Course Outline
Εισαγωγή
Κατανόηση Big Data
Επισκόπηση του Spark
Επισκόπηση του Python
Επισκόπηση του PySpark
- Διανομή δεδομένων με χρήση του Resilient Distributed Datasets Framework
- Κατανομή υπολογισμού με χρήση τελεστών Spark API
Ρύθμιση Python με Spark
Ρύθμιση PySpark
Χρήση Amazon Web Services (AWS) EC2 Instances για Spark
Ρύθμιση Databricks
Ρύθμιση του συμπλέγματος AWS EMR
Εκμάθηση των Βασικών του Python Programming
- Ξεκινώντας με το Python
- Χρήση του σημειωματάριου Jupyter
- Χρήση μεταβλητών και απλών τύπων δεδομένων
- Εργασία με λίστες
- Χρησιμοποιώντας τις δηλώσεις if
- Χρήση εισόδων χρήστη
- Εργασία με τους βρόχους while
- Λειτουργίες υλοποίησης
- Εργασία με Τάξεις
- Εργασία με αρχεία και εξαιρέσεις
- Εργασία με έργα, δεδομένα και API
Μαθαίνοντας τα βασικά του Spark DataFrame
- Ξεκινώντας με το Spark DataFrames
- Υλοποίηση Βασικών Λειτουργιών με Spark
- Χρήση Groupby και Συγκεντρωτικών Λειτουργιών
- Εργασία με χρονικές σημάνσεις και ημερομηνίες
Εργασία σε μια άσκηση έργου Spark DataFrame
Κατανόηση Machine Learning με το MLlib
Εργασία με MLlib, Spark και Python για Machine Learning
Κατανόηση των παλινδρομήσεων
- Εκμάθηση της Θεωρίας Γραμμικής Παλινδρόμησης
- Εφαρμογή Κώδικα Αξιολόγησης Παλινδρόμησης
- Εργασία σε ένα δείγμα άσκησης γραμμικής παλινδρόμησης
- Εκμάθηση Λογιστικής Παλινδρόμησης Θεωρίας
- Εφαρμογή Κώδικα Logistic Regression
- Εργασία σε ένα δείγμα άσκησης λογιστικής παλινδρόμησης
Κατανόηση Random Forests και Decision Trees
- Θεωρία μεθόδων μάθησης δέντρου
- Δένδρα αποφάσεων εφαρμογής και Random Forest Κώδικες
- Εργασία σε ένα δείγμα Random Forest Άσκηση ταξινόμησης
Εργασία με K-means Clustering
- Κατανόηση της Θεωρίας Clustering K-means
- Εφαρμογή Κώδικα Ομαδοποίησης K-means
- Εργασία σε μια άσκηση δειγματοληψίας ομαδοποίησης
Εργασία με Συστήματα Recommender
Εφαρμογή Επεξεργασίας Φυσικής Γλώσσας
- Κατανόηση Natural Language Processing (NLP)
- Επισκόπηση των εργαλείων NLP
- Εργασία σε ένα δείγμα άσκησης NLP
Streaming with Spark στο Python
- Επισκόπηση Ροή με Spark
- Δείγμα Spark Streaming Άσκηση
Τελευταία σχόλια
Requirements
- Γενικές δεξιότητες προγραμματισμού
Ακροατήριο
- προγραμματιστές
- Επαγγελματίες Πληροφορικής
- Επιστήμονες Δεδομένων
Testimonials (6)
I liked that it was practical. Loved to apply the theoretical knowledge with practical examples.
Aurelia-Adriana - Allianz Services Romania
Course - 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
Course - Python and Spark for Big Data (PySpark)
Individual attention.
ARCHANA ANILKUMAR - PPL
Course - Python and Spark for Big Data (PySpark)
Hands on Training..
Abraham Thomas - PPL
Course - 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.
Angela DeLaMora - ADT, LLC
Course - Python and Spark for Big Data (PySpark)
practice tasks