Python, Spark, and Hadoop for Big Data Training Course

В това водено от инструктор обучение на живо в България участниците ще се научат как да използват Python и Spark заедно, за да анализират големи данни, докато работят върху практически упражнения.

До края на това обучение участниците ще могат:

• Научете как да използвате Spark с Python за анализ на големи данни.
• Работете върху упражнения, които имитират случаи от реалния свят.
• Използвайте различни инструменти и техники за анализ на големи данни с помощта на PySpark.

В това водено от инструктор обучение на живо в България участниците ще научат за технологичните предложения и подходите за внедряване за обработка на графични данни. Целта е да се идентифицират обекти от реалния свят, техните характеристики и връзки, след това да се моделират тези връзки и да се обработват като данни с помощта на Graph Computing (известен също като Graph Analytics) подход. Започваме с широк преглед и се ограничаваме до конкретни инструменти, докато преминаваме през поредица от казуси, практически упражнения и внедрявания на живо.

До края на това обучение участниците ще могат:

• Разберете как данните от графиката се поддържат и преминават.
• Изберете най-добрата рамка за дадена задача (от бази данни с графики до рамки за групова обработка.)
• Приложете Hadoop, Spark, GraphX и Pregel за извършване на изчисления на графики в много машини паралелно.
• Вижте реални проблеми с големи данни от гледна точка на графики, процеси и обхождания.

MLlib е библиотеката за машинно обучение (ML) на Spark. Целта му е да направи практическото машинно обучение мащабируемо и лесно. Състои се от общи алгоритми и помощни програми за обучение, включително класификация, регресия, клъстериране, съвместно филтриране, намаляване на размерността, както и примитиви за оптимизация от по-ниско ниво и приложни програмни интерфейси за конвейер от по-високо ниво.

Разделя се на два пакета:

spark.mllib съдържа оригиналния API, изграден върху RDD. spark.ml предоставя API от по-високо ниво, изграден върху DataFrames за конструиране на ML тръбопроводи.

Публика

Този курс е насочен към инженери и разработчици, които искат да използват вградена машинна библиотека за Apache Spark

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практическо внедряване в лабораторна среда на живо.

Опции за персонализиране на курса

• За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.

Pandas е Python пакет, който предоставя структури от данни за работа със структурирани (таблични, многоизмерни, потенциално хетерогенни) и данни от времеви серии.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни, които желаят да използват Pandas за предварително извършване на прогнозен анализ с машинно обучение.

До края на това обучение участниците ще могат:

• Извършете разбор на данни в Python.
• Провеждайте ETL операции за машинно обучение.
• Създавайте визуализации на данни с Pandas

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към учени и разработчици на данни, които желаят да използват Modin за изграждане и прилагане на паралелни изчисления с Pandas за по-бърз анализ на данни.

До края на това обучение участниците ще могат:

• Настройте необходимата среда, за да започнете да разработвате Pandas работни потоци в мащаб с Modin.
• Разберете характеристиките, архитектурата и предимствата на Modin.
• Познайте разликите между Modin, Dask и Ray.
• Извършвайте Pandas операции по-бързо с Modin.
• Внедрете целия Pandas API и функции.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към учени по данни и софтуерни инженери, които желаят да използват Dask с Python екосистемата за изграждане, мащабиране и анализиране на големи набори от данни.

До края на това обучение участниците ще могат:

• Настройте средата, за да започнете да изграждате обработка на големи данни с Dask и Python.
• Разгледайте функциите, библиотеките, инструментите и API, налични в Dask.
• Разберете как Dask ускорява паралелните изчисления в Python.
• Научете как да мащабирате екосистемата на Python (Numpy, SciPy и Pandas) с помощта на Dask.
• Оптимизирайте средата на Dask, за да поддържате висока производителност при работа с големи набори от данни.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват FastAPI с Python за изграждане, тестване и внедряване на RESTful API по-лесно и по-бързо.

До края на това обучение участниците ще могат:

• Настройте необходимата среда за разработка за разработване на API с Python и FastAPI.
• Създавайте API по-бързо и по-лесно с помощта на библиотеката FastAPI.
• Научете как да създавате модели на данни и схеми, базирани на Pydantic и OpenAPI.
• Свържете API към база данни с помощта на SQLAlchemy.
• Внедрете защита и удостоверяване в API с помощта на инструментите FastAPI.
• Създайте изображения на контейнери и разположете уеб API на облачен сървър.

Това водено от инструктор обучение на живо (онлайн или на място) е насочено към разработчици, които желаят да използват стека FARM (FastAPI, React и MongoDB) за изграждане на динамични, високопроизводителни и мащабируеми уеб приложения.

До края на това обучение участниците ще могат:

Настройте необходимата среда за разработка, която интегрира FastAPI, React и MongoDB. Разберете ключовите концепции, функции и предимства на стека FARM. Научете как да създавате REST API с FastAPI. Научете как да проектирате интерактивни приложения с React. Разработвайте, тествайте и внедрявайте приложения (преден и заден край) с помощта на FARM стека.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват SciPy за създаване на разширени научни изчислителни функции с Python.

До края на това обучение участниците ще могат:

• Настройте необходимата среда за разработка, за да започнете да създавате научни изчислителни функции.
• Възползвайте се напълно от SciPy функциите, като изпълнявате практически примери за сложни операции.
• Внедряване и оптимизиране на математически алгоритми и функции за решаване на научни проблеми.
• Проектиране на структури от данни и методи за интерполация за визуализация, обработка и анализ.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват PyGame за създаване и изграждане на игри с помощта на Python програмиране.

До края на това обучение участниците ще могат:

• Настройте необходимата среда за разработка, за да започнете да създавате приложения за игри с PyGame и Python.
• Научете как да създавате интерактивни приложения на PyGame, интегрирани с анимации и мултимедийни функции.
• Стартирайте и тествайте програми за игри с тестов пакет PyGame и ги конвертирайте в изпълними файлове.

Този практически курс е насочен към разработчиците на Python, които искат да създадат и поддържат първите си уеб приложения. Също така е адресирано до хора, които вече са запознати с други уеб рамки като Django или Web2py и искат да научат как да използват микрофреймворк (т.е. рамка, която свързва библиотеки на трети страни, вместо да предоставя самостоятелно универсално решение ) променя процеса.

Значителна част от курса е посветена не на самия Flask (той е малък), а на библиотеки и инструменти на трети страни, често използвани в Flask проекти.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към бекенд разработчици, които желаят да създадат REST API с Python и Flask.

До края на това обучение участниците ще могат:

• Внедрете REST API, за да позволите на уеб приложение на Flask да чете и пише в база данни в бекенда.
• Разработете разширени функции за удостоверяване като опресняващи токени.
• Изградете бекенд за многократна употреба за бъдещи проекти на Python.
• Опростете съхранението на данни с SQLAlchemy.
• Разположете REST API на облачен сървър.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да използват разширените функции на Flask за изграждане на мащабируеми уеб приложения върху MongoDB.

До края на това обучение участниците ще могат:

• Настройте необходимата среда за разработка, за да започнете да разработвате уеб приложения с Flask.
• Запознайте се с усъвършенстваните концепции и техники за реални проекти на Flask.
• Изградете RESTful API сървър върху MongoDB.
• Научете как да контейнеризирате, тествате и внедрявате микроуслуги с Flask, Docker и Amazon EC2.
• Получете малко представа за разширените интеграции на Flask за мащабиране на уеб приложения.