Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Návrh Školení
Úvod
Pochopení Big Data
Přehled Spark
Přehled Python
Přehled PySpark
- Distribuce dat pomocí rámce odolných distribuovaných datových sad Distribuce výpočtů pomocí operátorů Spark API
Nastavení Python pomocí Spark
Nastavení PySpark
Použití instancí EC2 Amazon Web Services (AWS) pro Spark
Nastavení Databricks
Nastavení klastru AWS EMR
Učení se základům Python programování
- Začínáme s Python Používání notebooku Jupyter Použití proměnných a jednoduchých datových typů Práce se seznamy Použití příkazů if Použití uživatelských vstupů Práce s smyčkami while Implementace funkcí Práce s třídami Práce se soubory a výjimkami Práce s projekty, daty a rozhraními API
Seznámení se základy Spark DataFrame
- Začínáme se Spark DataFrames Implementace základních operací se Sparkem pomocí skupinových a agregovaných operací Práce s časovými razítky a daty
Práce na projektovém cvičení Spark DataFrame
Porozumění Machine Learning s MLlib
Práce s MLlib, Spark a Python pro strojové učení
Pochopení regresí
- Učení teorie lineární regrese Implementace hodnotícího kódu regrese Práce na vzorovém cvičení lineární regrese Učení teorie logistické regrese Implementace kódu logistické regrese Práce na vzorovém cvičení logistické regrese
Pochopení Random Forest a rozhodovacích stromů
- Metody učícího se stromu Teorie Implementace rozhodovacích stromů a Random Forest Kódů Práce na vzorku Random Forest Klasifikační cvičení
Práce s K-means Clustering
- Pochopení teorie shlukování K-means Implementace kódu shlukování K-means Práce na vzorovém cvičení shlukování
Práce s Recommender Systems
Implementace zpracování přirozeného jazyka
- Porozumění Natural Language Processing (NLP) Přehled nástrojů NLP pracujících na ukázkovém cvičení NLP
Streamování se zapnutým Sparkem Python
- Přehled Streaming s Spark Ukázka Spark Streaming Cvičení
Závěrečné poznámky
Požadavky
- Obecné znalosti programování
Publikum
- Vývojáři
- IT profesionálové
- Data Scientists
21 hodiny
Reference (5)
I liked that it was practical. Loved to apply the theoretical knowledge with practical examples.
Aurelia-Adriana - Allianz Services Romania
Kurz - Python and Spark for Big Data (PySpark)
The course was about a series of very complex related topics & Pablo has in-depth expertise of each of them. Sometimes nuances were lost in communication and/or due to time pressures and possibly expectations were not quite met due to this. Also there were some UHG/Azure Databricks setup issues however Pablo / UHG resolved these quickly once they became apparent - this to me showed a high level of understanding and professionalism between UHG & Pablo,
Michael Monks - Tech NorthWest Skillnet
Kurz - Python and Spark for Big Data (PySpark)
Individual attention.
ARCHANA ANILKUMAR - PPL
Kurz - Python and Spark for Big Data (PySpark)
Hands on Training..
Abraham Thomas - PPL
Kurz - Python and Spark for Big Data (PySpark)
The lessons were taught in a Jupyter notebook. The topics were structured with a logical sequence and naturally helped develop the session from the easier parts to the more complex. I'm already an advanced user of Python with background in Machine Learning, so found the course easier to follow than, possibly, some of my classmates that took the training course. I appreciate that some of the most elementary concepts were skipped and that he focused on the most substantial matters.
