Plan du cours
Introduction
Comprendre le Big Data
Aperçu de Spark
Aperçu de Python
Aperçu de PySpark
- Diffusion des données à l'aide du framework Resilient Distributed Datasets (RDD)
- Diffusion des calculs à l'aide des opérateurs de l'API Spark
Configuration de Python avec Spark
Configuration de PySpark
Utilisation des instances EC2 d'Amazon Web Services (AWS) pour Spark
Configuration de Databricks
Configuration du cluster AWS EMR
Apprendre les bases de la programmation Python
- Démarrage avec Python
- Utilisation du Jupyter Notebook
- Utilisation des variables et des types de données simples
- Travail avec les listes
- Utilisation des instructions conditionnelles (if)
- Utilisation des entrées utilisateur
- Travail avec les boucles while
- Implémentation de fonctions
- Travail avec les classes
- Travail avec les fichiers et les exceptions
- Travail avec les projets, les données et les API
Apprendre les bases des DataFrames Spark
- Démarrage avec les DataFrames Spark
- Implémentation d'opérations de base avec Spark
- Utilisation des opérations de regroupement (Groupby) et d'agrégation
- Travail avec les horodatages et les dates
Réalisation d'un exercice pratique sur un projet Spark DataFrame
Comprendre le Machine Learning avec MLlib
Utilisation de MLlib, Spark et Python pour le Machine Learning
Comprendre les régressions
- Théorie de la régression linéaire
- Implémentation d'un code d'évaluation de régression
- Exercice d'échantillonnage sur une régression linéaire
- Théorie de la régression logistique
- Implémentation d'un code de régression logistique
- Exercice d'échantillonnage sur une régression logistique
Comprendre les forêts aléatoires (Random Forests) et les arbres de décision
- Théorie des méthodes d'arbres
- Implémentation de codes pour les arbres de décision et les forêts aléatoires
- Exercice d'échantillonnage sur la classification par forêts aléatoires
Travail avec le clustering K-means
- Compréhension de la théorie du clustering K-means
- Implémentation d'un code de clustering K-means
- Exercice d'échantillonnage sur le clustering
Travail avec les systèmes de recommandation
Implémentation du traitement du langage naturel
- Compréhension du traitement du langage naturel (NLP)
- Aperçu des outils de NLP
- Exercice d'échantillonnage sur le NLP
Streaming avec Spark en Python
- Aperçu du Streaming avec Spark
- Exercice d'échantillonnage sur le Spark Streaming
Pré requis
- Compétences générales en programmation
Public cible
- Développeurs
- Professionnels des technologies de l'information (TI)
- Scientifiques des données
Nos clients témoignent (6)
J'ai aimé qu'il soit pratique. J'ai adoré appliquer les connaissances théoriques avec des exemples pratiques.
Aurelia-Adriana - Allianz Services Romania
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
Le cours portait sur une série de sujets très complexes et interconnectés, et Pablo maîtrise chaque domaine en profondeur. Parfois, les nuances étaient perdues dans la communication et/ou à cause des contraintes de temps, ce qui a pu entraîner un écart entre les attentes et la réalité. Il y avait également quelques problèmes d'installation avec UHG/Azure Databricks, mais Pablo et UHG les ont résolus rapidement une fois qu'ils sont devenus apparents - cela témoigne à mes yeux d'un haut niveau de compréhension et de professionnalisme entre UHG et Pablo,
Michael Monks - Tech NorthWest Skillnet
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
Attention individuelle.
ARCHANA ANILKUMAR - PPL
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
Formation pratique..
Abraham Thomas - PPL
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
Les leçons ont été dispensées dans un notebook Jupyter. Les sujets étaient structurés de manière logique et contribuaient naturellement à développer la session des parties les plus simples aux plus complexes. Étant déjà un utilisateur avancé de Python avec une formation en apprentissage automatique, j'ai trouvé le cours plus facile à suivre que, possiblement, certains de mes camarades qui ont suivi la formation. J'apprécie que certaines des notions les plus élémentaires aient été omises et qu'il se soit concentré sur les questions les plus importantes.
Angela DeLaMora - ADT, LLC
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
tâches de pratique
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
