Local instructor-led live Apache Spark training courses in България.
Oтзиви от потребители
индивидуално внимание.
ARCHANA ANILKUMAR - PPL
Course: Python and Spark for Big Data (PySpark)
Machine Translated
За да научите стрийминг, да участвате, DatabriCKs и AWS Redshift
Lim Meng Tee - Jobstreet.com Shared Services Sdn. Bhd.
Course: Apache Spark in the Cloud
Machine Translated
Съдържанието и знанията.
Jobstreet.com Shared Services Sdn. Bhd.
Course: Apache Spark in the Cloud
Machine Translated
Това беше много информативно. Имах много малък опит с искра преди и досега този курс е предоставил много добро въведение пред този въпрос.
Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
Беше страхотно да разберем какво се случва под капака на Спарк. Да знаеш какво става под капака помага да разберем по-добре защо кодът ви е или не прави това, което очаквате да направи. Много от обучението беше ръцете, на които винаги е страхотно и секцията за оптимизации беше изключително подходяща за текущата ми работа, която беше хубава.
Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
Това е страхотен клас! Най-много оценявам, че Андрас обяснява много ясно какво има искра, когато идва от това и какви проблеми е в състояние да решат. Много по-добре от други въвеждания, които съм виждал, че просто се гмуркат как да го използвам. Андра има дълбоко познаване на темата и обяснява нещата много добре.
Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
Представените примери, които са били дадени и показаха основните аспекти на искри.
Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
1 . Правилен баланс между концепциите на високо ниво и техническите подробности. 2. Андас е много запознат с учението му. 3. Упражнение
Steven Wu - Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
Имайки ръце на сесията / задачата
Poornima Chenthamarakshan - Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
Обучението твърди, че тренировъчното, основано на лека на базата на аудиторията, така че хвърли малко светлина върху малко диспективни теми, които сме поискали
Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
Неговият темпо, беше страхотно. Обичах факта, че той също е влязъл в теория, за да разбера защо ще направя нещата, които питаш.
Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
Apache Spark Subcategories
Apache Spark Course Outlines
Име на Kурса
Продължителност
Общ преглед
Име на Kурса
Продължителност
Общ преглед
21 hours
Python е скалиращ, гъвкав и широко използван език за програмиране за компютърна наука и машинно обучение. Spark е двигател за обработка на данни, използван за търсене, анализ и трансформация на големи данни, докато Hadoop е софтуерна библиотека рамка за съхранение и обработка на данни в голям мащаб.
Това обучение, ръководено от инструктори, е насочено към разработчици, които искат да използват и интегрират Spark, Hadoop, и Python за обработка, анализ и трансформация на големи и сложни набори от данни.
В края на обучението участниците ще могат да:
Създайте необходимата среда, за да започнете обработката на големи данни с Spark, Hadoop, и Python. Разберете характеристиките, основните компоненти и архитектурата на Spark и Hadoop. Научете как да интегрирате Spark, Hadoop, и Python за обработка на големи данни. Разгледайте инструментите в екосистемата Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka и Flume). Създайте съвместни системи за филтриране, подобни на Netflix, YouTube, Amazon, Spotify и Google. Използвайте Apache Mahout, за да скалирате алгоритмите за машинно обучение.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
Това обучение, ръководено от инструктори, е насочено към разработчици, които искат да използват и интегрират Spark, Hadoop, и Python за обработка, анализ и трансформация на големи и сложни набори от данни.
В края на обучението участниците ще могат да:
Създайте необходимата среда, за да започнете обработката на големи данни с Spark, Hadoop, и Python. Разберете характеристиките, основните компоненти и архитектурата на Spark и Hadoop. Научете как да интегрирате Spark, Hadoop, и Python за обработка на големи данни. Разгледайте инструментите в екосистемата Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka и Flume). Създайте съвместни системи за филтриране, подобни на Netflix, YouTube, Amazon, Spotify и Google. Използвайте Apache Mahout, за да скалирате алгоритмите за машинно обучение.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
21 hours
In this instructor-led, live training in България, participants will learn how to use Python and Spark together to analyze big data as they work on hands-on exercises.
