
• KMeans.
• Classification.
• Naive Bayes.
• Decision Trees.
• Correlação entre causa e efeito.

Gerais.

• Big Data Ecosystem.
• Importação de Dados e Web Scraping.
• Text Mining.
• Subsetting, Séries Temporais e Análise Reproduzível.
• Documentação com R Markdown.
• Programação funcional com R.

Overview People Analytics - R para Recursos Humanos.

• Fundamentos de HR analytics.
• Interpretação de dados.
• Storytelling.
• Aquisição de dados.
• Data-Management Tools.

Carga Horária.

• 32 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 Estatística é recomendável.
• Conhecimento Básico de programação é recomendável.

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: 30 GB
• Processadores: 64 bits (chipsets de x64).
• CPU: 4 CPUs/núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.
• Virtualbox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares R 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 R e cursos R. 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 BentoML prepara profissionais para utilizar framework Python utilizado para servir modelos de aprendizado de máquina em produção em escala. Os modelos fornecidos são independentes de seu ambiente; todos os artefatos de modelo, código-fonte e dependências são encapsulados em um formato autocontido chamado Bento. É como ter seu modelo "como um serviço". Entenda o BentoML como o Docker para modelos de ML gerando imagens de Virtual Machines com APIs pré-programadas prontas para implantação e inclui recursos que facilitam para testar essas imagens. O BentoML pode ajudar a acelerar o esforço iniciais de desenvolvimento de projetos de Machine Learning.

Calendário de turmas.

Somente no modelo corporativo no momento.

Dificuldade: Avançado.

Aplicabilidade.

Este treinamento foi desenvolvido usando o BentoML V1.0.12 e foi modificado pela última vez em 14 de Janeiro de 2023.

Conteúdo Programático

Conceitual.

• Introdução a Data Science.
• O profissional Data Scientist.
• Pipeline de dados.
• A Linguagem Python.
• O Software BentoML.
• Software Livre x Open Source.
• Licenciamento.
• Histórico do BentoML.
• Empresas usando BentoML no Mundo.
• Empresas usando BentoML no Brasil.
• Comunidade BentoML.
• Versões do BentoML.
• BentoML Cloud.
• Casos de Uso com BentoML.

Introdução as Frameworks de Machine Learning no BentoML.

• Scikit-learn.
• Pandas
• PyTork.
• TensorFlow.
• XGBoost.
• Jupyter Notebook.

Arquitetura do BentoML.

• Arquitetura do BentoML.
• Bento Client.
• Bento Server.
• Frameworks de Machine Learning suportados.

Instalação do BentoML.

• Requisitos de instalação.
• Instalando o BentoML com Docker.
• Configurando o BentoML.
• gRPC X HTTP.
• YAML.
• Docker.
• Bentoctl.

Modelos no BentoML

• Modelos
• Preparando Modelos.

Serviços.

• Services.
• Criando um Service.
• Debugging Runners.
• Route.
• Inference Context.
• IO Descriptors.
• Schema e Validação.
• Pandas DataFrame.
• JSON.
• Composite Types.
• Usando modelos em Serviços.

Building BentoML.

• Construindo Bentos.
• Gerenciando Bentos.
• Local Bento Store.
• Import and Export.
• Push and Pull.
• Bento Build Options
• Python Packages.

Generate Docker.

• Deploying Bentos.
• Containerize Bentos.
• Deploy via Web UI.
• Deploy via kubectl.
• Deploy with bentoctl

API.

• Service API.
• Bento Store APIs.
• Metric APIs.
• Framework API.
• BentoML CLI.
• Deploy API.

Integrações.

• Apache Airflow.
• Apache Flink.
• MLFlow.

Segurança

• Securing Endpoint Access.
• Server Side Authentication.
• Security Policy.

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 containers.
• Conhecimento Básico de Machine Learning e Data Science.

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: ideal 8GB
• Espaço em Disco: 30 GB.
• Processadores: 64 bits (chipsets de x64).
• CPU: 4 CPUs/núcleos.
• Sistemas Operacionais: GNU/Linux, Windows ou Mac OS.
• Virtualbox.

Material.

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares BentoML 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 BentoML e cursos BentoML. 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 Apache Airflow prepara profissionais para o mercado para automatizar seu fluxo de trabalho e orquestrar pipelines de dados. O Apache Airflow é uma plataforma de gerenciamento de fluxo de trabalho de código aberto. Tudo começou no Airbnb em outubro de 2014 como uma solução para gerenciar os fluxos de trabalho cada vez mais complexos da empresa. Empresas como Alibaba, Airbnb, Tesla, Square e Spotify tem usado o Apache Airflow em produção e obtendo excelentes resultados.

Calendário de turmas abertas

Objetivo

Ministrar as principais funcionalidades e técnicas do Apache Airflow para a geração transformação de dados.

Público Alvo

Desenvolvedores de ETL, Engenheiro de dados, Analistas de Negócio, Analistas de Business Intelligence, DBAs, desenvolvedores de sistemas, analistas de suporte.

Conteúdo Programático.

Conceitual Apache Airflow.

• Introdução ao Apache Airflow.
• Introdução a ETL e orquestração de dados.
• Introdução a Pipeline de dados.
• Introdução a Ciência de dados.
• A Apache Software Foundation.
• Cases de Uso do Apache Airflow.
• Empresas usando Apache Airflow.
• Pentaho Data Integration X Apache Hop X Apache Airflow.
• DAGs.

Instalação do Apache AirFlow.

• Requisitos para instalação.
• Instalando o Apache Airflow.
• Configurando o Apache Airflow.

Características

• Conhecendo o CLI.
  
• Conexões.
• Instância Remota Airflow.
• Bash/Zsh.
• Exportando DAGs para Imagens.
• Data Profiling.
• Ad Hoc Query.
• Scheduler.
• Executor e Workers.
  
• Web Server - Flask.
  
• DAG Runs.
• Plugins.
• Segurança
• Time zones.
• Airflow.cfg.
• Celety.

Introdução a Linguagem Python

• O que é Python?
• Apresentando Python.
• Instalando Python.
• Escrevendo scripts Python.
• Básico em Python.
• Tipos Básicos Python.
• Definindo Funções.
• IDE para Python.

Tasks e Operator

• BashOperator.
• PythonOperator.
• EmailOperator.
• SimpleHttpOperator.
• PostgresOperator.
• JdbcOperator.
• DockerOperator.
• S3FileTransformOperator.
• Providers.
• Astronomer Registry.

Integrações

• Azure: Microsoft Azure.
  
• AWS: Amazon Web Services.
• Databricks.
• GCP: Google Cloud Platform.

Métricas

• Setup.
• Counters.
• Gauges.
• Timers.

Funcionalidades

• Monitorando o Apache Airflow.
• Customizando o Apache Airflow.
• Lendo dados de Big Data.
• Macros.
• Python API.
• REST API.
• Melhores práticas.

Airflow na Cloud (AWS)

• Multi-Cloud.
• MWAA - Amazon Managed Workflows - AWS
  
• Workers auto-scale.
• Open Airflow UI.
• Console do Amazon MWAA.
• Gravando suas DAGs no S3.
• Executando DAGs.
• Visualização gráfica das DAGs.
• Monitoramento usando CloudWatch.

Carga Horária:

• 24 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 Linux.
• Conhecimento básico em SQL.

Requisitos:

• Todos os participantes devem ter 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, MacOS.
• VirtualBox.

Material

Serão disponibilizados os seguintes materiais aos alunos do treinamento:

• Todos os softwares Apache Airflow 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 Apache Airflow e Cursos Apache Airflow. 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