Τα τοπικά εκπαιδευτικά σεμινάρια Apache Spark, καθοδηγούμενα από εκπαιδευτές, αποδεικνύουν μέσω πρακτικής άσκησης πώς ο Spark εντάσσεται στο οικοσύστημα Big Data και πώς να χρησιμοποιήσει το Spark για ανάλυση δεδομένων. Η εκπαίδευση Apache Spark είναι διαθέσιμη ως "onsite live training" ή "remote live training". Η επιτόπια κατάρτιση σε πραγματικό χρόνο μπορεί να πραγματοποιηθεί σε τοπικό επίπεδο στις εγκαταστάσεις του πελάτη Ελλάδα ή σε εταιρικά κέντρα κατάρτισης NobleProg στο Ελλάδα . Η απομακρυσμένη ζωντανή προπόνηση πραγματοποιείται μέσω μιας διαδραστικής, απομακρυσμένης επιφάνειας εργασίας. NobleProg - Ο τοπικός παροχέας εκπαίδευσης
Machine Translated
Testimonials
Ο Richard είναι πολύ ήρεμος και μεθοδικός, με μια αναλυτική γνώση - ακριβώς τις ιδιότητες που απαιτούνται για να παρουσιάσουν αυτό το είδος πορείας
Kieran Mac Kenna
Course: Spark for Developers
Machine Translated
Πιθανά σενάρια και περιπτώσεις
zhaopeng liu - Fmr
Course: Spark for Developers
Machine Translated
Μελέτη περίπτωσης
国栋 张
Course: Spark for Developers
Machine Translated
Όλα τα τμήματα της συνεδρίασης
Eric Han - Fmr
Course: Spark for Developers
Machine Translated
Γνωρίζουμε ότι γνωρίζουμε πολλά περισσότερα για το περιβάλλον
John Kidd
Course: Spark for Developers
Machine Translated
Ο εκπαιδευτής έκανε την κατηγορία ενδιαφέρουσα και διασκεδαστική, η οποία βοηθά αρκετά με όλες τις ημερήσιες προπονήσεις
Ryan Speelman
Course: Spark for Developers
Machine Translated
Νομίζω ότι ο εκπαιδευτής είχε ένα εξαιρετικό ύφος του συνδυασμού χιούμορ και ιστορίες πραγματικής ζωής για να κάνουν τα θέματα που είναι πολύ προσιτά. Θα ήθελα πολύ να συστήσω αυτόν τον καθηγητή στο μέλλον.
Course: Spark for Developers
Machine Translated
Ο Ερνέστο έκανε μια σπουδαία δουλειά εξηγώντας τις έννοιες υψηλού επιπέδου για τη χρήση του Spark και των διάφορων ενοτήτων του.
Michael Nemerouf
Course: Spark for Developers
Machine Translated
Αυτό είναι ένα από τα καλύτερα hands-on με ασκήσεις μαθήματα προγραμματισμού που έχω πάρει ποτέ.
Laura Kahn
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Αυτή είναι μια από τις καλύτερες online εκπαιδευτικές ασκήσεις που έχω πάρει ποτέ στην καριέρα μου για 13 χρόνια. Συνεχίστε την καλή δουλειά!
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Ο Ρίτσαρντ ήταν πολύ πρόθυμος να ξεφύγει όταν θέλαμε να θέσουμε ημι-σχετικές ερωτήσεις σχετικά με πράγματα που δεν περιλαμβάνονται στο πρόγραμμα σπουδών. Οι εξηγήσεις ήταν σαφείς και ήταν μπροστά για τις προειδοποιήσεις σε οποιαδήποτε συμβουλή μας έδωσε.
ARM Limited
Course: Spark for Developers
Machine Translated
Το VM που μου άρεσε πάρα πολύ Ο δάσκαλος ήταν πολύ γνώστης σχετικά με το θέμα, καθώς και άλλα θέματα, ήταν πολύ ωραίο και φιλικό Μου άρεσε η εγκατάσταση στο Ντουμπάι.
