¹Ù·Î°¡±â ¸Þ´º


½´ÆÛÆ®·¢ÀÇ ±³À° °úÁ¤°ú ÀÏÁ¤ ±×¸®°í Àå¼Ò¸¦
¾Æ·¡ ÀÏÁ¤¿¡¼­ È®ÀÎÇÏ½Ç ¼ö ÀÖ½À´Ï´Ù.

°úÁ¤¸íÀ» Ŭ¸¯ÇϽøé ÇØ´ç °úÁ¤¿¡ ´ëÇÑ ¼Ò°³¸¦ º¸½Ç ¼ö ÀÖ½À´Ï´Ù.

[¸¶°¨] AWS ±â¹Ý ºò µ¥ÀÌÅÍ(Big Data on AWS)
¼ö°­·á 1,320,000¿ø (VAT Æ÷ÇÔ)
±³À° ÀÏÀÚ 2018-11-28
±³À° Àå¼Ò ¿ª»ïµ¿ BLºôµù 5Ãþ ½´ÆÛÆ®·¢
±³À° ±â°£ 3ÀÏ
±³À° ±â°£ »ó¼¼ 2018-11-28~2018-11-30
±³À° ½Ã°£ 09:00~17:00
Á¦°ø »çÇ× E-Book ±³Àç ¹× ´Ù°ú (ÁÖÂ÷ Áö¿ø ºÒ°¡)
¼ö°­°¡´ÉÀοø 0 ¸í ³²¾Ò½À´Ï´Ù.
½ºÅ©·¦Çϱâ
 

AWS ±â¹Ý ºò µ¥ÀÌÅÍ (Big Data on AWS)

°úÁ¤ ¼Ò°³

AWS ±â¹Ý ºò µ¥ÀÌÅÍ °úÁ¤¿¡¼­´Â Ŭ¶ó¿ìµå ±â¹Ý ºò µ¥ÀÌÅÍ ¼Ö·ç¼Ç, Amazon Elastic MapReduce(EMR),AWS ºò µ¥ÀÌÅÍ Ç÷§ÆûÀ» ¼Ò°³ÇÕ´Ï´Ù.
ÀÌ °úÁ¤¿¡¼­´Â Amazon EMR¿¡¼­ Pig ¹× Hive °°Àº ÇÏµÓ µµ±¸ÀÇ ´Ù¾çÇÑ ¿¡ÄڽýºÅÛÀ» »ç¿ëÇص¥ÀÌÅ͸¦ ó¸®ÇÏ´Â ¹æ¹ýÀ» º¸¿©ÁÝ´Ï´Ù.

¶ÇÇÑ ºò µ¥ÀÌÅÍ È¯°æÀ» »ý¼ºÇÏ°í Amazon DynamoDB, Amazon Redshift,Amazon Kinesis·Î ÀÛ¾÷ÇÏ°í ¸ð¹ü »ç·Ê¸¦ È°¿ëÇØ ¾ÈÀüÇÏ°í È¿À²ÀûÀÎ ºñ¿ëÀ¸·Î ºò µ¥ÀÌÅÍ È¯°æÀ» ¼³°èÇÏ´Â ¹æ¹ýÀ» ¾Ë·ÁÁÝ´Ï´Ù.

°úÁ¤ ¸ñÇ¥

ºò µ¥ÀÌÅÍ ¿¡ÄڽýºÅÛ ¾È¿¡ AWS ¼Ö·ç¼Ç ¼³Ä¡

Amazon EMR ¸Æ¶ô¿¡¼­ Apache ÇÏµÓ »ç¿ë, Amazon EMR Ŭ·¯½ºÅÍÀÇ ±¸¼º ¿ä¼Ò ÆľÇ

Amazon EMR Ŭ·¯½ºÅÍ ½ÃÀÛ ¹× ±¸¼º

Hive, Pig, ½ºÆ®¸®¹ÖÀ» ºñ·ÔÇØ Amazon EMR¿¡ »ç¿ë °¡´ÉÇÑ ÀϹÝÀûÀÎ ÇÁ·Î±×·¡¹Ö ÇÁ·¹ÀÓ¿öÅ© »ç¿ë

