Місцеві, інструктор під керівництвом жити Apache свічки навчальних курсів демонструють через практичний практиці, як іскри вписується в велику екосистему даних, і як використовувати іскру для аналізу даних.
Apache Spark навчання доступне як "на місці навчання" або "дистанційне навчання жити". На місці навчання в прямому ефірі може здійснюватися на місцевому рівні в україні або в Неbleprog корпоративні навчальні центри в україні. Дистанційне навчання в прямому ефірі здійснюється шляхом інтерактивного, віддаленого робочого стола.
Nobleпрога-ваш місцевий навчальний провайдер
Machine Translated
Відгуки
Річард дуже спокійний і методичний, з аналітичними проникливістю-саме ті якості, які необхідно представити такого роду звичайно.
Kieran Mac Kenna
Курси: Spark for Developers
Machine Translated
Ми знаємо набагато більше про все навколишнє середовище.
John Kidd
Курси: Spark for Developers
Machine Translated
Тренер зробив клас цікавим і цікавим, який допомагає зовсім небагато з усім днем навчання.
Ryan Speelman
Курси: Spark for Developers
Machine Translated
Я думаю, що тренер був відмінним стилем поєднання гумору і реальних історій життя, щоб предмети на руку дуже доступним. Я дуже рекомендую цей професор в майбутньому.
Курси: Spark for Developers
Machine Translated
Ернесто зробив велику роботу, пояснивши високого рівня концепцій використання іскри і різних його модулів.
Michael Nemerouf
Курси: Spark for Developers
Machine Translated
Це один із найкращих практичних занять із програмування вправ, які я коли-небудь брав.
Laura Kahn
Курси: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Це одна з кращих якість онлайн навчання я коли-небудь прийнятих в моїй 13-річної кар'єри. Слідкуйте за велику роботу!.
Курси: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Можливі сценарії та випадки
zhaopeng liu - Fmr
Курси: Spark for Developers
Machine Translated
Приклад дослідження
国栋 张
Курси: Spark for Developers
Machine Translated
Всі частини сесії
Eric Han - Fmr
Курси: Spark for Developers
Machine Translated
Річард був дуже готовий відступити, коли хотіли поставити запитання, пов'язані з напівзалежними, про речі, які не входять до навчальної програми. Пояснення були зрозумілими, і він висував попередження про застереження в будь-якій пораді, яку він дав нам.
ARM Limited
Курси: Spark for Developers
Machine Translated
VM мені дуже сподобалося Вчитель був дуже обізнаний про тему, а також інші теми, він був дуже приємний і дружній Мені сподобався об'єкт в Дубаї.
Safar Alqahtani - Elm Information Security
Курси: Big Data Analytics in Health
Machine Translated
практичні завдання
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Курси: Python and Spark for Big Data (PySpark)
Machine Translated
Small group (4 trainees) and we could progress together. Also the trainer could so help everybody.
ICE International Copyright Enterprise Germany GmbH
Курси: Spark for Developers
Аджай був дуже доброзичливим, корисним і також обізнаним з обговорюваною темою.
Biniam Guulay - ICE International Copyright Enterprise Germany GmbH
Курси: Spark for Developers
Machine Translated
Лабораторні вправи. Застосовує теорію з першого дня в наступні дні.
Dell
Курси: A Practical Introduction to Stream Processing
Machine Translated
* Organization * Trainer's expertise with the subject
ENGIE- 101 Arch Street
Курси: Python and Spark for Big Data (PySpark)
The trainer was passionate and well-known what he said I appreciate his help and answers all our questions and suggested cases.
Курси: A Practical Introduction to Stream Processing
Керівництво адаптувала програму підготовки до наших нинішніх потреб.
EduBroker Sp. z o.o.