Safar Alqahtani - Elm Information Security
Course: Big Data Analytics in Health
Machine Translated
εργασίες εξάσκησης
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Course: Python and Spark for Big Data (PySpark)
Machine Translated
Ο Ajay ήταν πολύ φιλικός, εξυπηρετικός και γνώστης του θέματος που συζητούσε.
Biniam Guulay - ICE International Copyright Enterprise Germany GmbH
Course: Spark for Developers
Machine Translated
Οι εργαστηριακές ασκήσεις. Εφαρμογή της θεωρίας από την πρώτη ημέρα σε επόμενες ημέρες.
Dell
Course: A Practical Introduction to Stream Processing
Machine Translated
Ο δάσκαλος έχει προσαρμόσει το εκπαιδευτικό πρόγραμμα στις τρέχουσες ανάγκες μας.
EduBroker Sp. z o.o.
Course: Python and Spark for Big Data (PySpark)
Machine Translated
Κάνοντας παρόμοιες ασκήσεις με διαφορετικούς τρόπους, πραγματικά βοηθάει στην κατανόηση του τι μπορεί να κάνει μόνη της και από κοινού κάθε συστατικό ( Hadoop / Spark, αυτόνομο / σύμπλεγμα). Μου έδωσαν ιδέες για το πώς πρέπει να δοκιμάσω την εφαρμογή μου στην τοπική μηχανή μου όταν αναπτύσσομαι όταν είναι αναπτυγμένο σε ένα σύμπλεγμα.
Thomas Carcaud - IT Frankfurt GmbH
Course: Spark for Developers
Machine Translated
ατομική προσοχή.
ARCHANA ANILKUMAR - PPL
Course: Python and Spark for Big Data (PySpark)
Machine Translated
Ήταν μεγάλη για να πάρετε μια κατανόηση του τι συμβαίνει κάτω από την κουκούλα του Spark. Γνωρίζοντας τι συμβαίνει κάτω από την κουκούλα βοηθά να κατανοήσουμε καλύτερα γιατί ο κώδικάς σας είναι ή δεν κάνει αυτό που περιμένετε να κάνει. Ένα μεγάλο μέρος της κατάρτισης ήταν τα χέρια για το οποίο είναι πάντα μεγάλη και το τμήμα για βελτιστοποιήσεις ήταν εξαιρετικά σχετικές με την τρέχουσα εργασία μου, η οποία ήταν ωραία.
Intelligent Medical Objects
Course: Apache Spark in the Cloud
Machine Translated
Νομίζω ότι ο εκπαιδευτής είχε ένα εξαιρετικό ύφος του συνδυασμού χιούμορ και ιστορίες πραγματικής ζωής για να κάνουν τα θέματα που είναι πολύ προσιτά. Θα ήθελα πολύ να συστήσω αυτόν τον καθηγητή στο μέλλον.
Course: Spark for Developers
Machine Translated
Αυτή είναι μια από τις καλύτερες online εκπαιδευτικές ασκήσεις που έχω πάρει ποτέ στην καριέρα μου για 13 χρόνια. Συνεχίστε την καλή δουλειά!
Course: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Spark Subcategories
Apache Spark Course Outlines
Course Name
Duration
Overview
Course Name
Duration
Overview
21 hours
Overview
This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.
7 hours
Overview
Alluxio είναι ένα εικονικό κατανεμημένο σύστημα αποθήκευσης ανοικτού κώδικα που ενοποιεί τα διαφορετικά συστήματα αποθήκευσης και επιτρέπει στις εφαρμογές να αλληλεπιδρούν με τα δεδομένα σε ταχύτητα μνήμης. Χρησιμοποιείται από εταιρείες όπως η Intel, η Baidu και η Alibaba.
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν το Alluxio για να γεφυρώσουν διαφορετικά πλαίσια υπολογισμών με συστήματα αποθήκευσης και να διαχειριστούν αποτελεσματικά δεδομένα κλίμακας πολλαπλών petabyte καθώς Alluxio με τη δημιουργία μιας εφαρμογής με την Alluxio .
