Big Data Architect Master's Course

Module 01 – Hadoop Installation and Setup
Module 02 – Introduction to Big Data Hadoop and Understanding HDFS and MapReduce
Module 03 – Deep Dive in MapReduce
Module 04 – Introduction to Hive
Module 05 – Advanced Hive and Impala
Module 06 – Introduction to Pig
Module 07 – Flume, Sqoop and HBase
Module 08 – Writing Spark Applications Using Scala
Module 09 – Use Case Bobsrockets Package
Module 10 – Introduction to Spark
Module 11 – Spark Basics
Module 12 – Working with RDDs in Spark
Module 13 – Aggregating Data with Pair RDDs
Module 14 – Writing and Deploying Spark Applications
Module 15 – Project Solution Discussion and Cloudera Certification Tips and Tricks
Module 16 – Parallel Processing
Module 17 – Spark RDD Persistence
Module 18 – Spark MLlib
Module 19 – Integrating Apache Flume and Apache Kafka
Module 20 – Spark Streaming
Module 21 – Improving Spark Performance
Module 22 – Spark SQL and Data Frames
Module 23 – Scheduling/Partitioning

Following topics will be available only in self-paced mode:

Module 24 – Hadoop Administration – Multi-node Cluster Setup Using Amazon EC2
Module 25 – Hadoop Administration – Cluster Configuration
Module 26 – Hadoop Administration – Maintenance, Monitoring and Troubleshooting
Module 27 – ETL Connectivity with Hadoop Ecosystem (Self-Paced)
Module 28 – Hadoop Application Testing
Module 29 – Roles and Responsibilities of Hadoop Testing Professional
Module 30 – Framework Called MRUnit for Testing of MapReduce Programs
Module 31 – Unit Testing
Module 32 – Test Execution
Module 33 – Test Plan Strategy and Writing Test Cases for Testing Hadoop Application

Tools covered

Scala Course Content

Module 01 – Introduction to Scala
Module 02 – Pattern Matching
Module 03 – Executing the Scala Code
Module 04 – Classes Concept in Scala
Module 05 – Case Classes and Pattern Matching
Module 06 – Concepts of Traits with Example
Module 07 – Scala–Java Interoperability
Module 08 – Scala Collections
Module 09 – Mutable Collections Vs. Immutable Collections
Module 10 – Use Case Bobsrockets Package

Spark Course Content

Module 11 – Introduction to Spark
Module 12 – Spark Basics
Module 13 – Working with RDDs in Spark
Module 14 – Aggregating Data with Pair RDDs
Module 15 – Writing and Deploying Spark Applications
Module 16 – Parallel Processing
Module 17 – Spark RDD Persistence
Module 18 – Spark MLlib
Module 19 – Integrating Apache Flume and Apache Kafka
Module 20 – Spark Streaming
Module 21 – Improving Spark Performance
Module 22 – Spark SQL and Data Frames
Module 23 – Scheduling/Partitioning

Tools covered

Module 1 – Splunk Development Concepts
Module 2 – Basic Searching
Module 3 – Using Fields in Searches
Module 4 – Saving and Scheduling Searches
Module 5 – Creating Alerts
Module 6 – Scheduled Reports
Module 7 – Tags and Event Types
Module 8 – Creating and Using Macros
Module 9 – Workflow
Module 10 – Splunk Search Commands
Module 11 – Transforming Commands
Module 12 – Reporting Commands
Module 13 – Mapping and Single Value Commands
Module 14 – Splunk Reports and Visualizations
Module 15 – Analyzing, Calculating and Formatting Results
Module 16 – Correlating Events
Module 17 – Enriching Data with Lookups
Module 18 – Creating Reports and Dashboards
Module 19 – Getting Started with Parsing
Module 20 – Using Pivot
Module 21 – Common Information Model (CIM) Add-On

Splunk Administration Topics

Module 22 – Overview of Splunk
Module 23 – Splunk Installation
Module 24 – Splunk Installation in Linux
Module 25 – Distributed Management Console
Module 26 – Introduction to Splunk App
Module 27 – Splunk Indexes and Users
Module 28 – Splunk Configuration Files
Module 29 – Splunk Deployment Management
Module 30 – Splunk Indexes
Module 31 – User Roles and Authentication
Module 32 – Splunk Administration Environment
Module 33 – Basic Production Environment
Module 34 – Splunk Search Engine
Module 35 – Various Splunk Input Methods
Module 36 – Splunk User and Index Management
Module 37 – Machine Data Parsing
Module 38 – Search Scaling and Monitoring
Module 39 – Splunk Cluster Implementation

Tools covered

Module 01 – Introduction to Data Science using Python
Module 02 – Python basic constructs
Module 03 – Maths for DS-Statistics & Probability
Module 04 – OOPs in Python (Self paced)
Module 05 – NumPy for mathematical computing
Module 06 – SciPy for scientific computing
Module 07 – Data manipulation
Module 08 – Data visualization with Matplotlib
Module 09 – Machine Learning using Python
Module 10 – Supervised learning
Module 11 – Unsupervised Learning
Module 12 – Python integration with Spark (Self paced)
Module 13 – Dimensionality Reduction
Module 14 – Time Series Forecasting

Tools covered

Module 01 – Introduction to the Basics of Python
Module 02 – Sequence and File Operations
Module 03 – Functions, Sorting, Errors and Exception, Regular Expressions, and Packages
Module 04 – Python: An OOP Implementation
Module 05 – Debugging and Databases
Module 06 – Introduction to Big Data and Apache Spark
Module 07 – Python for Spark
Module 08 – Python for Spark: Functional and Object-Oriented Model
Module 09 – Apache Spark Framework and RDDs
Module 10 – PySpark SQL and Data Frames
Module 11 – Apache Kafka and Flume
Module 12 – PySpark Streaming
Module 13 – Introduction to PySpark Machine Learning

Tools covered

Module 01 – Introduction to NoSQL and MongoDB
Module 02 – MongoDB Installation
Module 03 – Importance of NoSQL
Module 04 – CRUD Operations
Module 05 – Data Modeling and Schema Design
Module 06 – Data Management and Administration
Module 07 – Data Indexing and Aggregation
Module 08 – MongoDB Security
Module 09 – Working with Unstructured Data

Tools covered

Module 01 – Introduction to Big Data and Data Collection
Module 02 – Introduction to Cloud Computing & AWS
Module 03 – Elastic Compute and Storage Volumes
Module 04 – Virtual Private Cloud
Module 05 – Storage – Simple Storage Service (S3)
Module 06 – Databases and In-Memory DataStores
Module 07 – Data Storage
Module 08 – Data Processing
Module 09 – Data Analysis
Module 09 – Data Visualization and Data Security

Tools covered