By the end of this training, participants will be able to:
- Learn how to use Spark with Python to analyze Big Data.
- Work on exercises that mimic real world cases.
- Use different tools and techniques for big data analysis using PySpark.
By the end of this training, participants will be able to:
- Learn how to use Spark with Python to analyze Big Data.
- Work on exercises that mimic real world cases.
- Use different tools and techniques for big data analysis using PySpark.
21 hours
OBJECTIVE:
This course will introduce Apache Spark. The students will learn how Spark fits into the Big Data ecosystem, and how to use Spark for data analysis. The course covers Spark shell for interactive data analysis, Spark internals, Spark APIs, Spark SQL, Spark streaming, and machine learning and graphX.
AUDIENCE :
Developers / Data Analysts
This course will introduce Apache Spark. The students will learn how Spark fits into the Big Data ecosystem, and how to use Spark for data analysis. The course covers Spark shell for interactive data analysis, Spark internals, Spark APIs, Spark SQL, Spark streaming, and machine learning and graphX.
AUDIENCE :
Developers / Data Analysts
21 hours
This instructor-led, live training in (online or onsite) introduces Hortonworks Data Platform (HDP) and walks participants through the deployment of Spark + Hadoop solution.
By the end of this training, participants will be able to:
- Use Hortonworks to reliably run Hadoop at a large scale.
- Unify Hadoop's security, governance, and operations capabilities with Spark's agile analytic workflows.
- Use Hortonworks to investigate, validate, certify and support each of the components in a Spark project.
- Process different types of data, including structured, unstructured, in-motion, and at-rest.
By the end of this training, participants will be able to:
- Use Hortonworks to reliably run Hadoop at a large scale.
- Unify Hadoop's security, governance, and operations capabilities with Spark's agile analytic workflows.
- Use Hortonworks to investigate, validate, certify and support each of the components in a Spark project.
- Process different types of data, including structured, unstructured, in-motion, and at-rest.
14 hours
Магелан е отворен източник, разпределен изпълнителен двигател за геопространствен анализ на големи данни. Извършен на върха на Apache Spark, той разширява Spark SQL и осигурява относителна абстракция за геопространствения анализ.
Този инструктор-управляван, живо обучение въвежда концепциите и подходите за прилагане на геопространствени анализи и ходи участниците чрез създаването на предвидително приложение за анализ, използвайки Magellan на Spark.
В края на обучението участниците ще могат да:
Ефективно запитване, разширяване и присъединяване на геопространствени данни на мащаб Въвеждане на геопространствени данни в бизнес интелигентност и прогнозни аналитични приложения Използвайте пространствен контекст, за да разширите възможностите на мобилни устройства, сензори, записи и носители.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
Този инструктор-управляван, живо обучение въвежда концепциите и подходите за прилагане на геопространствени анализи и ходи участниците чрез създаването на предвидително приложение за анализ, използвайки Magellan на Spark.
В края на обучението участниците ще могат да:
Ефективно запитване, разширяване и присъединяване на геопространствени данни на мащаб Въвеждане на геопространствени данни в бизнес интелигентност и прогнозни аналитични приложения Използвайте пространствен контекст, за да разширите възможностите на мобилни устройства, сензори, записи и носители.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
7 hours
Alluxio е виртуална система за разпределено съхранение с отворен код, която обединява различните системи за съхранение и позволява на приложенията да взаимодействат с данни при скорост на паметта. Използва се от компании като Intel, Baidu и Alibaba.
В този инструктор-управляван, на живо обучение, участниците ще научат как да използват Alluxio за мост различни изчислителни рамки с системи за съхранение и ефективно да управляват мулти-петабайт скала данни, тъй като те стъпват през създаването на приложение с Alluxio.