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Αναπτύξτε μια εφαρμογή με το Alluxio
- Συνδέστε μεγάλα συστήματα δεδομένων και εφαρμογές διατηρώντας παράλληλα ένα χώρο ονομάτων
- Αποτελεσματικά εξαγάγετε την αξία από μεγάλα δεδομένα σε οποιαδήποτε μορφή αποθήκευσης
- Βελτιώστε την απόδοση του φόρτου εργασίας
- Alluxio και διαχειριστείτε το αυτόνομο ή ομαδοποιημένο Alluxio
Κοινό
- Επιστήμονας δεδομένων
- Προγραμματιστής
- Διαχειριστής συστήματος
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν το Alluxio για να γεφυρώσουν διαφορετικά πλαίσια υπολογισμών με συστήματα αποθήκευσης και να διαχειριστούν αποτελεσματικά δεδομένα κλίμακας πολλαπλών petabyte καθώς Alluxio με τη δημιουργία μιας εφαρμογής με την Alluxio .
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Αναπτύξτε μια εφαρμογή με το Alluxio
- Συνδέστε μεγάλα συστήματα δεδομένων και εφαρμογές διατηρώντας παράλληλα ένα χώρο ονομάτων
- Αποτελεσματικά εξαγάγετε την αξία από μεγάλα δεδομένα σε οποιαδήποτε μορφή αποθήκευσης
- Βελτιώστε την απόδοση του φόρτου εργασίας
- Alluxio και διαχειριστείτε το αυτόνομο ή ομαδοποιημένο Alluxio
Κοινό
- Επιστήμονας δεδομένων
- Προγραμματιστής
- Διαχειριστής συστήματος
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
21 hours
Overview
Οι μεγάλες αναλύσεις δεδομένων περιλαμβάνουν τη διαδικασία εξέτασης μεγάλων ποσοτήτων ποικίλων συνόλων δεδομένων, προκειμένου να αποκαλυφθούν συσχετισμοί, κρυμμένα μοτίβα και άλλες χρήσιμες γνώσεις.
Ο τομέας της υγείας έχει τεράστιες ποσότητες σύνθετων ετερογενών ιατρικών και κλινικών δεδομένων. Η εφαρμογή μεγάλων αναλυτικών στοιχείων σχετικά με τα δεδομένα για την υγεία παρουσιάζει τεράστιο δυναμικό για την απόκτηση γνώσεων για τη βελτίωση της παροχής υγειονομικής περίθαλψης. Ωστόσο, το τεράστιο μέγεθος αυτών των συνόλων δεδομένων δημιουργεί μεγάλες προκλήσεις σε αναλύσεις και πρακτικές εφαρμογές σε ένα κλινικό περιβάλλον.
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή εκπαίδευση (απομακρυσμένη), οι συμμετέχοντες θα μάθουν πώς να εκτελούν μεγάλες αναλύσεις δεδομένων στην υγεία καθώς περνούν μέσα από μια σειρά πρακτικών εργαστηριακών ασκήσεων.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Εγκαταστήστε και διαμορφώστε εργαλεία ανάλυσης δεδομένων όπως Hadoop MapReduce και Spark
- Κατανοήστε τα χαρακτηριστικά των ιατρικών δεδομένων
- Εφαρμογή μεγάλων τεχνικών δεδομένων για την αντιμετώπιση των ιατρικών δεδομένων
- Μελετήστε μεγάλα συστήματα δεδομένων και αλγόριθμους στο πλαίσιο εφαρμογών υγείας
Κοινό
- Προγραμματιστές
- Επιστήμονες δεδομένων
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση.
Σημείωση
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
Ο τομέας της υγείας έχει τεράστιες ποσότητες σύνθετων ετερογενών ιατρικών και κλινικών δεδομένων. Η εφαρμογή μεγάλων αναλυτικών στοιχείων σχετικά με τα δεδομένα για την υγεία παρουσιάζει τεράστιο δυναμικό για την απόκτηση γνώσεων για τη βελτίωση της παροχής υγειονομικής περίθαλψης. Ωστόσο, το τεράστιο μέγεθος αυτών των συνόλων δεδομένων δημιουργεί μεγάλες προκλήσεις σε αναλύσεις και πρακτικές εφαρμογές σε ένα κλινικό περιβάλλον.
