DataFlow
Présentation de Cloudera DataFlow for the Public Cloud
Dans cette démonstration de produit, nous examinerons les sections clés de Cloudera DataFlow for the Public Cloud : le tableau de bord, la galerie ReadyFlow et les fonctions DataFlow, qui peuvent exécuter les flux NiFi dans des environnements de calcul AWS, Azure ou Google Cloud Platform sans serveur.
Traitement des flux
Brève présentation de Cloudera Stream Processing
Cloudera Stream Processing permet aux développeurs et aux analystes de créer des produits de données en temps réel à l'aide de SQL standard. Dans cette démo, vous verrez SQL Stream Builder transformer rapidement les sujets Kafka en tables à interroger et les requêtes SQL en tâches Flink continues.
Ingénierie des données
Prise en main de Cloudera Data Engineering
Dans cette démo, découvrez comment les administrateurs de plateforme et les ingénieurs de données utilisent Cloudera Data Engineering comme boîte à outils exhaustive pour rationaliser les processus ETL au sein des équipes chargées des analyses en entreprise.
Data Warehouse
Accélérez les analyses avec Cloudera Data Warehouse
Dans cette démo, voyez à quel point il est facile de se lancer avec Cloudera Data Warehouse. À l'aide d'un exemple d'utilisation simple, nous couvrirons l'ingestion et la sécurité des données, l'exécution de requêtes à l'aide de notre éditeur SQL, ainsi que des pistes d'optimisation pour renforcer les performances des requêtes.
Base de données opérationnelle
Développement d'applications avec Cloudera Operational Database
Dans cette démo, nous nous intéresserons à Cloudera Operational Database au travers d'un exemple d'utilisation en backend pour une application d'inventaire de pièces automobiles, qui permet aux concessionnaires et aux garages de vérifier la disponibilité des pièces et d'effectuer les achats et les retours.
Machine Learning
Data science exploratoire avec Cloudera Machine Learning
Dans cette vidéo, nous allons voir comment utiliser Cloudera Machine Learning pour explorer, interroger et visualiser les données stockées dans votre data warehouse. Une fois que vous aurez compris vos données, nous vous montrerons comment vous connecter à ces données à partir de CML à l'aide de Python.