Cursuri de pregatire Știința Datelor pentru Analiza Big Data

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează oamenilor de știință din domeniul datelor care doresc să utilizeze ecosistemul Anaconda pentru a captura, gestiona și implementa pachete și fluxuri de lucru pentru analiza datelor într-o singură platformă.

Până la sfârșitul acestui curs, participanții vor fi capabili să:

• Să instaleze și să configureze componentele și bibliotecile Anaconda.
• Să înțeleagă conceptele, caracteristicile și beneficiile de bază ale Anaconda.
• Să gestioneze pachete, medii și canale utilizând Anaconda Navigator.
• Utilizați Conda, R și pachetele Python pentru știința datelor și învățarea automată.
• Cunoașteți câteva cazuri practice de utilizare și tehnici pentru gestionarea mai multor medii de date.

Analiza datelor mari implică procesul de examinare a unor cantități mari de seturi de date variate pentru a descoperi corelații, tipare ascunse și alte informații utile.

Industria sănătății are cantități masive de date medicale și clinice eterogene complexe. Aplicarea analizelor de date mari asupra datelor de sănătate prezintă un potențial imens în obținerea unor perspective pentru îmbunătățirea furnizării asistenței medicale. Cu toate acestea, enormitatea acestor seturi de date prezintă provocări mari în analize și aplicații practice într-un mediu clinic.

În cadrul acestui instruire, instruit în direct (de la distanță), participanții vor învăța cum să efectueze analize de date mari în sănătate, în timp ce parcurg o serie de exerciții practice în laborator live.

Până la sfârșitul acestui antrenament, participanții vor putea:

• Instalați și configurați instrumente de analiză a datelor mari precum Hadoop MapReduce și Spark
• Înțelegeți caracteristicile datelor medicale
• Aplicați tehnici de date mari pentru a trata datele medicale
• Studiați sisteme de date mari și algoritmi în contextul aplicațiilor pentru sănătate

Public

• Dezvoltatori
• Oamenii de știință de date

Formatul cursului

• Partea de prelegere, o discuție parțială, exerciții și practici practice.

Notă

• Pentru a solicita un antrenament personalizat pentru acest curs, vă rugăm să ne contactați pentru a vă organiza.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează administratorilor de sistem care doresc să învețe cum să configureze, să implementeze și să gestioneze Hadoop clustere în cadrul organizației lor.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Apache Hadoop.
• Înțelegeți cele patru componente majore din ecosistemul Hadoop: HDFS, MapReduce, YARN și Hadoop Common.
.
• Utilizați Hadoop Distributed File System (HDFS) pentru a scala un cluster la sute sau mii de noduri.  
.
• Configurați HDFS pentru a funcționa ca motor de stocare pentru implementări Spark pe loc.
.
• Configurați Spark pentru a accesa soluții de stocare alternative, cum ar fi Amazon S3 și sisteme de baze de date NoSQL, cum ar fi Redis, Elasticsearch, Couchbase, Aerospike etc.
.
• Executați sarcini administrative, cum ar fi provizionarea, gestionarea, monitorizarea și securizarea unui cluster Apache Hadoop.
.

În acest antrenament condus de instrucțor, live, în România (pe loc sau la distanță), participanții vor afla cum să configureze și să integreze diferite cadre de procesare a fluxurilor cu sistemele existente de stocare a datelor mari și cu aplicațiile și microserviciile asociate.

La finalul acestui antrenament, participanții vor putea:

• Să instaleze și să configureze diferite cadre de procesare a fluxurilor, cum ar fi Spark Streaming și Kafka Streaming.
• Să înțeleagă și să aleagă cea mai potrivită cadru pentru sarcină.
• Să proceseze datele continuu, simultan și pe baza fiecărui înregistrare.
• Să integreze soluțiile de procesare a fluxurilor cu bazele de date existente, depozitele de date, lacurile de date, etc.
• Să integreze biblioteca de procesare a fluxurilor cea mai potrivită cu aplicațiile și microserviciile enterprise.