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή εκπαίδευση (απομακρυσμένη), οι συμμετέχοντες θα μάθουν πώς να εκτελούν μεγάλες αναλύσεις δεδομένων στην υγεία καθώς περνούν μέσα από μια σειρά πρακτικών εργαστηριακών ασκήσεων.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Εγκαταστήστε και διαμορφώστε εργαλεία ανάλυσης δεδομένων όπως Hadoop MapReduce και Spark
- Κατανοήστε τα χαρακτηριστικά των ιατρικών δεδομένων
- Εφαρμογή μεγάλων τεχνικών δεδομένων για την αντιμετώπιση των ιατρικών δεδομένων
- Μελετήστε μεγάλα συστήματα δεδομένων και αλγόριθμους στο πλαίσιο εφαρμογών υγείας
Κοινό
- Προγραμματιστές
- Επιστήμονες δεδομένων
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση.
Σημείωση
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
28 hours
Overview
Πολλά προβλήματα πραγματικού κόσμου μπορούν να περιγραφούν με όρους γραφημάτων. Για παράδειγμα, το γράφημα Web, το γράφημα κοινωνικού δικτύου, το γράφημα δικτύου τρένων και το γράφημα γλώσσας. Αυτά τα γραφήματα τείνουν να είναι εξαιρετικά μεγάλα. η επεξεργασία τους απαιτεί ένα εξειδικευμένο σύνολο εργαλείων και διαδικασιών - αυτά τα εργαλεία και οι διαδικασίες μπορούν να αναφέρονται ως Graph Computing (επίσης γνωστό ως Graph Analytics).
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή εκπαίδευση, οι συμμετέχοντες θα μάθουν για τις προσφορές τεχνολογίας και τις προσεγγίσεις υλοποίησης για την επεξεργασία δεδομένων γραφημάτων. Ο στόχος είναι να εντοπιστούν τα αντικείμενα πραγματικού κόσμου, τα χαρακτηριστικά και οι σχέσεις τους, να μοντελοποιηθούν αυτές οι σχέσεις και να επεξεργαστούν ως δεδομένα χρησιμοποιώντας μια προσέγγιση Graph Computing (επίσης γνωστή ως Graph Analytics). Ξεκινάμε με μια ευρεία επισκόπηση και περιορίζουμε τα συγκεκριμένα εργαλεία, καθώς κάνουμε μια σειρά από περιπτωσιολογικές μελέτες, πρακτικές ασκήσεις και ζωντανές αναπτύξεις.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Κατανοήστε τον τρόπο με τον οποίο εξακολουθούν να υφίστανται και διαβιβάζονται τα δεδομένα γραφήματος.
- Επιλέξτε το καλύτερο πλαίσιο για μια συγκεκριμένη εργασία (από βάσεις δεδομένων γραφημάτων σε πλαίσια επεξεργασίας παρτίδας).
- Εφαρμόστε τους Hadoop , Spark, GraphX και GraphX για να πραγματοποιήσετε υπολογιστικά γραφή σε πολλές μηχανές παράλληλα.
- Προβάλετε μεγάλα προβλήματα δεδομένων σε πραγματικό κόσμο όσον αφορά τα γραφήματα, τις διαδικασίες και τις μετακινήσεις.