В края на обучението участниците ще могат да:
Разработване на приложение с Alluxio Свържете големите системи за данни и приложения, като същевременно запазвате един именен пространство Ефективно извлича стойност от големите данни във всеки формат за съхранение Подобряване на работното натоварване Разпределяне и управление Alluxio самостоятелно или кластерирано
публиката
Данни учен Разработчик Администратор на системата
Формат на курса
Частна лекция, частна дискусия, упражнения и тежка практика
В този инструктор-управляван, на живо обучение, участниците ще научат как да използват Alluxio за мост различни изчислителни рамки с системи за съхранение и ефективно да управляват мулти-петабайт скала данни, тъй като те стъпват през създаването на приложение с Alluxio.
В края на обучението участниците ще могат да:
Разработване на приложение с Alluxio Свържете големите системи за данни и приложения, като същевременно запазвате един именен пространство Ефективно извлича стойност от големите данни във всеки формат за съхранение Подобряване на работното натоварване Разпределяне и управление Alluxio самостоятелно или кластерирано
публиката
Данни учен Разработчик Администратор на системата
Формат на курса
Частна лекция, частна дискусия, упражнения и тежка практика
7 hours
Spark SQL is Apache Spark's module for working with structured and unstructured data. Spark SQL provides information about the structure of the data as well as the computation being performed. This information can be used to perform optimizations. Two common uses for Spark SQL are:
- to execute SQL queries.
- to read data from an existing Hive installation.
In this instructor-led, live training (onsite or remote), participants will learn how to analyze various types of data sets using Spark SQL.
By the end of this training, participants will be able to:
- Install and configure Spark SQL.
- Perform data analysis using Spark SQL.
- Query data sets in different formats.
- Visualize data and query results.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
- to execute SQL queries.
- to read data from an existing Hive installation.
In this instructor-led, live training (onsite or remote), participants will learn how to analyze various types of data sets using Spark SQL.
By the end of this training, participants will be able to:
- Install and configure Spark SQL.
- Perform data analysis using Spark SQL.
- Query data sets in different formats.
- Visualize data and query results.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 hours
In this instructor-led, live training in България (onsite or remote), participants will learn how to set up and integrate different Stream Processing frameworks with existing big data storage systems and related software applications and microservices.
By the end of this training, participants will be able to:
- Install and configure different Stream Processing frameworks, such as Spark Streaming and Kafka Streaming.
- Understand and select the most appropriate framework for the job.
- Process of data continuously, concurrently, and in a record-by-record fashion.
- Integrate Stream Processing solutions with existing databases, data warehouses, data lakes, etc.
- Integrate the most appropriate stream processing library with enterprise applications and microservices.
By the end of this training, participants will be able to:
- Install and configure different Stream Processing frameworks, such as Spark Streaming and Kafka Streaming.
- Understand and select the most appropriate framework for the job.
- Process of data continuously, concurrently, and in a record-by-record fashion.
- Integrate Stream Processing solutions with existing databases, data warehouses, data lakes, etc.
- Integrate the most appropriate stream processing library with enterprise applications and microservices.
21 hours
Big data analytics involves the process of examining large amounts of varied data sets in order to uncover correlations, hidden patterns, and other useful insights.
The health industry has massive amounts of complex heterogeneous medical and clinical data. Applying big data analytics on health data presents huge potential in deriving insights for improving delivery of healthcare. However, the enormity of these datasets poses great challenges in analyses and practical applications to a clinical environment.
In this instructor-led, live training (remote), participants will learn how to perform big data analytics in health as they step through a series of hands-on live-lab exercises.
By the end of this training, participants will be able to:
- Install and configure big data analytics tools such as Hadoop MapReduce and Spark
- Understand the characteristics of medical data
- Apply big data techniques to deal with medical data
- Study big data systems and algorithms in the context of health applications
Audience
- Developers
- Data Scientists
Format of the Course
- Part lecture, part discussion, exercises and heavy hands-on practice.
