Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan du cours
Introduction
Comprendre Big Data
Aperçu de Spark
Vue d'ensemble de Python
Vue d'ensemble de PySpark
- Distribuer des données à l'aide de la structure de données distribuées résilientes (Resilient Distributed Datasets Framework)
- Distribuer des calculs à l'aide des opérateurs de l'API Spark
Configurer Python avec Spark
Configuration PySpark
Utiliser Amazon Web Services (AWS) Instances EC2 pour Spark
Mise en place Databricks
Configuration du cluster AWS EMR
Apprendre les bases de Python Programming
- Démarrer avec Python
- Utiliser le bloc-notes Jupyter
- Utiliser des variables et des types de données simples
- Travailler avec des listes
- Utilisation des instructions if
- Utilisation des entrées utilisateur
- Travailler avec des boucles while
- Implémentation de fonctions
- Travailler avec des classes
- Travailler avec des fichiers et des exceptions
- Travailler avec des projets, des données et des API
Apprendre les bases de Spark DataFrame
- Démarrer avec les DataFrames Spark
- Implémenter des opérations de base avec Spark
- Utiliser les opérations Groupby et Aggregate
- Travailler avec des horodatages et des dates
Travailler sur un projet Spark DataFrame Exercice
Comprendre Machine Learning avec MLlib
Travailler avec MLlib, Spark et Python pour Machine Learning
Comprendre les régressions
- Apprendre la théorie de la régression linéaire
- Implémenter un code d'évaluation de régression
- Travailler sur un exemple d'exercice de régression linéaire
- Apprendre la théorie de la régression logistique
- Implémentation d'un code de régression logistique
- Travailler sur un exemple d'exercice de régression logistique
Comprendre les Random Forest et les arbres de décision
- Apprendre la théorie des méthodes d'arbres
- Implémentation des arbres de décision et des codes Random Forest
- Travailler sur un exemple d'exercice de classification Random Forest
Travailler avec le regroupement K-means
- Comprendre la théorie du regroupement K-means
- Implémentation d'un code de clustering K-means
- Travailler sur un exemple d'exercice de clustering
Travailler avec les systèmes de recommandation
Implémentation du traitement du langage naturel
- Comprendre Natural Language Processing (NLP)
- Vue d'ensemble des outils de traitement du langage naturel
- Travailler sur un exemple d'exercice de NLP
Streaming avec Spark sur Python
- Vue d'ensemble du streaming avec Spark
- Exemple d'exercice Spark Streaming
Remarques finales
Pré requis
- Compétence générale en programmation
Public
- Développeurs
- Professionnels de l'informatique
- Data Scientists
21 heures
Nos Clients témoignent (2)
I liked that it was practical. Loved to apply the theoretical knowledge with practical examples.
Aurelia-Adriana - Allianz Services Romania
Formation - 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,
