Kursplan
Introduktion
Förståelse Big Data
Översikt över Spark
Översikt över Python
Översikt över PySpark
- Distribuera data med hjälp av Resilient Distributed Dataset Framework
- Distribuera beräkningar med Spark API-operatörer
Ställa in Python med Spark
Konfigurera PySpark
Använder Amazon Web Services (AWS) EC2-instanser för Spark
Konfigurera Databricks
Konfigurera AWS EMR-klustret
Lär dig grunderna i Python Programming
- Komma igång med Python
- Använda Jupyter Notebook
- Använda variabler och enkla datatyper
- Arbeta med listor
- Använder if-uttalanden
- Använda användaringångar
- Jobbar med while-loopar
- Implementerande 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 operationer med Spark
- Använda Groupby och Aggregate Operations
- 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
- Lär dig linjär regressionsteori
- Implementera en kod för utvärdering av regression
- Arbeta med ett exempel på linjär regressionsövning
- Lär dig logistisk regressionsteori
- Implementera en logistisk regressionskod
- Arbeta med ett exempel på logistisk regressionsövning
Förstå Random Forests och beslutsträd
- Learning Tree Methods Theory
- Genomförandebeslutsträd och Random Forest koder
- Arbeta med ett prov Random Forest Klassificeringsövning
Arbeta med K-means Clustering
- Förstå K-means Clustering Theory
- Implementering av en K-means Clustering Code
- Arbeta med en klustringsexempel
Arbeta med Recommender Systems
Implementering av naturlig språkbehandling
- Förståelse Natural Language Processing (NLP)
- Översikt över NLP-verktyg
- Arbeta med en exempel på NLP-övning
Streama med Spark på Python
- Översikt Streaming med Spark
- Exempel Spark Streaming Övning
Avslutande kommentarer
Krav
- Allmänna programmeringskunskaper
Publik
- Utvecklare
- IT-proffs
- Dataforskare
Vittnesmål (5)
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.