Administrasjon av Apache Spark Treningskurs

Denne instruktørledede, live opplæringen (online eller på sted) er rettet mot mellomnivå dataforskere og ingeniører som ønsker å bruke Google Colab og Apache Spark for behandling og analyse av store datasett.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Opprette en stor data-miljø ved bruk av Google Colab og Spark.
• Behandle og analysere store datasett effektivt med Apache Spark.
• Visualisere store data i et samarbeidsmiljø.
• Integrere Apache Spark med skyløsninger.

Denne undervisningsledete, live-opplæringen (online eller på stedet) er rettet mot dataingeniører, dataanalytikere og fagpersoner innen dataprofessjon som ønsker å bruke Databricks og PySpark til å bygge skalerbare datapipelines og migrere eksisterende SQL-arbeidsflyter.

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.

Dette veiledede kurset i Norge (online eller på sted) er rettet mot ingeniører som ønsker å sette opp og deploye Apache Spark-systemet for behandling av ekstremt store mengder data.

Etter dette kurset vil deltakerne kunne:

Læringskurven til Apache Spark stiger sakte i begynnelsen, det krever mye innsats for å få den første tilbakemeldingen. Dette kurset har som mål å hoppe over den første vanskelige delen. Etter å ha tatt dette kurset vil deltakerne forstå grunnleggende om Apache Spark, de vil klart skille mellom RDD og DataFrame, de vil lære Python og Scala API, de vil forstå executors og tasks, etc. I tillegg til å følge beste praksis, fokuserer dette kurset sterkt på skydeploering, Databricks og AWS. Studentene vil også forstå forskjellene mellom AWS EMR og AWS Glue, en av de nyeste Spark-tjenestene fra AWS.

MÅLGREP:

Data Engineer, DevOps, Data Scientist

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.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke og integrere Spark, Hadoop og Python for å behandle, analysere og transformere store og komplekse datasett.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp det nødvendige miljøet for å begynne å behandle store data med Spark, Hadoop og Python.
• Forstå funksjonene, kjernekomponentene og arkitekturen til Spark og Hadoop.
• Lær hvordan du integrerer Spark, Hadoop og Python for behandling av store data.
• Utforsk verktøyene i Spark-økosystemet (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka og Flume).
• Bygg anbefalingssystemer for samarbeidsfiltrering som ligner på Netflix, YouTube, Amazon, Spotify og Google.
• Bruk Apache Mahout til å skalere maskinlæringsalgoritmer.

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.