Această formare live, cu instructor, în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor de date care doresc să învețe și să își construiască o carieră în Data Science folosind Kaggle.

Până la sfârșitul acestei formări, participanții vor fi capabili să:

• Să învețe despre știința datelor și învățarea automată.
• Să exploreze analiza datelor.
• Să învețe despre Kaggle și modul său de funcționare.

Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor de date care doresc să utilizeze Modin pentru a construi și implementa calcule paralele cu Pandas pentru o analiză mai rapidă a datelor.

Până la sfârșitul acestui training, participanții vor fi capabili să:

• Să configureze mediul necesar pentru a începe să dezvolte fluxuri de lucru Pandas la scară largă cu Modin.
• Să înțeleagă caracteristicile, arhitectura și avantajele Modin.
• Să cunoască diferențele dintre Modin, Dask și Ray.
• Efectuați operații Pandas mai rapid cu Modin.
• Implementați întregul API și funcțiile Pandas.

Această instruire condusă de instructor (online sau pe loc) este adresată științistilor de date și dezvoltatorilor care doresc să folosească RAPIDS pentru a construi pipeleini, fluxuri de lucru și vizualizări de date cu accelerare GPU, aplicând algoritmi de învățare automată precum XGBoost, cuML, etc.

La sfârșitul acestei instruiri, participanții vor putea:

• Configura mediul de dezvoltare necesar pentru a construi modele de date cu NVIDIA RAPIDS.
• Înțelege funcțiile, componentele și avantajele RAPIDS.
• Aprofita de GPU-uri pentru a accelera pipeleini de date și analiză end-to-end.
• Implementa prepararea datelor și ETL cu accelerare GPU folosind cuDF și Apache Arrow.
• Învață cum să efectueze sarcini de învățare automată folosind algoritmi XGBoost și cuML.
• Construiți vizualizări de date și executați analiza grafică cu cuXfilter și cuGraph.

Această instruire condusă de un instructor, în direct (online sau prezent) se adresează științistilor de date care doresc să folosească stiva SMACK pentru a construi platforme de procesare a datelor pentru soluții cu date la scară largă.

La finalul acestei instruirile, participanții vor putea:

• Implementa o arhitectură de pipeline de date pentru procesarea datelor la scară largă.
• Dezvolta infrastructura unui cluster cu Apache Mesos și Docker.
• Analiza datele cu Spark și Scala.
• Gestioneaza datele nestructurate cu Apache Cassandra.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor care doresc să configureze și să implementeze un sistem Apache Spark pentru procesarea unor cantități foarte mari de date.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Apache Spark.
• Procesați și analizați rapid seturi de date foarte mari.
.
• Înțelegeți diferența dintre Apache Spark și Hadoop MapReduce și când să folosiți fiecare.
.
• Integrați Apache Spark cu alte instrumente de învățare automată.
.

Curbarea de învățare a Apache Spark crește lent la început, necesitând multă energie pentru a obține primul rezultat. Acest curs are ca scop trecerea peste prima parte dificilă. După finalizarea acestui curs, participanții vor înțelege noțiunile de bază ale Apache Spark, vor distinge clar RDD de DataFrame, vor învăța API-urile Python și Scala, vor înțelege executorii și sarcinile, etc. De asemenea, urmărind cele mai bune practici, acest curs se concentrează puternic pe implementarea în cloud, Databricks și AWS. Studenții vor înțelege, de asemenea, diferențele dintre AWS EMR și AWS Glue, unul dintre serviciile Spark cele mai recente ale AWS.

AUDIENȚĂ:

Data Engineer, DevOps, Data Scientist

OBIECTIV:

Acest curs va prezenta Apache Spark . Studenții vor afla cum Spark se încadrează în ecosistemul Big Data și cum să folosească Spark pentru analiza datelor. Cursul acoperă shell-ul Spark pentru analiza interactivă a datelor, Spark intern, API-uri Spark, Spark SQL , Spark streaming, și învățare automată și graficX.

