Python, Spark, and Hadoop for Big Data Träningskurs

I denna instruktörsledda, liveutbildning i Sverige kommer deltagarna att lära sig hur man använder Python och Spark tillsammans för att analysera big data medan de arbetar med praktiska övningar.

I slutet av denna utbildning kommer deltagarna att kunna:

• Lär dig hur du använder Spark med Python för att analysera Big Data.
• Arbeta med övningar som efterliknar verkliga fall.
• Använd olika verktyg och tekniker för big data-analys med PySpark.

I denna instruktörsledda, liveutbildning i Sverige kommer deltagarna att lära sig om teknikerbjudandena och implementeringsmetoder för bearbetning av grafdata. Syftet är att identifiera verkliga objekt, deras egenskaper och relationer, sedan modellera dessa relationer och bearbeta dem som data med en Graph Computing (även känd som Graph Analytics) tillvägagångssätt. Vi börjar med en bred översikt och begränsar oss till specifika verktyg när vi går igenom en serie fallstudier, praktiska övningar och livedistributioner.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå hur grafdata bevaras och korsas.
• Välj det bästa ramverket för en given uppgift (från grafdatabaser till ramverk för batchbearbetning.)
• Implementera Hadoop, Spark, GraphX och Pregel för att utföra grafberäkning över många maskiner parallellt.
• Se verkliga big data-problem i form av grafer, processer och övergångar.

MLlib är Sparks maskinlärningsbibliotek. Målet är att göra praktisk maskininlärning skalbar och enkel. Det består av vanliga inlärningsalgoritmer och verktyg, inklusive klassificering, regression, klustering, samarbetsfiltrering, dimensionalitetsminskning samt primitiv för optimering av lägre nivåer och API: er på högre nivå.

Den delar upp i två paket:

• spark.mllib innehåller det ursprungliga API som är byggt ovanpå RDD: er.

• spark.ml tillhandahåller API på högre nivå byggd ovanpå DataFrames för konstruktion av ML-rörledningar.

Publik

Kursen riktar sig till ingenjörer och utvecklare som vill använda ett inbyggt maskinbibliotek för Apache Spark

Kursens format

• Interaktiv föreläsning och diskussion.
• Mycket övningar och övningar.
• Praktisk implementering i en live-lab-miljö.

Kursanpassningsalternativ

• För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.

Pandas är ett Python-paket som tillhandahåller datastrukturer för att arbeta med strukturerade (tabell-, flerdimensionella, potentiellt heterogena) och tidsseriedata.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare som vill använda Pandas för att utföra prediktiv analys med maskininlärning.

I slutet av denna utbildning kommer deltagarna att kunna:

• Utför databråk i Python.
• Genomför ETL-operationer för maskininlärning.
• Skapa datavisualiseringar med Pandas

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och utvecklare som vill använda Modin för att bygga och implementera parallella beräkningar med Pandas för snabbare dataanalys.

I slutet av denna utbildning kommer deltagarna att kunna:

• Sätt upp den nödvändiga miljön för att börja utveckla Pandas arbetsflöden i stor skala med Modin.
• Förstå funktionerna, arkitekturen och fördelarna med Modin.
• Lär dig skillnaderna mellan Modin, Dask och Ray.
• Utför Pandas operationer snabbare med Modin.
• Implementera hela Pandas API och funktioner.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och mjukvaruingenjörer som vill använda Dask med Python ekosystemet för att bygga, skala och analysera stora datamängder.

I slutet av denna utbildning kommer deltagarna att kunna:

• Ställ in miljön för att börja bygga stordatabehandling med Dask och Python.
• Utforska funktionerna, biblioteken, verktygen och API:er som är tillgängliga i Dask.
• Förstå hur Dask accelererar parallell beräkning i Python.
• Lär dig hur du skalar Python-ekosystemet (Numpy, SciPy och Pandas) med Dask.
• Optimera Dask-miljön för att bibehålla hög prestanda vid hantering av stora datamängder.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill använda FastAPI med Python för att bygga, testa och distribuera RESTful API:er enklare och snabbare.

