Kursplan
Införandet
Förstå Big Data
Översikt över Spark
Översikt över Python
Översikt över PySpark
- Distribuera data med hjälp av ramverket för elastiska distribuerade datamängder
- Distribuera beräkning med hjälp av Spark API-operatorer
Konfigurera Python med Spark
Inställning PySpark
Använda Amazon Web Services (AWS) EC2-instanser för Spark
Inställning Databricks
Konfigurera AWS EMR-klustret
Att lära sig grunderna i Python Programming
- Komma igång med Python
- Använda Jupyter Notebook
- Använda variabler och enkla datatyper
- Arbeta med listor
- Använda if-satser
- Använda användarindata
- Arbeta med while Loops
- Implementera funktioner
- Arbeta med klasser
- Arbeta med filer och undantag
- Arbeta med projekt, data och API:er
Lär dig grunderna i Spark DataFrame
- Komma igång med Spark DataFrames
- Implementera grundläggande åtgärder med Spark
- Använda Groupby- och Aggregate-åtgärder
- Arbeta med tidsstämplar och datum
Arbeta med en Spark DataFrame-projektövning
Förstå Machine Learning med MLlib
Arbeta med MLlib, Spark och Python för Machine Learning
Förstå regressioner
- Att lära sig linjär regressionsteori
- Implementera en regressionsutvärderingskod
- Arbeta med ett exempel på en linjär regressionsövning
- Att lära sig logistisk regressionsteori
- Implementera en logistisk regressionskod
- Arbeta med ett exempel på en logistisk regressionsövning
Förstå Random Forests och beslutsträd
- Att lära sig trädmetodteori
- Genomförande av beslutsträd och Random Forest-koder
- Arbeta med ett urval Random Forest Klassificeringsövning
Arbeta med K-means-klustring
- Att förstå K-means klustringsteori
- Implementera en K-means-klustringskod
- Arbeta med ett exempel på klustringsövning
Arbeta med rekommendationssystem
Implementera behandling av naturligt språk
- Förstå Natural Language Processing (NLP)
- Översikt över NLP-verktyg
- Arbetar med ett exempel på en NLP-övning
Direktuppspelning med Spark på Python
- Översikt Direktuppspelning med Spark
- Exempel Spark Streaming Övning
Avslutande kommentarer
Krav
- Allmänna programmeringskunskaper
Publik
- Utvecklare
- IT-proffs
- Datavetare
Vittnesmål (6)
I liked that it was practical. Loved to apply the theoretical knowledge with practical examples.
Aurelia-Adriana - Allianz Services Romania
Kurs - 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
Kurs - Python and Spark for Big Data (PySpark)
Individual attention.
ARCHANA ANILKUMAR - PPL
Kurs - Python and Spark for Big Data (PySpark)
Hands on Training..
Abraham Thomas - PPL
Kurs - 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
Kurs - Python and Spark for Big Data (PySpark)
practice tasks