Formation Python, Spark, and Hadoop for Big Data

Dans cette formation en direct, dirigée par un instructeur, les participants apprendront à utiliser Python et Spark ensemble pour analyser les données volumineuses en travaillant sur des exercices pratiques.

A l'issue de cette formation, les participants seront capables de :

• Apprendre à utiliser Spark avec Python pour analyser les Big Data.
• Travailler sur des exercices qui imitent des cas réels.
• Utiliser différents outils et techniques pour l'analyse des Big Data en utilisant PySpark.

Dans cette formation en direct, dirigée par un instructeur, les participants découvriront les offres technologiques et les approches de mise en œuvre pour le traitement des données graphiques. L'objectif est d'identifier les objets du monde réel, leurs caractéristiques et leurs relations, puis de modéliser ces relations et de les traiter en tant que données à l'aide d'une approche Graph Computing (également connue sous le nom de Graph Analytics). Nous commencerons par une vue d'ensemble et nous nous concentrerons sur des outils spécifiques au fil d'une série d'études de cas, d'exercices pratiques et de déploiements en direct.

A l'issue de cette formation, les participants seront capables de :

• Comprendre comment les données des graphes sont persistées et parcourues.
• Sélectionner le meilleur framework pour une tâche donnée (des bases de données de graphes aux frameworks de traitement par lots.)
• Mettre en œuvre Hadoop, Spark, GraphX et Pregel pour effectuer des calculs de graphes sur de nombreuses machines en parallèle.
• Voir les problèmes de big data du monde réel en termes de graphes, de processus et de traversées.

MLlib est la bibliothèque d'apprentissage automatique (ML) de Spark. Son objectif est de rendre l'apprentissage pratique pratique évolutif et facile. Il comprend des algorithmes et des utilitaires d'apprentissage courants, notamment la classification, la régression, la mise en cluster, le filtrage collaboratif, la réduction de la dimensionnalité, ainsi que des primitives d'optimisation de niveau inférieur et des API de pipeline de niveau supérieur.

Il se divise en deux paquets:

• spark.mllib contient l'API d'origine construite sur les RDD.

• spark.ml fournit des API de niveau supérieur construites à partir de DataFrames pour la construction de pipelines ML.

Public

Ce cours s’adresse aux ingénieurs et aux développeurs qui souhaitent utiliser une bibliothèque de machines intégrée à Apache Spark

Format du cours

• Les cours magistraux et les discussions sont interactifs.
• De nombreux exercices et de la pratique.
• Mise en œuvre pratique dans un environnement de laboratoire réel.

Options de personnalisation des cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.

Pandas est un paquetage Python qui fournit des structures de données pour travailler avec des données structurées (tabulaires, multidimensionnelles, potentiellement hétérogènes) et des séries temporelles.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux scientifiques des données qui souhaitent utiliser Pandas pour effectuer des analyses prédictives avec l'apprentissage automatique.

A l'issue de cette formation, les participants seront capables de :

• Exécuter le traitement des données en Python.
• Conduire des opérations ETL pour l'apprentissage automatique.
• Créer des visualisations de données avec Pandas

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux data scientists et aux développeurs qui souhaitent utiliser Modin pour construire et mettre en œuvre des calculs parallèles avec Pandas afin d'accélérer l'analyse des données.

A l'issue de cette formation, les participants seront capables de :

• Mettre en place l'environnement nécessaire pour commencer à développer Pandas flux de travail à l'échelle avec Modin.
• Comprendre les fonctionnalités, l'architecture et les avantages de Modin.
• Connaître les différences entre Modin, Dask et Ray.
• Exécuter Pandas opérations plus rapidement avec Modin.
• Mettre en œuvre l'ensemble des Pandas API et fonctions.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux data scientists et aux ingénieurs logiciels qui souhaitent utiliser Dask avec l'écosystème Python pour construire, mettre à l'échelle et analyser de grands ensembles de données.

A l'issue de cette formation, les participants seront capables de :

• Mettre en place l'environnement pour commencer à construire des traitements de big data avec Dask et Python.
• Explorer les fonctionnalités, les bibliothèques, les outils et les API disponibles dans Dask.
• Comprendre comment Dask accélère le calcul parallèle en Python.
• Apprendre à faire évoluer l'écosystème Python (Numpy, SciPy et Pandas) en utilisant Dask.
• Optimiser l'environnement Dask pour maintenir de hautes performances dans le traitement de grands ensembles de données.

