Курс за обучение по Apache Spark в облака

Това обучение с инструктор, провеждано на живо в България (онлайн или на място), е насочено към специалисти по данни и инженери на средно ниво, които желаят да използват Google Colab и Apache Spark за обработка и анализ на големи данни.

До края на обучението участниците ще могат да:

• Създават среда за големи данни с помощта на Google Colab и Spark.
• Обработват и анализират ефективно големи масиви от данни с Apache Spark.
• Визуализират големи данни в среда за съвместна работа.
• Интегрират Apache Spark с облачно базирани инструменти.

Това обучение предоставя практическо въведение в изграждането на мащабируеми процеси за обработка на данни и машинно обучение с помощта на PySpark. Участниците научават как Apache Spark функционира в съвременните Big Data екосистеми и как ефективно да обработват големи набори от данни, използвайки принципите на разпределените изчисления.

Това обучение с инструктор на живо в <България> (онлайн или на място) е предназначено за инженери, които желаят да настроят и внедрят Apache Spark система за обработка на много големи обеми от данни.

След завършване на обучението участниците ще могат да:

• Инсталират и конфигурират Apache Spark.
• Бързо обработват и анализират много големи масиви от данни.
• Разбират разликата между Apache Spark и Hadoop MapReduce и кога кое да използват.
• Интегрират Apache Spark с други инструменти за машинно обучение.

Това обучение с инструктор на живо в България (онлайн или на място) е насочено към системни администратори от начинаещо до средно ниво, които желаят да внедряват, поддържат и оптимизират Spark клъстери.

До края на това обучение участниците ще могат да:

• Инсталират и конфигурират Apache Spark в различни среди.
• Управляват клъстерни ресурси и наблюдават Spark приложения.
• Оптимизират производителността на Spark клъстери.
• Прилагат мерки за сигурност и осигуряват висока достъпност.
• Дебъгват и отстраняват често срещани проблеми със Spark.

В това обучение с инструктор на живо в България участниците ще научат как да използват Python и Spark заедно за анализ на големи данни, докато работят по практически упражнения.

До края на това обучение участниците ще могат да:

• Научат как да използват Spark с Python за анализ на големи данни.
• Работят по упражнения, които наподобяват реални случаи.
• Използват различни инструменти и техники за анализ на големи данни с PySpark.

Това обучение с инструктор на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват и интегрират Spark, Hadoop и Python, за да обработват, анализират и трансформират големи и сложни набори от данни.

До края на това обучение участниците ще могат:

• Да настроят необходимата среда за започване на обработка на големи данни със Spark, Hadoop и Python.
• Да разберат характеристиките, основните компоненти и архитектурата на Spark и Hadoop.
• Да се научат как да интегрират Spark, Hadoop и Python за обработка на големи данни.
• Да изследват инструментите в екосистемата на Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka и Flume).
• Да изградят системи за препоръки с колаборативно филтриране, подобни на Netflix, YouTube, Amazon, Spotify и Google.
• Да използват Apache Mahout за мащабиране на алгоритми за машинно обучение.

Stratio е платформа, ориентирана към данните, която интегрира големи масиви от данни, изкуствен интелект и управление в едно решение. Нейните модули Rocket и Intelligence позволяват бързо изследване на данни, трансформация и усъвършенствана аналитика в корпоративни среди.

Това обучение с инструктор на живо (онлайн или присъствено) е насочено към специалисти по данни на средно ниво, които искат ефективно да използват модулите Rocket и Intelligence в Stratio с PySpark, като се фокусират върху циклични структури, дефинирани от потребителя функции и усъвършенствана логика за работа с данни.

След завършване на обучението участниците ще могат:

• Да навигират и работят в платформата Stratio, използвайки модулите Rocket и Intelligence.
• Да прилагат PySpark в контекста на поглъщане, трансформация и анализ на данни.
• Да използват цикли и условна логика за контролиране на работни потоци с данни и задачи за създаване на характеристики.
• Да създават и управляват дефинирани от потребителя функции (UDF) за многократно използвани операции с данни в PySpark.

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практическо изпълнение в среда с реална лаборатория.

Опции за персонализиране на курса

• За да заявите персонализирано обучение за този курс, моля, свържете се с нас за уговаряне.