Курси: Python and Spark for Big Data (PySpark)
Machine Translated
Виконання подібних вправ різними способами справді допомагає зрозуміти, що кожен компонент ( Hadoop / Spark, автономний / кластер) може робити самостійно та разом. Це дало мені уявлення про те, як я повинен перевірити свою програму на своїй локальній машині, коли я розробляю проти, коли вона розгорнута на кластері.
Thomas Carcaud - IT Frankfurt GmbH
Курси: Spark for Developers
Machine Translated
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.
Angela DeLaMora - ADT, LLC
Курси: Python and Spark for Big Data (PySpark)
NA
DBS
Курси: Python and Spark for Big Data (PySpark)
hands on Training..
Abraham Thomas - PPL
Курси: Python and Spark for Big Data (PySpark)
індивідуальної уваги.
ARCHANA ANILKUMAR - PPL
Курси: Python and Spark for Big Data (PySpark)
Machine Translated
Я думаю, що тренер був відмінним стилем поєднання гумору і реальних історій життя, щоб предмети на руку дуже доступним. Я дуже рекомендую цей професор в майбутньому.
Курси: Spark for Developers
Machine Translated
Це одна з кращих якість онлайн навчання я коли-небудь прийнятих в моїй 13-річної кар'єри. Слідкуйте за велику роботу!.
Курси: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
The trainer was passionate and well-known what he said I appreciate his help and answers all our questions and suggested cases.
Курси: A Practical Introduction to Stream Processing
Spark Підкатегорії
Spark Зміст курсу
Назва курсу
Тривалість
Огляд
Назва курсу
Тривалість
Огляд
21 годин
Огляд
This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.
7 годин
Огляд
Alluxio - це система віртуальної розподіленої системи зберігання з відкритим кодом, яка об'єднує різноманітні системи зберігання даних та дозволяє програмам взаємодіяти з даними на швидкості пам'яті. Він використовується такими компаніями, як Intel, Baidu та Alibaba.
У цій інструкції під керівництвом живих тренінгів учасники навчаться використовувати Alluxio для монтажу різних обчислювальних систем із системами зберігання даних та ефективного управління даними з декількох петабайтних масштабів, оскільки вони проходять через створення додатка з Alluxio.
До кінця цього тренінгу учасники зможуть:
- Розробіть програму з Alluxio
- Підключіть великі системи та програми даних, зберігаючи при цьому одне простору імен
- Ефективно витягувати значення з великих даних у будь-якому форматі зберігання
- Покращення продуктивності робочого навантаження
- Розгортати та керувати Alluxio автономним або кластеризованим
Аудиторія
- Дані вченого
- Розробник
- Системний адміністратор
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
У цій інструкції під керівництвом живих тренінгів учасники навчаться використовувати Alluxio для монтажу різних обчислювальних систем із системами зберігання даних та ефективного управління даними з декількох петабайтних масштабів, оскільки вони проходять через створення додатка з Alluxio.
До кінця цього тренінгу учасники зможуть:
- Розробіть програму з Alluxio
- Підключіть великі системи та програми даних, зберігаючи при цьому одне простору імен
- Ефективно витягувати значення з великих даних у будь-якому форматі зберігання
- Покращення продуктивності робочого навантаження
- Розгортати та керувати Alluxio автономним або кластеризованим
Аудиторія
- Дані вченого
- Розробник
- Системний адміністратор
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
21 годин
Огляд
Аналітика великих даних включає процес вивчення великої кількості різноманітних наборів даних з метою виявлення кореляцій, прихованих зразків та інших корисних даних.
Промисловість охорони здоров'я має величезну кількість складних неоднорідних медичних та клінічних даних. Застосування аналітики великих даних щодо даних про охорону здоров'я представляє величезний потенціал для отримання розуміння щодо покращення надання медичної допомоги. Однак величезність цих наборів даних створює великі труднощі при аналізі та практичному застосуванні до клінічного середовища.
У цій навчальній програмі під керівництвом інструкторів (дистанційне навчання) учасники навчаться виконувати аналітику великих даних у галузі охорони здоров’я, переходячи через ряд практичних лабораторних вправ.