Hue¸¦ »ç¿ëÇØ Amazon EMRÀÇ »ç¿ë ÆíÀ̼ºÀ» °³¼±

Amazon EMR¿¡¼­ Spark ¹× Spark SQL·Î Àθ޸𸮠ºÐ¼® »ç¿ë

ÀûÀýÇÑ AWS µ¥ÀÌÅÍ ½ºÅ丮Áö ¿É¼Ç ¼±ÅÃ

±Ù ½Ç½Ã°£ ºò µ¥ÀÌÅÍ Ã³¸®¸¦ À§ÇØ Amazon Kinesis¸¦ »ç¿ëÇÏ´Â ÀÌÁ¡ ÆľÇ

µ¥ÀÌÅÍ ¿þ¾îÇÏ¿ì¡ ¹× ¿­ Çü½Ä °³³ä Á¤ÀÇ

Amazon Redshift¸¦ »ç¿ëÇØ µ¥ÀÌÅ͸¦ È¿°úÀûÀ¸·Î ÀúÀå ¹× ºÐ¼®

Amazon EMR ¹× Amazon Redshift ¹èÆ÷¸¦ À§ÇÑ ºñ¿ë ¹× º¸¾È ÀÌÇØ ¹× °ü¸®

µ¥ÀÌÅÍ ¼öÁý, Àü¼Û, ¾ÐÃà ¿É¼Ç ÆľÇ

½Ã°¢È­ ¼ÒÇÁÆ®¿þ¾î¸¦ ÀÌ¿ëÇØ µ¥ÀÌÅÍ ¹× Äõ¸® ¹¦»ç

AWS Data PipelineÀ» ÀÌ¿ëÇØ ºò µ¥ÀÌÅÍ ¿öÅ©Ç÷ΠÁ¶Á¤

±³À° ´ë»ó

¼Ö·ç¼Ç½º ¾ÆÅ°ÅØÆ® ¹× ½Ã½ºÅÛ ¿î¿µ °ü¸®ÀÚ¿Í °°ÀÌ ºò µ¥ÀÌÅÍ ¼Ö·ç¼ÇÀÇ ¼³°è ¹× ±¸Çö¿¡ Ã¥ÀÓÀÌ ÀÖ´Â °³ÀÎ

AWS¸¦ ±â¹ÝÀ¸·Î ÇÑ ºò µ¥ÀÌÅÍ ¼Ö·ç¼Ç¿¡ °ü½ÉÀÌ ÀÖ´Â µ¥ÀÌÅÍ °úÇÐÀÚ ¹× µ¥ÀÌÅÍ ºÐ¼®°¡

»çÀü Á¶°Ç

Apache Hadoop, MapReduce, HDFS ¹× SQL/NoSQL Äõ¸® ÀÛ¾÷À» ºñ·ÔÇÑ ºò µ¥ÀÌÅÍ ±â¼ú¿¡ ´ëÇÑ ±âº»ÀûÀÎ Áö½Ä º¸À¯

ºò µ¥ÀÌÅÍ ±â¼ú ¿ø¸® À¥ ±â¹Ý ±³À°(»ó¼¼º¸±â)À» À̼öÇ߰ųª µ¿µî ¼öÁØÀÇ °æÇèÀ» º¸À¯

ÇÙ½É AWS ¼­ºñ½º ¹× ÆÛºí¸¯ Ŭ¶ó¿ìµå ±¸Çö¿¡ ´ëÇÑ ½Ç¹« Áö½Ä º¸À¯

¼ö°­»ýÀº AWS ±â¼ú ¿¡¼¾¼È °úÁ¤À» À̼öÇ߰ųª µ¿µî ¼öÁØÀÇ °æÇèÀ» º¸À¯

µ¥ÀÌÅÍ ¿þ¾îÇÏ¿ì¡, °ü°èÇü µ¥ÀÌÅͺ£À̽º ½Ã½ºÅÛ, µ¥ÀÌÅͺ£À̽º ¼³°è¿¡ ´ëÇÑ ±âº» Áö½Ä º¸À¯

±³À° ÁøÇà ¹æ½Ä

°­ÀÇ ¹× ½Ç½À ±³À° (´Ù¾çÇÑ ½Ç½ÀÀ» ÅëÇØ »õ·Î¿î ±â¼úÀ» Å×½ºÆ®ÇÏ°í Áö½ÄÀ» ½Ç¹« ȯ°æ¿¡ Àû¿ëÇØ º¾´Ï´Ù.)

