Apache Spark SQL 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.

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.

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.

Кривата на обучение на Apache Spark бавно се увеличава в началото, необходими са много усилия, за да се получи първата възвръщаемост. Този курс има за цел да премине през първата трудна част. След преминаването на този курс участниците ще разберат основите на Apache Spark, ще разграничат ясно RDD от DataFrame, ще научат Python и Scala API, ще разберат изпълнителите и задачите и т.н. Следвайки най-добрите практики, този курс силно се фокусира върху внедряването в облак, Databricks и AWS. Студентите също ще разберат разликите между AWS EMR и AWS Glue, една от най-новите услуги на Spark на AWS.

ПУБЛИКА:

Инженер по данни, DevOps, Учен по данни

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към софтуерни инженери, които желаят да предават големи данни с Spark Streaming и Scala.

До края на това обучение участниците ще могат:

• Създавайте приложения на Spark с езика за програмиране Scala.
• Използвайте Spark Streaming за обработка на непрекъснати потоци от данни.
• Обработвайте потоци от данни в реално време с Spark Streaming.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към специалисти по данни, които желаят да използват стека SMACK за изграждане на платформи за обработка на данни за решения за големи данни.

До края на това обучение участниците ще могат:

• Внедрете архитектура на тръбопровод за данни за обработка на големи данни.
• Разработете клъстерна инфраструктура с Apache Mesos и Docker.
• Анализирайте данните с Spark и Scala.
• Управлявайте неструктурирани данни с Apache Cassandra.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към инженери, които желаят да настроят и внедрят Apache Spark система за обработка на много големи количества данни.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Spark.
• Бързо обработвайте и анализирайте много големи набори от данни.
• Разберете разликата между Apache Spark и Hadoop MapReduce и кога да използвате кое.
• Интегрирайте Apache Spark с други инструменти за машинно обучение.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици, които желаят да извършват анализ на големи данни, използвайки Apache Spark в своите .NET приложения.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Spark.
• Разберете как .NET внедрява Spark API, така че да могат да бъдат достъпни от .NET приложение.
• Разработвайте приложения за обработка на данни, използвайки C# или F#, способни да обработват набори от данни, чийто размер се измерва в терабайти и педабайти.
• Разработете функции за машинно обучение за .NET приложение, като използвате възможностите на Apache Spark.
• Извършете проучвателен анализ, като използвате SQL заявки за големи набори от данни.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към системни администратори, които желаят да научат как да настройват, разгръщат и управляват Hadoop клъстери в своята организация.

До края на това обучение участниците ще могат:

• Инсталирайте и конфигурирайте Apache Hadoop.
• Разберете четирите основни компонента в екосистемата Hadoop: HDFS, MapReduce, YARN и Hadoop Common.
• Използвайте Hadoop Distributed File System (HDFS), за да мащабирате клъстер до стотици или хиляди възли.
• Настройте HDFS да работи като машина за съхранение за локални внедрявания на Spark.
• Настройте Spark за достъп до алтернативни решения за съхранение като Amazon S3 и NoSQL системи за бази данни като Redis, Elasticsearch, Couchbase, Aerospike и др.
• Извършване на административни задачи като осигуряване, управление, наблюдение и защита на Apache Hadoop клъстер.