Після закінчення цього тренінгу учасники зможуть:
- Встановіть та налаштуйте інструменти для аналізу великих даних, такі як Hadoop MapReduce та Spark
- Розуміти характеристики медичних даних
- Застосовуйте методи великих даних для обробки медичних даних
- Вивчіть великі системи даних та алгоритми в контексті програм охорони здоров'я
Аудиторія
- Розробники
- Дані вчені
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики.
Примітка
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
Промисловість охорони здоров'я має величезну кількість складних неоднорідних медичних та клінічних даних. Застосування аналітики великих даних щодо даних про охорону здоров'я представляє величезний потенціал для отримання розуміння щодо покращення надання медичної допомоги. Однак величезність цих наборів даних створює великі труднощі при аналізі та практичному застосуванні до клінічного середовища.
У цій навчальній програмі під керівництвом інструкторів (дистанційне навчання) учасники навчаться виконувати аналітику великих даних у галузі охорони здоров’я, переходячи через ряд практичних лабораторних вправ.
Після закінчення цього тренінгу учасники зможуть:
- Встановіть та налаштуйте інструменти для аналізу великих даних, такі як Hadoop MapReduce та Spark
- Розуміти характеристики медичних даних
- Застосовуйте методи великих даних для обробки медичних даних
- Вивчіть великі системи даних та алгоритми в контексті програм охорони здоров'я
Аудиторія
- Розробники
- Дані вчені
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики.
Примітка
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
28 годин
Огляд
Велику кількість реальних проблем можна описати в термінах графів. Наприклад, веб-графік, графік соціальної мережі, мережевий графік поїзду та мовний графік. Ці графіки, як правило, надзвичайно великі; обробка їх вимагає спеціалізованого набору інструментів і процесів - ці інструменти та процеси можна називати Graph Computing (також відомі як Graph Analytics).
У цій інструкції під керівництвом тренерів, учасники дізнаються про технологічні пропозиції та підходи до реалізації для обробки даних графіка. Мета полягає в тому, щоб визначити об'єкти реального світу, їх характеристики та взаємозв'язки, потім моделювати ці відносини та обробляти їх як дані, використовуючи графічний підхід. Почнемо з широкого огляду та обмежених конкретними інструментами, коли ми просуваємо низку конкретних досліджень, практичних вправ і живих розробок.
До кінця цього тренінгу учасники зможуть:
- Зрозумійте, як графічні дані зберігаються та переміщуються
- Виберіть найкращі рамки для заданого завдання (від графічних баз даних до пакетної обробки)
- Запровадьте Hadoop, Spark, GraphX і Pregel, щоб провести графічне обчислення на багатьох машинах паралельно
- Перегляньте великі проблеми, пов'язані з даними в реальному масштабі, з точки зору графіків, процесів та переходів
Аудиторія
- Розробники
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
У цій інструкції під керівництвом тренерів, учасники дізнаються про технологічні пропозиції та підходи до реалізації для обробки даних графіка. Мета полягає в тому, щоб визначити об'єкти реального світу, їх характеристики та взаємозв'язки, потім моделювати ці відносини та обробляти їх як дані, використовуючи графічний підхід. Почнемо з широкого огляду та обмежених конкретними інструментами, коли ми просуваємо низку конкретних досліджень, практичних вправ і живих розробок.
До кінця цього тренінгу учасники зможуть:
- Зрозумійте, як графічні дані зберігаються та переміщуються
- Виберіть найкращі рамки для заданого завдання (від графічних баз даних до пакетної обробки)
- Запровадьте Hadoop, Spark, GraphX і Pregel, щоб провести графічне обчислення на багатьох машинах паралельно
- Перегляньте великі проблеми, пов'язані з даними в реальному масштабі, з точки зору графіків, процесів та переходів
Аудиторія
- Розробники
Формат курсу
- Частина лекції, частина дискусії, вправи та важка практика
21 годин
Огляд
Hortonworks Data Platform (HDP) - це платформа підтримки Apache Hadoop з відкритим кодом, що забезпечує стабільну основу для розробки великих рішень для даних в екосистемі Apache Hadoop .