I slutet av denna utbildning kommer deltagarna att kunna:

• Konfigurera den nödvändiga utvecklingsmiljön för att utveckla API:er med Python och FastAPI.
• Skapa API:er snabbare och enklare med FastAPI-biblioteket.
• Lär dig hur du skapar datamodeller och scheman baserade på Pydantic och OpenAPI.
• Anslut API:er till en databas med SQLAlchemy.
• Implementera säkerhet och autentisering i API:er med hjälp av FastAPI-verktygen.
• Bygg behållarbilder och distribuera webb-API:er till en molnserver.

Denna instruktörsledda, liveutbildning i (online eller på plats) riktar sig till utvecklare som vill använda FARM-stacken (FastAPI, React och MongoDB) för att bygga dynamiska, högpresterande och skalbara webbapplikationer.

I slutet av denna utbildning kommer deltagarna att kunna:

Konfigurera den nödvändiga utvecklingsmiljön som integrerar FastAPI, React och MongoDB. Förstå nyckelkoncepten, funktionerna och fördelarna med FARM-stacken. Lär dig hur du bygger REST API:er med FastAPI. Lär dig hur du designar interaktiva applikationer med React. Utveckla, testa och distribuera applikationer (front-end och back-end) med FARM-stacken.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill använda SciPy för att skapa avancerade vetenskapliga beräkningsfunktioner med Python.

I slutet av denna utbildning kommer deltagarna att kunna:

• Ställ in den nödvändiga utvecklingsmiljön för att börja skapa vetenskapliga datorfunktioner.
• Få full nytta av SciPy funktioner genom att utföra praktiska exempel på komplexa operationer.
• Implementera och optimera matematiska algoritmer och funktioner för att lösa vetenskapliga problem.
• Designa datastrukturer och interpolationsmetoder för visualisering, bearbetning och analys.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill använda PyGame för att skapa och bygga spel med Python programmering.

I slutet av denna utbildning kommer deltagarna att kunna:

• Ställ in den nödvändiga utvecklingsmiljön för att börja skapa spelapplikationer med PyGame och Python.
• Lär dig hur du skapar interaktiva PyGame-applikationer integrerade med animationer och multimediafunktioner.
• Kör och testa spelprogram med PyGame testsvit och konvertera dem till körbara filer.

Denna praktiska kurs riktas till Python utvecklare som vill skapa och underhålla sina första webbapplikationer. Det riktar sig också till personer som redan är bekanta med andra webbramar som Django eller Web2py , och vill lära sig hur man använder ett mikroramverk (dvs. ett ramverk som limar samman tredjepartsbibliotek istället för att tillhandahålla en fristående universell lösning). processen.

En betydande del av kursen ägnas inte åt Flask själv (det är litet), utan till tredjepartsbibliotek och verktyg som ofta används i Flask-projekt.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till backend-utvecklare som vill bygga REST API:er med Python och Flask.

I slutet av denna utbildning kommer deltagarna att kunna:

• Implementera ett REST API för att tillåta en Flask-webbapplikation att läsa och skriva till en databas i backend.
• Utveckla avancerade autentiseringsfunktioner som uppdateringstokens.
• Bygg en återanvändbar backend för framtida Python-projekt.
• Förenkla lagring av data med SQLAlchemy.
• Distribuera REST API:er på en molnbaserad server.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare som vill använda de avancerade funktionerna i Flask för att bygga skalbara webbapplikationer ovanpå MongoDB.

I slutet av denna utbildning kommer deltagarna att kunna:

• Ställ in den nödvändiga utvecklingsmiljön för att börja utveckla webbapplikationer med Flask.
• Lär känna de avancerade koncepten och teknikerna för verkliga Flask-projekt.
• Bygg en RESTful API-server ovanpå MongoDB.
• Lär dig hur du containeriserar, testar och distribuerar mikrotjänster med Flask, Docker och Amazon EC2.
• Få lite insikter om de avancerade Flask-integreringarna för skalning av webbapplikationer.