Cursuri de pregatire Scaling Data Pipelines with Spark NLP

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

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

• Învățați cum să utilizați Spark cu Python pentru a analiza Big Data.
• Lucrați la exerciții care imită cazuri din lumea reală.
• Utilizați diferite instrumente și tehnici de analiză a datelor mari folosind PySpark.
.

În cadrul acestui curs de instruire live, condus de un instructor în România, participanții vor învăța despre ofertele tehnologice și abordările de implementare pentru procesarea datelor grafice. Scopul este de a identifica obiectele din lumea reală, caracteristicile și relațiile acestora, apoi de a modela aceste relații și de a le procesa ca date utilizând o abordare Graph Computing (cunoscută și sub numele de Graph Analytics). Începem cu o prezentare generală și ne concentrăm asupra unor instrumente specifice pe măsură ce parcurgem o serie de studii de caz, exerciții practice și implementări live.

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

• Înțelegeți modul în care datele grafice sunt persistate și traversate.
• Selectați cel mai bun cadru pentru o anumită sarcină (de la baze de date grafice la cadre de procesare pe loturi.)
.
• Implementați Hadoop, Spark, GraphX și Pregel pentru a efectua calculul grafic pe mai multe mașini în paralel.
.
• Veziți problemele de big data din lumea reală în termeni de grafuri, procese și traversări.
.

MLlib este biblioteca Spark de învățare automată (ML). Scopul său este de a face învățarea practică a mașinilor scalabilă și ușoară. Se compune din algoritmi și utilități comune de învățare, inclusiv clasificarea, regresia, gruparea, filtrarea colaborativă, reducerea dimensiunilor, precum și primitivele de optimizare la nivel inferior și API-urile de conducte de nivel superior.

Se împarte în două pachete:

• spark.mllib conține API original construit pe partea de sus RDDs.

• spark.ml furnizează API de nivel superior construit pe partea de sus a DataFrames pentru construirea conductelor ML.

Public

Acest curs este adresat inginerilor și dezvoltatorilor care încearcă să utilizeze o mașină de bibliotecă construită pentru Apache Spark

Formatul cursului

• Curs interactiv și discuții.
.
• O mulțime de exerciții și practică.
.
• Implementare practică într-un mediu live-lab.
.

Opțiuni de personalizare a cursului

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

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 instruire live, condus de un instructor în România (online sau la fața locului) prezintă Hortonworks Data Platform (HDP) și îi conduce pe participanți prin implementarea soluției Spark + Hadoop.

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

Utilizați Hortonworks pentru a rula în mod fiabil Hadoop la scară largă. Unificați capacitățile de securitate, guvernanță și operațiuni ale Hadoop's cu fluxurile de lucru analitice agile ale Spark's. Utilizați Hortonworks pentru a investiga, valida, certifica și susține fiecare dintre componentele unui proiect Spark. Prelucrați diferite tipuri de date, inclusiv date structurate, nestructurate, în mișcare și în repaus.

Magellan este un motor de execuție distribuit cu sursă deschisă pentru analiza geospatială a datelor mari. Implementat deasupra Apache Spark, extinde Spark SQL și oferă o abstracție relativă pentru analiza geospatială.

Această pregătire directă, condusă de instructori, introduce conceptele și abordările de implementare a analizei geospatiale și marchează participanții prin crearea unei aplicații de analiză predictivă folosind Magellan pe Spark.

La sfârșitul cursului, participanții vor putea:

• Întreabă eficient, parsează și aderează seturile de date geospatiale la scară
• Implementarea datelor geospatiale în inteligența de afaceri și aplicațiile de analiză predictivă
• Utilizați context spațial pentru a extinde capacitățile dispozitivelor mobile, a senzorilor, a logurilor și a dispozitivelor de purtare

Formatul cursului

• Lecții și discuții interactive.
• Multe exerciții și practici.
• Implementarea pe mâini într-un mediu live-lab.

Opțiuni de personalizare

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

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.

În cadrul acestui curs de instruire live, condus de un instructor în România (la fața locului sau la distanță), participanții vor învăța cum să configureze și să integreze diferite cadre Stream Processing cu sistemele de stocare de date mari existente și cu aplicațiile software și microserviciile aferente.

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

• Instalați și configurați diferite cadre Stream Processing, cum ar fi Spark Streaming și Kafka Streaming.
• Înțelegeți și selectați cel mai potrivit cadru pentru treaba respectivă.
.
• Procesați date în mod continuu, simultan și în mod înregistrare cu înregistrare.
.
• Integrați Stream Processing soluțiile cu bazele de date existente, depozitele de date, lacurile de date, etc.
.
• Integrați cea mai potrivită bibliotecă de procesare a fluxurilor cu aplicații de întreprindere și microservicii.

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.

Curba de învățare a lui Apache Spark crește încet la început, are nevoie de mult efort pentru a obține primul randament. Acest curs își propune să sară prin prima parte grea. După ce au luat acest curs, participanții vor înțelege elementele de bază ale lui Apache Spark , vor diferenția clar RDD de DataFrame, vor învăța API-ul Python și Scala , vor înțelege executorii și sarcinile etc. De asemenea, urmând cele mai bune practici, acest curs se concentrează puternic pe implementare cloud, baze de date și AWS. De asemenea, studenții vor înțelege diferențele dintre AWS EMR și AWS Glue, unul dintre ultimele servicii Spark ale AWS.

PUBLIC:

Inginer de date, DevOps , Data Scientist

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează inginerilor de software care doresc să facă streaming de date mari cu Spark Streaming și Scala.

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

• Creați aplicații Spark cu limbajul de programare Scala.
• Utilizați Spark Streaming pentru a procesa fluxuri continue de date.
• Procesați fluxuri de date în timp real cu Spark Streaming.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează oamenilor de știință care doresc să utilizeze stiva SMACK pentru a construi platforme de procesare a datelor pentru soluții de date mari.

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

• Implementați o arhitectură de conducte de date pentru procesarea datelor mari.
• Dezvoltați o infrastructură de cluster cu Apache Mesos și Docker.
.
• Analizați datele cu Spark și Scala.
.
• Gestionați 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.
.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor care doresc să efectueze analize de date mari folosind Apache Spark în aplicațiile lor .NET.

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

• Instalați și configurați Apache Spark.
• Înțelegeți modul în care .NET implementează API-urile Spark astfel încât acestea să poată fi accesate dintr-o aplicație .NET.
.
• Dezvoltați aplicații de procesare a datelor folosind C# sau F#, capabile să gestioneze seturi de date a căror dimensiune se măsoară în terabytes și pedabytes.
.
• Dezvoltați funcții de învățare automată pentru o aplicație .NET folosind capabilitățile Apache Spark.
• Realizați analize exploratorii utilizând SQL interogări pe seturi mari de date.