Цей тренінг під керівництвом інструкторів (на місці або на дистанційному рівні) представляє Hortonworks Data Platform (HDP) та прогулює учасників шляхом розгортання рішення Spark + Hadoop .
Після закінчення цього тренінгу учасники зможуть:
- Використовуйте Hortonworks для надійного запуску Hadoop у великих масштабах.
- Уніфікуйте можливості безпеки, управління та операційних можливостей Hadoop за допомогою гнучких аналітичних робочих процесів Spark.
- Використовуйте Hortonworks для дослідження, підтвердження, сертифікації та підтримки кожного з компонентів у проекті Spark.
- Обробляйте різні типи даних, включаючи структуровані, неструктуровані, в русі та в спокої.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
Цей тренінг під керівництвом інструкторів (на місці або на дистанційному рівні) представляє Hortonworks Data Platform (HDP) та прогулює учасників шляхом розгортання рішення Spark + Hadoop .
Після закінчення цього тренінгу учасники зможуть:
- Використовуйте Hortonworks для надійного запуску Hadoop у великих масштабах.
- Уніфікуйте можливості безпеки, управління та операційних можливостей Hadoop за допомогою гнучких аналітичних робочих процесів Spark.
- Використовуйте Hortonworks для дослідження, підтвердження, сертифікації та підтримки кожного з компонентів у проекті Spark.
- Обробляйте різні типи даних, включаючи структуровані, неструктуровані, в русі та в спокої.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
21 годин
Огляд
Stream Processing відноситься до Stream Processing в режимі реального часу "даних у русі", тобто виконання обчислень даних під час їх отримання. Такі дані читаються як безперервні потоки з джерел даних, таких як датчики подій, активність користувачів веб-сайту, фінансові торги, перетягування кредитних карт, потоки кліків тощо. Структури Stream Processing потоків здатні зчитувати великі обсяги вхідних даних і надавати цінну інформацію майже миттєво.
У цьому навчанні на практиці під керівництвом інструкторів (на місці або на дистанційному рівні) учасники навчаться налаштувати та інтегрувати різні рамки Stream Processing з існуючими системами зберігання великих даних та відповідними програмними програмами та мікросервісами.
Після закінчення цього тренінгу учасники зможуть:
- Встановіть та налаштуйте різні рамки Stream Processing , такі як Spark Streaming та Kafka Streaming.
- Розумійте та вибирайте найбільш підходящу основу для роботи.
- Обробляйте дані безперервно, одночасно та в режимі рекорду.
- Інтегруйте рішення Stream Processing даних з існуючими базами даних, сховищами даних, озерами даних тощо.
- Інтеграція найбільш підходящої бібліотеки обробки потоків з корпоративними програмами та мікросервісами.
Аудиторія
- Розробники
- Архітектори програмного забезпечення
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Примітки
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
У цьому навчанні на практиці під керівництвом інструкторів (на місці або на дистанційному рівні) учасники навчаться налаштувати та інтегрувати різні рамки Stream Processing з існуючими системами зберігання великих даних та відповідними програмними програмами та мікросервісами.
Після закінчення цього тренінгу учасники зможуть:
- Встановіть та налаштуйте різні рамки Stream Processing , такі як Spark Streaming та Kafka Streaming.
- Розумійте та вибирайте найбільш підходящу основу для роботи.
- Обробляйте дані безперервно, одночасно та в режимі рекорду.
- Інтегруйте рішення Stream Processing даних з існуючими базами даних, сховищами даних, озерами даних тощо.