Note
- To request a customized training for this course, please contact us to arrange.
The health industry has massive amounts of complex heterogeneous medical and clinical data. Applying big data analytics on health data presents huge potential in deriving insights for improving delivery of healthcare. However, the enormity of these datasets poses great challenges in analyses and practical applications to a clinical environment.
In this instructor-led, live training (remote), participants will learn how to perform big data analytics in health as they step through a series of hands-on live-lab exercises.
By the end of this training, participants will be able to:
- Install and configure big data analytics tools such as Hadoop MapReduce and Spark
- Understand the characteristics of medical data
- Apply big data techniques to deal with medical data
- Study big data systems and algorithms in the context of health applications
Audience
- Developers
- Data Scientists
Format of the Course
- Part lecture, part discussion, exercises and heavy hands-on practice.
Note
- To request a customized training for this course, please contact us to arrange.
21 hours
Apache Spark's learning curve is slowly increasing at the begining, it needs a lot of effort to get the first return. This course aims to jump through the first tough part. After taking this course the participants will understand the basics of Apache Spark , they will clearly differentiate RDD from DataFrame, they will learn Python and Scala API, they will understand executors and tasks, etc. Also following the best practices, this course strongly focuses on cloud deployment, Databricks and AWS. The students will also understand the differences between AWS EMR and AWS Glue, one of the lastest Spark service of AWS.
AUDIENCE:
Data Engineer, DevOps, Data Scientist
AUDIENCE:
Data Engineer, DevOps, Data Scientist
21 hours
This instructor-led, live training in България (online or onsite) is aimed at software engineers who wish to stream big data with Spark Streaming and Scala.
By the end of this training, participants will be able to:
- Create Spark applications with the Scala programming language.
- Use Spark Streaming to process continuous streams of data.
- Process streams of real-time data with Spark Streaming.
By the end of this training, participants will be able to:
- Create Spark applications with the Scala programming language.
- Use Spark Streaming to process continuous streams of data.
- Process streams of real-time data with Spark Streaming.
14 hours
SMACK е колекция от софтуер за платформи за данни, а именно Apache Spark, Apache Mesos, Apache Akka, Apache Cassandra, и Apache Kafka. С помощта на SMACK stack, потребителите могат да създават и скалират платформи за обработка на данни.
Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към учени на данни, които искат да използват стака SMACK за изграждане на платформи за обработка на данни за големи решения за данни.
В края на обучението участниците ще могат да:
Извършване на архитектура на тръбопровода за обработка на големи данни. Разработване на кластерна инфраструктура с Apache Mesos и Docker. Анализ на данните с Spark и Scala. Управление на неструктурирани данни с Apache Cassandra.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
Това обучение, ръководено от инструктори, на живо (онлайн или онлайн) е насочено към учени на данни, които искат да използват стака SMACK за изграждане на платформи за обработка на данни за големи решения за данни.
В края на обучението участниците ще могат да:
Извършване на архитектура на тръбопровода за обработка на големи данни. Разработване на кластерна инфраструктура с Apache Mesos и Docker. Анализ на данните с Spark и Scala. Управление на неструктурирани данни с Apache Cassandra.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
21 hours
Apache Spark е аналитичен двигател, предназначен за разпределяне на данни през един кластер, за да се обработва паралелно. Той съдържа модули за стрийминг, SQL, машинно обучение и графична обработка.
Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към инженери, които искат да внедрят Apache Spark система за обработка на много големи количества данни.
В края на обучението участниците ще могат да:
Създаване и инсталиране Apache Spark. Разберете разликата между Apache Spark и Hadoop MapReduce и кога да използвате кой. Бързо четете в и анализирате много големи набори от данни. Интегрирайте Apache Spark с други инструменти за машинно обучение.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към инженери, които искат да внедрят Apache Spark система за обработка на много големи количества данни.