AUDIENCE:

Dezvoltatori / analisti de date

Acest curs de formare live, condus de un instructor în România (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor de date care doresc să utilizeze Spark NLP, construit pe baza Apache Spark, pentru a dezvolta, implementa și extinde modele și conducte de procesare a textului în limbaj natural.

Până la sfârșitul acestei formări, participanții vor fi capabili să:

• Să configureze mediul de dezvoltare necesar pentru a începe construirea de conducte NLP cu Spark NLP.
• Să înțeleagă caracteristicile, arhitectura și beneficiile utilizării Spark NLP.
• Să utilizeze modelele pre-antrenate disponibile în Spark NLP pentru a implementa prelucrarea textului.
• Învățați cum să construiți, să antrenați și să scalați modelele Spark NLP pentru proiecte de nivel de producție.
• Aplicați clasificarea, inferența și analiza sentimentelor pe cazuri reale de utilizare (date clinice, informații privind comportamentul clienților etc.).

În cadrul acestui curs de formare live, condus de un instructor în România, participanții vor învăța cum să utilizeze Python și Spark împreună pentru a analiza date mari, pe măsură ce lucrează la exerciții practice.

Până la sfârșitul acestui training, participanții vor fi capabili să:

• Să învețe cum să utilizeze Spark cu Python pentru a analiza Big Data.
• Să lucreze la exerciții care imită cazuri din lumea reală.
• Să utilizeze diferite instrumente și tehnici pentru analiza datelor mari utilizând PySpark.

Spark SQL este modulul Apache Spark pentru lucrul cu date structurate și nestructurate. Spark SQL oferă informații despre structura datelor, precum și despre calculul efectuat. Aceste informații pot fi utilizate pentru a realiza optimizări. Două utilizări comune pentru Spark SQL sunt:
- pentru a executa interogări SQL .
- pentru a citi datele dintr-o instalație Hive existentă.

În cadrul acestui training, instruit în direct (la fața locului sau la distanță), participanții vor învăța cum să analizeze diverse tipuri de seturi de date folosind Spark SQL .

Până la sfârșitul acestui antrenament, participanții vor putea:

• Instalați și configurați Spark SQL .
• Efectuați analiza datelor utilizând Spark SQL .
• Seturi de date de interogare în diferite formate.
• Vizualizați datele și rezultatele interogării.

Formatul cursului

• Prelegeri și discuții interactive.
• O mulțime de exerciții și practică.
• Implementarea practică într-un mediu de laborator live.

Opțiuni de personalizare a cursului

• Pentru a solicita un antrenament personalizat pentru acest curs, vă rugăm să ne contactați pentru a vă organiza.

Stratio este o platformă centrată pe date care integrează big data, inteligența artificială și guvernanța într-o singură soluție. Modulele Rocket și Intelligence permit explorarea rapidă a datelor, transformarea și analize avansate în mediul enterprise.

Această formare condușă de instrucțoare (online sau pe locație) este destinată profesionalilor intermediari care doresc să utilizeze eficient modulele Rocket și Intelligence din Stratio cu PySpark, concentrându-se pe structuri de buclă, funcții definite de utilizator și logică de date avansată.

La finalul acestei forme de instruire, participanții vor putea:

• Navigați și lucrați în platforma Stratio folosind modulele Rocket și Intelligence.
• Aplicați PySpark în contextul ingestionării, transformării și analizei datelor.
• Utilizați bucle și logica condițională pentru a controla fluxurile de date și sarcinile de inginerie a caracteristicilor.
• Creați și gestionați funcții definite de utilizator (UDFs) pentru operațiuni reutilizabile cu date în PySpark.

Format al cursului

• Lectură interactivă și discuție.
• Multe exerciții și practică.
• Implementare directă într-un mediu de laborator live.

Opțiuni de personalizare a cursului

• Pentru a solicita o formare personalizată pentru acest curs, vă rugăm să ne contactați pentru a organiza.