Áغñ¹°

Wi-Fi °¡´ÉÇÑ °³ÀÎ ³ëÆ®ºÏ ÄÄÇ»ÅÍ (ÅÂºí¸´ PC ºÒ°¡)

Áö¿ø ºê¶ó¿ìÀú : Å©·Ò, ÆÄÀ̾îÆø½º

°³ÀÎ ¹æÈ­º®ÀÌ ¼³Á¤µÇ¾î ÀÖ´Â °æ¿ì ºñÈ°¼ºÈ­½ÃÅ°°Å³ª SSH(20), RDP(3389), HTTP/S(80,443) µîÀÇ
Æ÷Æ®·Î Åë½ÅÀÌ °¡´ÉÇØ¾ß ÇÕ´Ï´Ù.

±â°£

3ÀÏ

°úÁ¤ °³¿ä

Day 1 Day 2 Day 3

ºò µ¥ÀÌÅÍ °³¿ä

¼öÁý, Àü¼Û, ¾ÐÃà

½ºÅ丮Áö ¼Ö·ç¼Ç

DynamoDB¿¡ µ¥ÀÌÅÍ ÀúÀå ¹× Äõ¸®

ºò µ¥ÀÌÅÍ Ã³¸® ¹× Amazon Kinesis

Apache ÇÏµÓ ¹× Amazon EMR ¼Ò°³

Amazon Elastic MapReduce »ç¿ë

ÇÏµÓ ÇÁ·Î±×·¡¹Ö ÇÁ·¹ÀÓ¿öÅ©

Amazon EMR¿¡¼­ Hive¸¦ ÀÌ¿ëÇØ ¼­¹ö ·Î±× ó¸®

Amazon EMR¿¡¼­ ÇÏµÓ ½ºÆ®¸®¹ÖÀ» ÀÌ¿ëÇØ È­ÇÐ µ¥ÀÌÅÍ Ã³¸®

Hue¸¦ ÀÌ¿ëÇØ Amazon EMR °æÇè °£¼ÒÈ­

Amazon EMR¿¡¼­ HueÀÇ Pig ½ºÅ©¸³Æ® ½ÇÇà

Amazon EMR¿¡¼­ Spark »ç¿ë

Amazon EMR¿¡¼­ Spark ¹× Spark SQLÀ» ÀÌ¿ëÇØ Å×À̺íÀ» ´ëÈ­½ÄÀ¸·Î »ý¼º ¹× Äõ¸®

Amazon EMR ºñ¿ë °ü¸®

Amazon EMR ¹èÆ÷ º¸¾È

µ¥ÀÌÅÍ ¿þ¾îÇϿ콺 ¹× ¿­ Çü½Ä µ¥ÀÌÅÍ ÀúÀå¼Ò

Amazon Redshift ¹× ºò µ¥ÀÌÅÍ

Amazon Redshift ȯ°æ ÃÖÀûÈ­

ºò µ¥ÀÌÅÍ ¼³°è ÆÐÅÏ

ºò µ¥ÀÌÅÍ ½Ã°¢È­ ¹× Á¶Á¤

Tibco Spotfire¸¦ ÀÌ¿ëÇØ ºò µ¥ÀÌÅÍ ½Ã°¢È­

°úÁ¤ ³»¿ëÀº AWS Global Training Program ±âÁØÀ¸·Î ±¹°¡ ¹× ¾ð¾î¿¡ µû¶ó ³»¿ëÀÌ Á¶±Ý¾¿ ´Ù¸¦ ¼ö ÀÖ½À´Ï´Ù.