- Інтеграція найбільш підходящої бібліотеки обробки потоків з корпоративними програмами та мікросервісами.
Аудиторія
- Розробники
- Архітектори програмного забезпечення
Формат курсу
- Частина лекції, частина дискусії, вправи та важкі практичні практики
Примітки
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
14 годин
Огляд
Magellan - це механізм розподіленого виконання з відкритим кодом для геопросторової аналітики великих даних. Реалізований поверх Apache Spark , він розширює Spark SQL і забезпечує реляційну абстракцію для геопросторової аналітики.
Цей тренінг під керівництвом викладачів знайомить із концепціями та підходами до впровадження геопросторової аналітики та прогулянок учасників шляхом створення програми прогнозного аналізу за допомогою Magellan on Spark.
Після закінчення цього тренінгу учасники зможуть:
- Ефективно запитувати, аналізувати та приєднуватися до геопросторових наборів даних у масштабі
- Впроваджуйте геопросторові дані в додатках бізнес-аналітики та прогнозування
- Використовуйте просторовий контекст для розширення можливостей мобільних пристроїв, датчиків, журналів та носіння
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
Цей тренінг під керівництвом викладачів знайомить із концепціями та підходами до впровадження геопросторової аналітики та прогулянок учасників шляхом створення програми прогнозного аналізу за допомогою Magellan on Spark.
Після закінчення цього тренінгу учасники зможуть:
- Ефективно запитувати, аналізувати та приєднуватися до геопросторових наборів даних у масштабі
- Впроваджуйте геопросторові дані в додатках бізнес-аналітики та прогнозування
- Використовуйте просторовий контекст для розширення можливостей мобільних пристроїв, датчиків, журналів та носіння
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
21 годин
Огляд
Apache Spark is a distributed processing engine for analyzing very large data sets. It can process data in batches and real-time, as well as carry out machine learning, ad-hoc queries, and graph processing. .NET for Apache Spark is a free, open-source, and cross-platform big data analytics framework that supports applications written in C# or F#.
This instructor-led, live training (online or onsite) is aimed at developers who wish to carry out big data analysis using Apache Spark in their .NET applications.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand how .NET implements Spark APIs so that they can be accessed from a .NET application.
- Develop data processing applications using C# or F#, capable of handling data sets whose size is measured in terabytes and pedabytes.
- Develop machine learning features for a .NET application using Apache Spark capabilities.
- Carry out exploratory analysis using SQL queries on big data sets.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at developers who wish to carry out big data analysis using Apache Spark in their .NET applications.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand how .NET implements Spark APIs so that they can be accessed from a .NET application.
- Develop data processing applications using C# or F#, capable of handling data sets whose size is measured in terabytes and pedabytes.
- Develop machine learning features for a .NET application using Apache Spark capabilities.
- Carry out exploratory analysis using SQL queries on big data sets.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 годин
Огляд
SMACK is a collection of data platform softwares, namely Apache Spark, Apache Mesos, Apache Akka, Apache Cassandra, and Apache Kafka. Using the SMACK stack, users can create and scale data processing platforms.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use the SMACK stack to build data processing platforms for big data solutions.
By the end of this training, participants will be able to:
- Implement a data pipeline architecture for processing big data.
- Develop a cluster infrastructure with Apache Mesos and Docker.
- Analyze data with Spark and Scala.
- Manage unstructured data with Apache Cassandra.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use the SMACK stack to build data processing platforms for big data solutions.
By the end of this training, participants will be able to:
- Implement a data pipeline architecture for processing big data.
- Develop a cluster infrastructure with Apache Mesos and Docker.
- Analyze data with Spark and Scala.
- Manage unstructured data with Apache Cassandra.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 годин
Огляд
Apache Spark is an analytics engine designed to distribute data across a cluster in order to process it in parallel. It contains modules for streaming, SQL, machine learning and graph processing.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to deploy Apache Spark system for processing very large amounts of data.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand the difference between Apache Spark and Hadoop MapReduce and when to use which.
