Kom i kontakt
 Varaktighet 14 timmar

Kursplan

Introduktion till Stratio-plattformen

  • Översikt över Stratio:s arkitektur och kärnmoduler
  • Rollen för Rocket och Intelligence i datacykeln
  • Inloggning och navigation i Stratios gränssnitt

Arbeta med Rocket-modulen

  • Datainhämtning och skapande av pipelines
  • Anslutning av datakällor och konfiguration av transformationer
  • Användning av PySpark för förberedande uppgifter i Rocket

PySpark-grunder för användare av Stratio

  • PySpark:s datastrukturer och operationer
  • Loopskonstruktioner: användning av for, while, if/else
  • Skrivning av anpassade funktioner med def och tillämpning av dem

Avancerad användning av Rocket med PySpark

  • Strömmande inhämtning och transformationer
  • Användning av looper och funktioner i batch- och realtidsscenarier
  • Bästa praxis för prestanda i PySpark-pipelines

Utforska Intelligence-modulen

  • Översikt över funktioner för datamodellering och analys
  • Funktionsurval, transformation och utforskning
  • Rollen för PySpark i anpassad analys och insikter

Bygg avancrade analytiska flöden

  • Skapande av användardefinierade funktioner (UDFs) i Intelligence
  • Tillämpning av villkor och looper för datalogik
  • Exempel på användning: segmentering, aggregation och prediktion

Utvärdering och samarbete

  • Spara, exportera och återanvända flöden
  • Samarbeta med andra teammedlemmar i Stratio
  • Granska resultat och integrera med nedströmsverktyg

Sammanfattning och nästa steg

Krav

  • Erfarenhet av programmering i Python
  • Förståelse för begrepp inom dataanalys eller big data-processning
  • Grundläggande kunskaper om Apache Spark och distribuerad beräkning

Målgrupp

  • Dataingenjörer som arbetar med Stratio-baserade plattformar
  • Analys- eller utvecklingspersoner som använder Rocket- och Intelligence-modulerna
  • Teckniska team som övergår till PySpark-flöden inom Stratio

Antal deltagare


Pris per deltagare

Vittnesmål (3)

Kommande Kurser

Relaterade Kategorier