Apache Spark Streaming with Scala 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.

Обучението има за цел да предостави възможности за Scala език, изучаване на синтаксиса на програмните парадигми и космически приложения.

Целта на този курс е да предостави базови умения за прилагане на методите на машинно обучение на практика. Чрез използването на Scala езика за програмиране и неговите различни библиотеки и въз основа на множество практически примери, този курс учи как да използвате най-важните градивни елементи на машинното обучение, как да вземате решения за моделиране на данни, да интерпретирате резултатите от алгоритми и валидиране на резултатите.

Нашата цел е да ви дадем уменията да разбирате и използвате уверено най-фундаменталните инструменти от Machine Learning инструментариума и да избягвате често срещаните клопки на приложенията на Data Sciences.

Scala е кратък, обектно-ориентиран език с функции за функционално програмиране, включително къри, извеждане на типа, неизменност, мързелива оценка и съвпадение на шаблони. Кодът на Scala работи на JVM и е проектиран да адресира някои от недостатъците на Java.

В това водено от инструктор обучение на живо участниците ще се научат как да използват разширените функции на Scala, включително неговата система от типове, за да пишат по-добър код, използвайки обектно-функционален подход.

До края на това обучение участниците ще могат:

Използвайте системата от типове на Scala за максимална полза. Функционално обработвайте изключенията. Създавайте библиотеки и DSL с Scala Използвайте разширени функции на Scala за съвпадение на шаблони

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Scala е кратък, обектно-ориентиран език с функции за функционално програмиране, включително къри, извеждане на типа, неизменност, мързелива оценка и съвпадение на шаблони.

В това водено от инструктор обучение на живо участниците ще се научат как да използват разширените функции на Scala, за да разработят добре изграден софтуер, който е лесен за писане, четене, тестване и промяна. Фокусът на това обучение е върху функционалното програмиране, като се използват казуси от реалния свят и дискусия като справка за лабораторни упражнения и дейности.

До края на това обучение участниците ще могат:

Внедрете усъвършенствани техники за функционално програмиране Осмислете сигнатурите на сложни типове Разбирайте кода чрез типове и заместване Работете функционално с изключения Създайте библиотеки и DSL с Scala Използвайте разширените функции на Scala за съвпадение на шаблони

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика

Тази програма за обучение има за цел да доведе участниците от начинаещ до средно/напредно ниво в разбирането и познаването на Akka рамката.

Целият курс е на ръка, основно ръководен от треньора в началото и постепенно се премества към участниците, които сами произвеждат код (и изтегляне на изпълнения / решения, написани от треньора).

Не се очаква участниците да имат предварително познаване на Scala, треньорът ще отнеме необходимото време, за да обясни и разясни всички несъответствия, свързани с използвания Scala код.

ОБЕКТИВЕН:

Този курс ще представи Apache Spark. Студентите ще научат как Spark се вписва в екосистемата на Big Data и как да използват Spark за анализ на данни. Курсът обхваща обвивка на Spark за интерактивен анализ на данни, вътрешни елементи на Spark, API на Spark, Spark SQL, поточно предаване на Spark и машинно обучение и graphX.

ПУБЛИКА :

Разработчици / анализатори на данни

Това водено от инструктор обучение на живо в България (онлайн или на място) представя Hortonworks Data Platform (HDP) и превежда участниците през внедряването на решението Spark + Hadoop.

До края на това обучение участниците ще могат:

Използвайте Hortonworks за надеждно изпълнение на Hadoop в голям мащаб. Обединете възможностите за сигурност, управление и операции на Hadoop с гъвкавите аналитични работни процеси на Spark. Използвайте Hortonworks, за да проучите, валидирате, сертифицирате и поддържате всеки от компонентите в проект на Spark. Обработвайте различни видове данни, включително структурирани, неструктурирани, в движение и в покой.

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.

Spark SQL е модулът на Apache Spark за работа със структурирани и неструктурирани данни. Spark SQL предоставя информация за структурата на данните, както и за извършваното изчисление. Тази информация може да се използва за извършване на оптимизации. Две общи употреби на Spark SQL са: - за изпълнение на SQL заявки. - за четене на данни от съществуваща инсталация на Hive.

В това обучение на живо, ръководено от инструктор (на място или дистанционно), участниците ще се научат как да анализират различни видове набори от данни с помощта на Spark SQL.

До края на това обучение участниците ще могат:

Инсталирайте и конфигурирайте Spark SQL. Извършете анализ на данни с помощта на Spark SQL. Заявки за набори от данни в различни формати. Визуализирайте данните и резултатите от заявките.

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.

В това водено от инструктор обучение на живо в България (на място или дистанционно), участниците ще се научат как да настройват и интегрират различни Stream Processing рамки със съществуващи системи за съхранение на големи данни и свързани софтуерни приложения и микроуслуги.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте различни Stream Processing рамки, като Spark Streaming и Kafka Streaming.
• Разберете и изберете най-подходящата рамка за работата.
• Обработване на данни непрекъснато, едновременно и по начин запис по запис.
• Интегрирайте Stream Processing решения със съществуващи бази данни, хранилища за данни, езера от данни и др.
• Интегрирайте най-подходящата библиотека за обработка на потоци с корпоративни приложения и микроуслуги.

Анализът на големи данни включва процеса на изследване на големи количества разнообразни набори от данни, за да се разкрият корелации, скрити модели и други полезни прозрения.

Здравната индустрия разполага с огромно количество сложни разнородни медицински и клинични данни. Прилагането на анализ на големи данни върху здравни данни представлява огромен потенциал за извличане на прозрения за подобряване на предоставянето на здравни грижи. Огромността на тези набори от данни обаче поставя големи предизвикателства в анализите и практическите приложения в клинична среда.

В това водено от инструктор обучение на живо (дистанционно) участниците ще се научат как да извършват анализ на големи данни в здравеопазването, докато преминават през поредица от практически лабораторни упражнения на живо.

До края на това обучение участниците ще могат:

Инсталирайте и конфигурирайте инструменти за анализ на големи данни като Hadoop MapReduce и Spark Разбирайте характеристиките на медицинските данни Прилагайте техники за големи данни за работа с медицински данни Изучавайте системи и алгоритми за големи данни в контекста на здравни приложения

Публика

Разработчици Учени по данни

Формат на курса

Част лекция, част дискусия, упражнения и тежка практическа практика.

Забележка

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