- Quickly read in and analyze very large data sets.
- Integrate Apache Spark with other machine learning tools.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to deploy Apache Spark system for processing very large amounts of data.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand the difference between Apache Spark and Hadoop MapReduce and when to use which.
- Quickly read in and analyze very large data sets.
- Integrate Apache Spark with other machine learning tools.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 годин
Огляд
Крива навчання Apache Spark повільно зростає, для отримання першої віддачі потрібно багато зусиль. Цей курс має на меті перейти через першу складну частину. Після проходження цього курсу учасники зрозуміють основи Apache Spark , вони чітко розмежують RDD від DataFrame, вони вивчать API Python та Scala , зрозуміють виконавців та завдання тощо. хмарне розгортання, Databricks та AWS. Студенти також зрозуміють різницю між AWS EMR та AWS Glue, одним із найсвіжіших сервісів Spark AWS.
АУДІЄНТ:
Інженер даних, DevOps , Data Scientist
АУДІЄНТ:
Інженер даних, DevOps , Data Scientist
21 годин
Огляд
МЕТА:
Цей курс представить Apache Spark . Студенти дізнаються, як Spark вписується в екосистему Big Data та як використовувати Spark для аналізу даних. Курс охоплює Іскрову оболонку для інтерактивного аналізу даних, Іскрових інтерфейсів, Іскрових API, Spark SQL , Іскрового потоку та машинного навчання та graphX.
АУДІЄНТ:
Розробники / Аналітики даних
Цей курс представить Apache Spark . Студенти дізнаються, як Spark вписується в екосистему Big Data та як використовувати Spark для аналізу даних. Курс охоплює Іскрову оболонку для інтерактивного аналізу даних, Іскрових інтерфейсів, Іскрових API, Spark SQL , Іскрового потоку та машинного навчання та graphX.
АУДІЄНТ:
Розробники / Аналітики даних
21 годин
Огляд
Python – це високорівнева мова програмування, що славиться чітким синтаксисом та кодом зчитування. Іскра-це обробник обробки даних, який використовується для створення запитів, аналізу та перетворення великих даних. PySpark дозволяє користувачам інтерфейс іскри з Python.
У цьому інструктора під проводом, жива підготовка, учасники дізнаються, як використовувати Python і іскри разом, щоб аналізувати великі дані, як вони працюють на практичний вправи.
До кінця тренінгу учасники зможуть:
- Дізнайтеся, як використовувати іскру з Python для аналізу Big Data.
- Робота над вправами, що імітують реальні випадки світу.
- Використовуйте різні інструменти та методики для аналізу великих даних за допомогою PySpark.
Формат курсу
- Частина лекції, обговорення частини, вправи і важкі практичний досвід
У цьому інструктора під проводом, жива підготовка, учасники дізнаються, як використовувати Python і іскри разом, щоб аналізувати великі дані, як вони працюють на практичний вправи.
До кінця тренінгу учасники зможуть:
- Дізнайтеся, як використовувати іскру з Python для аналізу Big Data.
- Робота над вправами, що імітують реальні випадки світу.
- Використовуйте різні інструменти та методики для аналізу великих даних за допомогою PySpark.
Формат курсу
- Частина лекції, обговорення частини, вправи і важкі практичний досвід
21 годин
Огляд
Scala - це скорочена версія Java для масштабного функціонального та об'єктно-орієнтованого програмування. Apache Spark Streaming - це розширений компонент API Spark для обробки великих наборів даних як потоків у режимі реального часу. Разом Spark Streaming та Scala дозволяють передавати великі дані.
Ця навчальна програма під керівництвом інструкторів (на місці чи на дистанційному рівні) спрямована на інженерів програмного забезпечення, які бажають передавати великі дані за допомогою Spark Streaming та Scala .
Після закінчення цього тренінгу учасники зможуть:
- Створіть програми Spark за допомогою мови програмування Scala .