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή εκπαίδευση, οι συμμετέχοντες θα μάθουν για τις προσφορές τεχνολογίας και τις προσεγγίσεις υλοποίησης για την επεξεργασία δεδομένων γραφημάτων. Ο στόχος είναι να εντοπιστούν τα αντικείμενα πραγματικού κόσμου, τα χαρακτηριστικά και οι σχέσεις τους, να μοντελοποιηθούν αυτές οι σχέσεις και να επεξεργαστούν ως δεδομένα χρησιμοποιώντας μια προσέγγιση Graph Computing (επίσης γνωστή ως Graph Analytics). Ξεκινάμε με μια ευρεία επισκόπηση και περιορίζουμε τα συγκεκριμένα εργαλεία, καθώς κάνουμε μια σειρά από περιπτωσιολογικές μελέτες, πρακτικές ασκήσεις και ζωντανές αναπτύξεις.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Κατανοήστε τον τρόπο με τον οποίο εξακολουθούν να υφίστανται και διαβιβάζονται τα δεδομένα γραφήματος.
- Επιλέξτε το καλύτερο πλαίσιο για μια συγκεκριμένη εργασία (από βάσεις δεδομένων γραφημάτων σε πλαίσια επεξεργασίας παρτίδας).
- Εφαρμόστε τους Hadoop , Spark, GraphX και GraphX για να πραγματοποιήσετε υπολογιστικά γραφή σε πολλές μηχανές παράλληλα.
- Προβάλετε μεγάλα προβλήματα δεδομένων σε πραγματικό κόσμο όσον αφορά τα γραφήματα, τις διαδικασίες και τις μετακινήσεις.
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
21 hours
Overview
Hortonworks Data Platform (HDP) είναι μια πλατφόρμα υποστήριξης Apache Hadoop ανοικτής πηγής που παρέχει μια σταθερή βάση για την ανάπτυξη μεγάλων λύσεων δεδομένων στο οικοσύστημα Apache Hadoop .
Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή προπόνηση (onsite ή απομακρυσμένη) εισάγει Hortonworks Data Platform (HDP) και περπατά τους συμμετέχοντες μέσω της ανάπτυξης της λύσης Spark + Hadoop .
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Χρησιμοποιήστε το Hortonworks για να εκτελέσετε αξιόπιστα τον Hadoop σε μεγάλη κλίμακα.
- Ενοποιήστε τις δυνατότητες ασφάλειας, διακυβέρνησης και λειτουργίας της Hadoop με τις ευέλικτες αναλυτικές ροές εργασίας του Spark.
- Χρησιμοποιήστε το Hortonworks για να διερευνήσετε, να επικυρώσετε, να πιστοποιήσετε και να υποστηρίξετε κάθε ένα από τα στοιχεία ενός έργου Spark.
- Επεξεργαστείτε διάφορους τύπους δεδομένων, συμπεριλαμβανομένων δομημένων, αδόμητων, σε κίνηση και σε ξεκούραση.
Μορφή του μαθήματος
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή προπόνηση (onsite ή απομακρυσμένη) εισάγει Hortonworks Data Platform (HDP) και περπατά τους συμμετέχοντες μέσω της ανάπτυξης της λύσης Spark + Hadoop .
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Χρησιμοποιήστε το Hortonworks για να εκτελέσετε αξιόπιστα τον Hadoop σε μεγάλη κλίμακα.
- Ενοποιήστε τις δυνατότητες ασφάλειας, διακυβέρνησης και λειτουργίας της Hadoop με τις ευέλικτες αναλυτικές ροές εργασίας του Spark.
- Χρησιμοποιήστε το Hortonworks για να διερευνήσετε, να επικυρώσετε, να πιστοποιήσετε και να υποστηρίξετε κάθε ένα από τα στοιχεία ενός έργου Spark.
- Επεξεργαστείτε διάφορους τύπους δεδομένων, συμπεριλαμβανομένων δομημένων, αδόμητων, σε κίνηση και σε ξεκούραση.
Μορφή του μαθήματος
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
21 hours
Overview
Stream Processing αναφέρεται στην Stream Processing σε πραγματικό χρόνο των "δεδομένων σε κίνηση", δηλαδή στην εκτέλεση υπολογισμών στα δεδομένα καθώς αυτά λαμβάνονται. Αυτά τα δεδομένα διαβάζονται ως συνεχείς ροές από πηγές δεδομένων όπως συμβάντα αισθητήρων, δραστηριότητα χρηστών ιστοτόπων, οικονομικά συναλλαγές, swipes πιστωτικών καρτών, ροές κλικ κλπ. Stream Processing πλαίσια Stream Processing είναι σε θέση να διαβάζουν μεγάλους όγκους εισερχόμενων δεδομένων και να παρέχουν πολύτιμες πληροφορίες σχεδόν στιγμιαία.