В края на обучението участниците ще могат да:
Създаване и инсталиране Apache Spark. Разберете разликата между Apache Spark и Hadoop MapReduce и кога да използвате кой. Бързо четете в и анализирате много големи набори от данни. Интегрирайте Apache Spark с други инструменти за машинно обучение.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
21 hours
Apache Spark е разпределен процесор за анализ на много големи набори от данни. Тя може да обработва данни в комплекти и в реално време, както и да извършва машинно обучение, рекламни запитвания и графична обработка. .NET за Apache Spark е безплатна, отворена и междуплатформен рамка за анализ на големи данни, която поддържа приложения, написани в C# или F#.
Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към разработчици, които искат да извършват анализ на големи данни, използвайки Apache Spark в своите.NET приложения.
В края на обучението участниците ще могат да:
Настройка и настройка Apache Spark. Разберете как.NET прилага Spark APIs, така че те да могат да бъдат достъпни от.NET приложение. Разработване на приложения за обработка на данни с помощта на C# или F#, способни да обработват набори от данни, размерът на които се измерва в терабити и педабити. Разработване на функции за машинно обучение за.NET приложение, използвайки Apache Spark възможности. Извършете изследващ анализ, като използвате SQL запитвания върху големи набори от данни.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към разработчици, които искат да извършват анализ на големи данни, използвайки Apache Spark в своите.NET приложения.
В края на обучението участниците ще могат да:
Настройка и настройка Apache Spark. Разберете как.NET прилага Spark APIs, така че те да могат да бъдат достъпни от.NET приложение. Разработване на приложения за обработка на данни с помощта на C# или F#, способни да обработват набори от данни, размерът на които се измерва в терабити и педабити. Разработване на функции за машинно обучение за.NET приложение, използвайки Apache Spark възможности. Извършете изследващ анализ, като използвате SQL запитвания върху големи набори от данни.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
35 hours
Apache Hadoop е популярна рамка за обработка на данни за обработка на големи набори от данни на много компютри.
Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към системни администратори, които искат да научат как да създават, разпространяват и управляват Hadoop кластери в рамките на своята организация.
В края на обучението участниците ще могат да:
Инсталиране и конфигуриране на Apache Hadoop. Разберете четирите основни компоненти в Hadoop екосистемата: HDFS, MapReduce, YARN и Hadoop Common. Използвайте Distributed File System (HDFS) за скалиране на кластер до стотици или хиляди възли. • Инсталирайте HDFS, за да работи като двигател за съхранение за разпространението на Spark. Настройване на Spark за достъп до алтернативни решения за съхранение като Amazon S3 и NoSQL бази данни системи като Redis, Elasticsearch, Couchbase, Aerospike, и т.н. Извършване на административни задачи като предоставяне, управление, мониторинг и сигурност на Apache Hadoop кластер.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
Това обучение, ръководено от инструктори (онлайн или онлайн) е насочено към системни администратори, които искат да научат как да създават, разпространяват и управляват Hadoop кластери в рамките на своята организация.
В края на обучението участниците ще могат да:
Инсталиране и конфигуриране на Apache Hadoop. Разберете четирите основни компоненти в Hadoop екосистемата: HDFS, MapReduce, YARN и Hadoop Common. Използвайте Distributed File System (HDFS) за скалиране на кластер до стотици или хиляди възли. • Инсталирайте HDFS, за да работи като двигател за съхранение за разпространението на Spark. Настройване на Spark за достъп до алтернативни решения за съхранение като Amazon S3 и NoSQL бази данни системи като Redis, Elasticsearch, Couchbase, Aerospike, и т.н. Извършване на административни задачи като предоставяне, управление, мониторинг и сигурност на Apache Hadoop кластер.
Формат на курса
Интерактивна лекция и дискусия. Много упражнения и упражнения. Изпълнение на ръката в живо лабораторна среда.
