Schița de curs
Introducere
Înțelegerea Big Data
Prezentare generală a Spark
Prezentare generală a Python
Prezentare generală a PySpark
- Distribuirea datelor utilizând cadrul de seturi de date distribuite rezistente
- Distribuirea calculelor utilizând operatori API Spark
Configurarea Python cu Spark
Configurare PySpark
Folosind Amazon Web Services (AWS) Instanțele EC2 pentru Spark
Configurare Databricks
Configurarea clusterului AWS EMR
Învățarea elementelor de bază ale Python Programming
- Noțiuni introductive cu Python
- Folosind Notebook-ul Jupyter
- Utilizarea variabilelor și a tipurilor de date simple
- Lucrul cu liste
- Folosind declarații if
- Utilizarea intrărilor utilizatorului
- Lucrul cu buclele while
- Funcții de implementare
- Lucrul cu clasele
- Lucrul cu fișiere și excepții
- Lucrul cu proiecte, date și API-uri
Învățarea elementelor de bază ale Spark DataFrame
- Noțiuni introductive cu Spark DataFrames
- Implementarea operațiunilor de bază cu Spark
- Folosind Operațiuni Groupby și Aggregate
- Lucrul cu marcajele de timp și datele
Lucrul la un exercițiu de proiect Spark DataFrame
Înțelegerea Machine Learning cu MLlib
Lucrul cu MLlib, Spark și Python pentru Machine Learning
Înțelegerea regresiilor
- Învățarea teoriei regresiei liniare
- Implementarea unui cod de evaluare a regresiei
- Lucrul la un exemplu de exercițiu de regresie liniară
- Învățarea teoriei regresiei logistice
- Implementarea unui cod de regresie logistică
- Lucrul la un exemplu de exercițiu de regresie logistică
Înțelegerea Random Forest-urilor și a arborilor de decizie
- Teoria metodelor arborelui de învățare
- Arborele decizional de implementare și codurile Random Forest.
- Lucrul la un eșantion Random Forest Exercițiu de clasificare
Lucrul cu K-means Clustering
- Înțelegerea K-means Clustering Theory
- Implementarea unui cod de grupare K-means
- Lucrul la un exemplu de exercițiu de grupare
Lucrul cu sistemele de recomandare
Implementarea procesării limbajului natural
- Înțelegerea Natural Language Processing (NLP)
- Prezentare generală a instrumentelor NLP
- Lucrul la un exemplu de exercițiu NLP
Streaming cu Spark activat Python
- Prezentare generală Transmiterea în flux cu Spark
- Exemplu Spark Streaming Exercițiu
Observații de încheiere
Cerințe
- Cunoștințe generale de programare
Audiență
- Dezvoltatorii
- Profesioniști IT
- Cercetători de date
Mărturii (5)
I liked that it was practical. Loved to apply the theoretical knowledge with practical examples.
Aurelia-Adriana - Allianz Services Romania
Curs - Python and Spark for Big Data (PySpark)
The course was about a series of very complex related topics & Pablo has in-depth expertise of each of them. Sometimes nuances were lost in communication and/or due to time pressures and possibly expectations were not quite met due to this. Also there were some UHG/Azure Databricks setup issues however Pablo / UHG resolved these quickly once they became apparent - this to me showed a high level of understanding and professionalism between UHG & Pablo,
Michael Monks - Tech NorthWest Skillnet
Curs - Python and Spark for Big Data (PySpark)
Individual attention.
ARCHANA ANILKUMAR - PPL
Curs - Python and Spark for Big Data (PySpark)
Hands on Training..
Abraham Thomas - PPL
Curs - Python and Spark for Big Data (PySpark)
The lessons were taught in a Jupyter notebook. The topics were structured with a logical sequence and naturally helped develop the session from the easier parts to the more complex. I'm already an advanced user of Python with background in Machine Learning, so found the course easier to follow than, possibly, some of my classmates that took the training course. I appreciate that some of the most elementary concepts were skipped and that he focused on the most substantial matters.