Благодарим ви, че изпратихте вашето запитване! Един от членовете на нашия екип ще се свърже с вас скоро.
Благодарим ви, че направихте своята резервация! Един от членовете на нашия екип ще се свърже с вас скоро.
План на курса
Въведение
разбиране Big Data
Преглед на Spark
Преглед на Python
Преглед на PySpark
- Разпространение на данни с помощта на устойчива рамка за разпределени набори от данни
- Разпределяне на изчисления с помощта на Spark API оператори
Настройка Python със Spark
Настройка PySpark
Използване на Amazon Web Services (AWS) EC2 инстанции за Spark
Настройка Databricks
Настройване на AWS EMR клъстер
Изучаване на основите на Python Programming
- Първи стъпки с Python
- Използване на тетрадка Jupyter
- Използване на променливи и прости типове данни
- Работа със списъци
- Използване на оператори if
- Използване на потребителски данни
- Работа с цикли while
- Реализиращи функции
- Работа с класове
- Работа с файлове и изключения
- Работа с проекти, данни и API
Изучаване на основите на Spark DataFrame
- Първи стъпки с Spark DataFrames
- Внедряване на основни операции със Spark
- Използване на Groupby и агрегатни операции
- Работа с времеви марки и дати
Работа по проект на Spark DataFrame Упражнение
Разбиране Machine Learning с MLlib
Работа с MLlib, Spark и Python за Machine Learning
Разбиране на регресиите
- Изучаване на теорията на линейната регресия
- Внедряване на код за регресионна оценка
- Работа върху примерно упражнение за линейна регресия
- Изучаване на теорията на логистичната регресия
- Внедряване на код за логистична регресия
- Работа върху примерно упражнение за логистична регресия
Разбиране на Random Forest и дървета на решения
- Теория на методите на дървото на обучение
- Внедряване на дървета за вземане на решения и Random Forest кодове
- Работа върху образец Random Forest Упражнение за класификация
Работа с K-означава групиране
- Разбиране на K-означава теорията на групирането
- Внедряване на код за клъстериране на K-средства
- Работа върху примерно упражнение за групиране
Работа с Recommender Systems
Внедряване на обработка на естествен език
- разбиране Natural Language Processing (NLP)
- Преглед на НЛП инструментите
- Работа върху примерно НЛП упражнение
Поточно предаване с включен Spark Python
- Общ преглед Поточно предаване със Spark
- Пример Spark Streaming Упражнение
Заключителни бележки
Изисквания
- Общи умения за програмиране
Публика
- Разработчици
- ИТ специалисти
- Учени по данни
21 часа
Отзиви от потребители (6)
Ми ми допадна, че беше praktično. Обичах да прилагам теоретичните знания с практически примери.
Aurelia-Adriana - Allianz Services Romania
Курс - Python and Spark for Big Data (PySpark)
Машинен превод
Курсът беше по серия от много сложни свързани теми, а Пабло разполага с дълбока експертиза във всеки един от тях. Понякога нюансите бяха загубени при комуникацията и/или поради времеви ограничения, което вероятно предизвика не съвсем задоволаващи очаквания. Освен това имаше някои проблеми с конфигурирането на UHG/Azure Databricks, но Пабло и UHG ги разрешиха бързо веднага след като станаха очевидни - за мен това показваше високо ниво на разбиране и професионализъм между UHG и Пабло,
Michael Monks - Tech NorthWest Skillnet
Курс - Python and Spark for Big Data (PySpark)
Машинен превод
Индивидуално внимание.
ARCHANA ANILKUMAR - PPL
Курс - Python and Spark for Big Data (PySpark)
Машинен превод
Практическо обучение..
Abraham Thomas - PPL
Курс - Python and Spark for Big Data (PySpark)
Машинен превод
Уроките бяха проведени в Jupyter тетрадка. Темите бяха структурирани с логична последователност и естествено помагаха да се развиват сесиите от по-лесната част към по-сложната. Уж вече съм напреднал потребител на Python с фона в Machine Learning, затова за мен курсът беше леко по-лесен за следене, отколкото, вероятно, за някои от класните ми колеги, които участваха в обучаващия курс. Оценявам, че част от най-елементарните концепции бяха пропуснати и той се фокусираше на най-съществените въпроси.
Angela DeLaMora - ADT, LLC
Курс - Python and Spark for Big Data (PySpark)
Машинен превод
практически задания
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Курс - Python and Spark for Big Data (PySpark)
Машинен превод