- Використовуйте іскрову потоку для обробки безперервних потоків даних.
- Обробляйте потоки даних у режимі реального часу за допомогою Spark Streaming.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
Ця навчальна програма під керівництвом інструкторів (на місці чи на дистанційному рівні) спрямована на інженерів програмного забезпечення, які бажають передавати великі дані за допомогою Spark Streaming та Scala .
Після закінчення цього тренінгу учасники зможуть:
- Створіть програми Spark за допомогою мови програмування Scala .
- Використовуйте іскрову потоку для обробки безперервних потоків даних.
- Обробляйте потоки даних у режимі реального часу за допомогою Spark Streaming.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
7 годин
Огляд
Spark SQL - це модуль Apache Spark для роботи зі структурованими та неструктурованими даними. Spark SQL надає інформацію про структуру даних, а також про обчислення, що виконуються. Ця інформація може бути використана для оптимізації. Дві загальні можливості використання Spark SQL :
- для виконання SQL запитів.
- для зчитування даних з існуючої установки Hive .
У цьому навчанні на практиці під керівництвом інструкторів (на місці або на віддаленому рівні) учасники навчаться аналізувати різні типи наборів даних за допомогою Spark SQL .
Після закінчення цього тренінгу учасники зможуть:
- Встановлення та налаштування Spark SQL .
- Виконайте аналіз даних за допомогою Spark SQL .
- Набір даних набору даних у різних форматах.
- Візуалізуйте дані та результати запитів.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
- для виконання SQL запитів.
- для зчитування даних з існуючої установки Hive .
У цьому навчанні на практиці під керівництвом інструкторів (на місці або на віддаленому рівні) учасники навчаться аналізувати різні типи наборів даних за допомогою Spark SQL .
Після закінчення цього тренінгу учасники зможуть:
- Встановлення та налаштування Spark SQL .
- Виконайте аналіз даних за допомогою Spark SQL .
- Набір даних набору даних у різних форматах.
- Візуалізуйте дані та результати запитів.
Формат курсу
- Інтерактивна лекція та дискусія.
- Багато вправ і вправ.
- Ручна реалізація в умовах лабораторії.
Параметри налаштування курсу
- Щоб подати заявку на індивідуальне навчання для цього курсу, будь ласка, зв'яжіться з нами, щоб домовитись.
35 годин
Огляд
MLlib - це бібліотека машинного навчання Spark. Його мета полягає в тому, щоб зробити практичне машинне навчання масштабованим і легким. Вона складається з загальних алгоритмів навчання та утиліт, включаючи класифікацію, регресію, кластеризацію, спільну фільтрацію, зменшення розмірності, а також примітиви оптимізації нижнього рівня та API API вищого рівня.
Він поділяється на два пакети:
-
spark.mllib містить оригінальний API, побудований поверх RDD.
-
spark.ml надає API вищого рівня, побудований на базі DataFrames для побудови конвеєрів ML.
Аудиторія
Цей курс спрямований на інженерів і розробників, які прагнуть використовувати вбудовану бібліотеку машин для Apache Spark
Він поділяється на два пакети:
-
spark.mllib містить оригінальний API, побудований поверх RDD.
-
spark.ml надає API вищого рівня, побудований на базі DataFrames для побудови конвеєрів ML.
Аудиторія
Цей курс спрямований на інженерів і розробників, які прагнуть використовувати вбудовану бібліотеку машин для Apache Spark
Інші країни
Консалтинг
Online Apache Spark courses, Weekend Apache Spark courses, Evening Spark training, Spark boot camp, Apache Spark instructor-led, Weekend Spark training, Evening Spark courses, Apache Spark coaching, Apache Spark instructor, Apache Spark trainer, Apache Spark training courses, Spark classes, Spark on-site, Spark private courses, Spark one on one training
.jpg "international air transport association (iata)")