Опции за персонализиране на курса
За да поискате персонализирано обучение за този курс, моля, свържете се с нас, за да организирате.
14 hours
This instructor-led, live training in България (online or onsite) is aimed at data scientists and developers who wish to use Spark NLP, built on top of Apache Spark, to develop, implement, and scale natural language text processing models and pipelines.
By the end of this training, participants will be able to:
- Set up the necessary development environment to start building NLP pipelines with Spark NLP.
- Understand the features, architecture, and benefits of using Spark NLP.
- Use the pre-trained models available in Spark NLP to implement text processing.
- Learn how to build, train, and scale Spark NLP models for production-grade projects.
- Apply classification, inference, and sentiment analysis on real-world use cases (clinical data, customer behavior insights, etc.).
By the end of this training, participants will be able to:
- Set up the necessary development environment to start building NLP pipelines with Spark NLP.
- Understand the features, architecture, and benefits of using Spark NLP.
- Use the pre-trained models available in Spark NLP to implement text processing.
- Learn how to build, train, and scale Spark NLP models for production-grade projects.
- Apply classification, inference, and sentiment analysis on real-world use cases (clinical data, customer behavior insights, etc.).
35 hours
MLlib is Spark’s machine learning (ML) library. Its goal is to make practical machine learning scalable and easy. It consists of common learning algorithms and utilities, including classification, regression, clustering, collaborative filtering, dimensionality reduction, as well as lower-level optimization primitives and higher-level pipeline APIs.
It divides into two packages:
-
spark.mllib contains the original API built on top of RDDs.
-
spark.ml provides higher-level API built on top of DataFrames for constructing ML pipelines.
Audience
This course is directed at engineers and developers seeking to utilize a built in Machine Library for Apache Spark
It divides into two packages:
-
spark.mllib contains the original API built on top of RDDs.
-
spark.ml provides higher-level API built on top of DataFrames for constructing ML pipelines.
Audience
This course is directed at engineers and developers seeking to utilize a built in Machine Library for Apache Spark
21 hours
This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.
28 hours
In this instructor-led, live training in България, participants will learn about the technology offerings and implementation approaches for processing graph data. The aim is to identify real-world objects, their characteristics and relationships, then model these relationships and process them as data using a Graph Computing (also known as Graph Analytics) approach. We start with a broad overview and narrow in on specific tools as we step through a series of case studies, hands-on exercises and live deployments.
By the end of this training, participants will be able to:
- Understand how graph data is persisted and traversed.
- Select the best framework for a given task (from graph databases to batch processing frameworks.)
- Implement Hadoop, Spark, GraphX and Pregel to carry out graph computing across many machines in parallel.
- View real-world big data problems in terms of graphs, processes and traversals.
By the end of this training, participants will be able to:
- Understand how graph data is persisted and traversed.
- Select the best framework for a given task (from graph databases to batch processing frameworks.)
- Implement Hadoop, Spark, GraphX and Pregel to carry out graph computing across many machines in parallel.
- View real-world big data problems in terms of graphs, processes and traversals.
Last Updated:
Upcoming Apache Spark Courses
Big Data Analytics in Health
2022-06-13 09:30
21 hours
Apache Spark Fundamentals
2022-06-20 09:30
21 hours
Apache Spark Streaming with Scala
2022-06-27 09:30
21 hours
SMACK Stack for Data Science
2022-07-26 09:30
14 hours
Apache Spark in the Cloud
2022-07-27 09:30
21 hours
Other countries
Consulting
Online Apache Spark courses, Weekend Apache Spark courses, Evening Apache Spark training, Apache Spark boot camp, Apache Spark instructor-led, Weekend Apache Spark training, Evening Apache Spark courses, Apache Spark coaching, Apache Spark instructor, Apache Spark trainer, Apache Spark training courses, Apache Spark classes, Apache Spark on-site, Apache Spark private courses, Apache Spark one on one training
