Курс за обучение по Dataiku за Enterprise AI и Machine Learning

Въведение

Инсталиране и конфигуриране на Dataiku Data Science Studio (DSS)

• Системни изисквания за Dataiku DSS
• Настройка на интеграции с Apache Hadoop и Apache Spark
• Конфигуриране на Dataiku DSS с уеб проксита
• Миграция от други платформи към Dataiku DSS

Обзор на възможностите и архитектурата на Dataiku DSS

• Основни обекти и графики, фундаментални за Dataiku DSS
• Какво е рецепта в Dataiku DSS?
• Видове набор от данни, поддържани от Dataiku DSS

Създаване на проект в Dataiku DSS

Определяне на набор от данни за свързване с ресурси за данни в Dataiku DSS

• Работа с DSS конектори и формати на файлове
• Стандартни DSS формати срещу Hadoop специфични формати
• Качване на файлове за проект в Dataiku DSS

Обзор на файловата система на сървъра в Dataiku DSS

Създаване и използване на управлявани папки

• DSS рецепта за сливане на папки
• Локални срещу не локални управлявани папки

Конструиране на набор от данни на файловата система, използвайки съдържанието на управлявани папки

• Извършване на почиствания с DSS кодова рецепта

Работа с набор от данни за метрики и вътрешни статистики

Въвеждане на рецептата за изтегляне на DSS за HTTP набор от данни

Преместване на SQL набор от данни и HDFS набор от данни с DSS

Подреждане на набор от данни в Dataiku DSS

• Подреждане при записване срещу подреждане при четене

Изследване и подготовка на визуализации за данни за проект в Dataiku DSS

Обзор на схемите на Dataiku, типовете съхранение и значението им

Извършване на почистване, нормализация и обогатяване на скриптове за данни в Dataiku DSS

Работа с интерфейса за графики на Dataiku DSS и типовете визуална агрегация

Използване на интерактивната функция за статистики на DSS

• Единомерен анализ срещу двумерен анализ
• Използване на инструмента за основен компонентен анализ (PCA) на DSS

Обзор на машинното обучение с Dataiku DSS

• Наблюдавано ML срещу ненаблюдавано ML
• Референции за алгоритми за ML на DSS и обработка на характеристики
• Дълбоко обучение с Dataiku DSS

Обзор на потока, извлечен от набор от данни и рецепти на DSS

Преобразуване на съществуващи набор от данни в DSS с визуални рецепти

Използване на DSS рецепти, базирани на код, дефиниран от потребителя

Оптимизиране на изследване и експериментиране с кодови блокноти на DSS

Написване на напреднали DSS визуализации и специални функции за преден край с Webapps

Работа с функцията за кодови отчета на Dataiku DSS

Споделяне на елементи на проект за данни и запознаване с таблото на DSS

Проектиране и пакетиране на проект в Dataiku DSS като повторно използвана приложение

Обзор на напреднали методи в Dataiku DSS

• Въвеждане на оптимизирано разделяне на набор от данни, използвайки DSS
• Извършване на специфични части за обработка на DSS през изчисления в контейнери на Kubernetes

Обзор на сътрудничеството и контрол на версиите в Dataiku DSS

Въвеждане на автоматизирани сценарии, метрики и проверки за тестване на проект на DSS

Разгръщане и актуализация на проект с автомационния възел на DSS и пакети

Работа с реални API в Dataiku DSS

• Допълнителни API и REST API в DSS

Анализ и прогнозиране на временни редове на Dataiku DSS

Осигуряване на проект в Dataiku DSS

• Управление на разрешенията на проект и авторизациите на таблото
• Въвеждане на напреднали опции за сигурност

Интегриране на Dataiku DSS с облака

Диагностика на проблеми

Резюме и заключение