Databricks og PySpark for dataengineering Treningskurs

Azure Databricks er en skybasert samarbeidsplattform som støtter stor datavanalyse og maskinlæring ved hjelp av Apache Spark og Microsoft Azure-økosystemet.

Denne instruktørledede, live-treningen (online eller på sted) er rettet mot mellomnivå dataprofesjonelle som ønsker å designe, bygge og distribuere maskinlæringsmodeller ved hjelp av Azure Databricks for finansielle brukssaker.

Til slutt på denne treningen vil deltakerne kunne:

• Bygge og tren maskinlæringsmodeller ved hjelp av finansielle data i Azure Databricks.
• Bruke MLflow for å spore eksperimenter, administrere modeller og distribuere løsninger.
• Anvende modeller for å oppdage avvik, vurdere risikoer eller predikere trend i finans.
• Integrasjon av ML-modeller i skalerbare pipeliner for kontinuerlig evaluering.

Kursformat

• Interaktiv forelesning og diskusjon.
• Masse øvelser og praksis.
• Håndsom implementering i et live-lab-miljø.

Kursoppsparingsoptsjoner

• For å be om en tilpasset trening for dette kurset, vennligst kontakt oss for å ordne det.

Dette instruktørbaserte, live-treningen i Norge (online eller på stedet) er rettet mot dataforskere og utviklere som ønsker å sette opp, distribuere og administrere løsninger for dataanalyse ved hjelp av Databricks.

Til slutt av denne treningen vil deltakerne kunne:

• Sette opp og konfigurere Databricks.
• Føre sammen hvordan Databricks og Apache Spark jobber sammen.
• Lære hvordan man laster inn og transformerer data i Databricks.

Databricks er en unifisert Lakehouse-plattform som kombinerer Spark, Delta Lake og reguleringsverktøy (Unity Catalog) for å støtte skalerbare dataingeniørarbeidsflyter og analyseworkflows.

Dette instruktørleddede, liveopplæringen (online eller på stedet) er rettet mot teknologiledere med bakgrunn i dataingeniørkunst som ønsker å migrere kompleks prosedyrell OLAP-logikk til en Lakehouse-arkitektur ved hjelp av Databricks, Spark, Delta Lake, Unity Catalog og native workflows.

Etter fullført opplæring vil deltakerne være i stand til å:

• Forklare Lakehouse-arkitektur og Bronze→Silver→Gold (Medallion) mønster.
• Oversette lagrede-prosedyrerlogikk til Spark DataFrame og notebook-implementasjoner.
• Designe og implementere inkrementelle inndrifts-, fusjon- og optimeringsrutiner ved hjelp av Delta Lake.
• Bygge slutt-til-slutt orkestrerte pipeliner med Databricks Workflows, versjonskontroll, testing og reguleringsverktøy.

Kursformat

• Intensivt, instruktørleddede sesjoner med fokuserte demonstrasjoner og forklaringer.
• Daglige praksislaboratorier ved hjelp av representativ data- og migreringsovelser.
• Veiledet kodegjennomgang, prestasjonsforbedring og orkestrering av arbeidsflyter.

Kurs Tilpasningsmuligheter

• Dette kurset kan tilpasses din miljø, datasett og reguleringskrav; vennligst kontakt oss for å arrangere tilpassning.

Databricks er en enhetlig analytisk plattform designet for stordata og maskinlæring i samarbeidsmiljøer.

Denne instruktørledede, live-treningen (online eller på stedet) er rettet mot nybegynnere til mellomnivå-dataanalytikere og finansielle fagfolk som ønsker å utføre storstilt dataanalyse med Databricks i finansrelaterte brukstilfeller.

Ved slutten av denne treningen vil deltakerne kunne:

• Bruke Databricks-notatbøker til å hente ut og analysere finansielle datasett.
• Rense og transformere rå finansielle data for rapportering og innsikt.
• Lage dashbord og visualiseringer for ytelsessporing.
• Samarbeide med teammedlemmer i sanntid på delte notatbøker.

Format på kurset

• Interaktiv forelesning og diskusjon.
• Mye øvelser og praksis.
• Håndtering av implementering i et live-lab-miljø.

Tilpassingsmuligheter for kurset

• For å be om en tilpasset treningskurs for dette kurset, vennligst kontakt oss for å avtale.

Denne opplæringen gir en praktisk innføring i å bygge skalerbare databehandlings- og maskinlæringsarbeidsflyter ved hjelp av PySpark. Deltakerne lærer hvordan Apache Spark fungerer i moderne Big Data-ekosystemer, og hvordan man effektivt behandler store datasett ved hjelp av prinsippene for distribuert datateknikk.

I denne instruktørledede, live-treningen i Norge vil deltakerne lære å bruke Python og Spark sammen for å analysere store data mens de jobber med praktiske øvelser.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lær hvordan du bruker Spark med Python for å analysere Big Data.
• Arbeid med øvelser som etterligner virkelige tilfeller.
• Bruk forskjellige verktøy og teknikker for stordataanalyse ved hjelp av PySpark.

Stratio er en data-sentrert plattform som integrerer store data, kunstig intelligens og styring i én løsning. Dets Rocket- og Intelligence-moduler gjør det mulig å utforske, transformere og analysere data raskt i virksomhetsmiljøer.

Denne veiledede, live-treningen (online eller på stedet) er rettet mot mellomnivås dataprofessionelle som ønsker å bruke Rocket- og Intelligence-modulene i Stratio effektivt med PySpark, med fokus på løkkestrukturer, brukerdefinerte funksjoner og avansert data-logikk.

Ved slutten av denne treningen vil deltakerne kunne:

• Navigere og jobbe i Stratio-plattformen ved hjelp av Rocket- og Intelligence-modulene.
• Bruke PySpark i sammenheng med datainnlesing, -transformasjon og -analyse.
• Bruke løkker og betinget logikk for å kontrollere data-arbeidsflyt og uttrekk av egenskaper.
• Opprette og administrere brukerdefinerte funksjoner (UDFs) for gjenbrukbare dataoperasjoner i PySpark.

Kursformat

• Interaktiv foredrag og diskusjon.
• Masse øvelser og praksis.
• Praktisk implementering i et live-lab-miljø.

Kurstilpasningsoptions

• For å forespørre en tilpasset trening for dette kurset, vennligst kontakt oss for å ordne det.