Cette formation en direct (en ligne ou sur site) est destinée aux développeurs qui souhaitent utiliser FastAPI avec Python pour créer, tester et déployer des API RESTful plus facilement et plus rapidement.

A l'issue de cette formation, les participants seront capables de :

• Mettre en place l'environnement de développement nécessaire pour développer des API avec Python et FastAPI.
• Créer des API plus rapidement et plus facilement en utilisant la bibliothèque FastAPI.
• Apprendre à créer des modèles de données et des schémas basés sur Pydantic et OpenAPI.
• Connecter les API à une base de données en utilisant SQLAlchemy.
• Implémenter la sécurité et l'authentification dans les APIs en utilisant les outils FastAPI.
• Construire des images de conteneurs et déployer des API web sur un serveur cloud.

Cette formation en direct (en ligne ou sur site) est destinée aux développeurs qui souhaitent utiliser la pile FARM (FastAPI, React et MongoDB) pour créer des applications web dynamiques, performantes et évolutives.

A l'issue de cette formation, les participants seront capables de :

Mettre en place l'environnement de développement nécessaire qui intègre FastAPI, React, et MongoDB. Comprendre les concepts clés, les fonctionnalités et les avantages de la pile FARM. Apprendre à construire des API REST avec FastAPI. Apprendre à concevoir des applications interactives avec React. Développer, tester et déployer des applications (front-end et back-end) en utilisant la pile FARM.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux développeurs qui souhaitent utiliser SciPy pour créer des fonctions de calcul scientifique avancées avec Python.

A l'issue de cette formation, les participants seront capables de :

• Mettre en place l'environnement de développement nécessaire pour commencer à créer des fonctions de calcul scientifique.
• Profiter pleinement des fonctionnalités de SciPy en réalisant des exemples pratiques d'opérations complexes.
• Implémenter et optimiser des algorithmes et des fonctions mathématiques pour résoudre des problèmes scientifiques.
• Concevoir des structures de données et des méthodes d'interpolation pour la visualisation, le traitement et l'analyse.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux développeurs qui souhaitent utiliser PyGame pour créer et construire des jeux en utilisant la programmation Python.

A l'issue de cette formation, les participants seront capables de :

• Mettre en place l'environnement de développement nécessaire pour commencer à créer des applications de jeu avec PyGame et Python.
• Apprendre à créer des applications PyGame interactives intégrant des animations et des fonctions multimédias.
• Exécuter et tester les programmes de jeu avec la suite de test PyGame et les convertir en fichiers exécutables.

Ce cours pratique s’adresse aux développeurs Python souhaitant créer et gérer leurs premières applications Web. Il s'adresse également aux personnes déjà familiarisées avec d'autres frameworks Web tels que Django ou Web2py , et qui souhaitent apprendre comment utiliser un microframework (c'est-à-dire un framework qui rassemble des bibliothèques tierces au lieu de fournir une solution universelle autonome). le processus.

Une partie importante du cours est consacrée non pas à Flask (c'est minuscule), mais à des bibliothèques tierces et à des outils souvent utilisés dans les projets Flask.

Cette formation en direct avec instructeur en <loc> ; (en ligne ou sur site) est destinée aux développeurs backend qui souhaitent construire des API REST avec Python et Flask.

A l'issue de cette formation, les participants seront capables de :

• Implémenter une API REST pour permettre à une application web Flask de lire et d'écrire dans une base de données dans le backend.
• Développer des fonctionnalités d'authentification avancées comme les jetons de rafraîchissement.
• Construire un backend réutilisable pour de futurs projets Python.
• Simplifier le stockage des données avec SQLAlchemy.
• Déployer des API REST sur un serveur en nuage.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux développeurs qui souhaitent utiliser les fonctionnalités avancées de Flask pour créer des applications web évolutives à partir de MongoDB.

A l'issue de cette formation, les participants seront capables de :

• Mettre en place l'environnement de développement nécessaire pour commencer à développer des applications web avec Flask.
• Construire un serveur d'API RESTful à partir de MongoDB.
Apprendre à connaître les intégrations avancées de Flask pour la mise à l'échelle des applications web.