Σε αυτόν τον εκπαιδευτή, ζωντανή εκπαίδευση (onsite ή απομακρυσμένη), οι συμμετέχοντες θα μάθουν πώς να δημιουργήσουν και να ενσωματώσουν διαφορετικά πλαίσια Stream Processing με υπάρχοντα μεγάλα συστήματα αποθήκευσης δεδομένων και συναφείς εφαρμογές λογισμικού και μικροεπιχειρήσεις.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Εγκαταστήστε και διαμορφώστε διαφορετικά πλαίσια Stream Processing , όπως Spark Streaming και Streaming Kafka.
- Κατανοήστε και επιλέξτε το καταλληλότερο πλαίσιο για την εργασία.
- Διαδικασία δεδομένων συνεχώς, ταυτόχρονα, και με τρόπο ρεκόρ ανά εγγραφή.
- Ενσωματώστε τις λύσεις Stream Processing με υπάρχουσες βάσεις δεδομένων, αποθήκες δεδομένων, λίμνες δεδομένων κλπ.
- Ενσωματώστε την πιο κατάλληλη βιβλιοθήκη επεξεργασίας ροής με επιχειρηματικές εφαρμογές και μικροεπιχειρήσεις.
Κοινό
- Προγραμματιστές
- Αρχιτέκτονες λογισμικού
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
Σημειώσεις
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
Σε αυτόν τον εκπαιδευτή, ζωντανή εκπαίδευση (onsite ή απομακρυσμένη), οι συμμετέχοντες θα μάθουν πώς να δημιουργήσουν και να ενσωματώσουν διαφορετικά πλαίσια Stream Processing με υπάρχοντα μεγάλα συστήματα αποθήκευσης δεδομένων και συναφείς εφαρμογές λογισμικού και μικροεπιχειρήσεις.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Εγκαταστήστε και διαμορφώστε διαφορετικά πλαίσια Stream Processing , όπως Spark Streaming και Streaming Kafka.
- Κατανοήστε και επιλέξτε το καταλληλότερο πλαίσιο για την εργασία.
- Διαδικασία δεδομένων συνεχώς, ταυτόχρονα, και με τρόπο ρεκόρ ανά εγγραφή.
- Ενσωματώστε τις λύσεις Stream Processing με υπάρχουσες βάσεις δεδομένων, αποθήκες δεδομένων, λίμνες δεδομένων κλπ.
- Ενσωματώστε την πιο κατάλληλη βιβλιοθήκη επεξεργασίας ροής με επιχειρηματικές εφαρμογές και μικροεπιχειρήσεις.
Κοινό
- Προγραμματιστές
- Αρχιτέκτονες λογισμικού
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
Σημειώσεις
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
14 hours
Overview
Το Magellan είναι μια μηχανή εκτέλεσης που διανέμει ανοιχτού κώδικα για γεωχωρικές αναλύσεις σε μεγάλα δεδομένα. Εφαρμοσμένη πάνω από το Apache Spark , επεκτείνει το Spark SQL και παρέχει μια σχεσιακή αφαίρεση για γεωχωρικές αναλύσεις.
Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση, εισάγει τις έννοιες και τις προσεγγίσεις για την εφαρμογή γεωσφαιρικών αναλύσεων και περπατά τους συμμετέχοντες μέσω της δημιουργίας μιας εφαρμογής πρόβλεψης ανάλυσης χρησιμοποιώντας το Magellan στο Spark.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Αποτελεσματικά ερώτημα, ανάλυση και σύνδεση γεωσκοπικών συνόλων δεδομένων σε κλίμακα
- Εφαρμογή γεωχωρικών δεδομένων σε εφαρμογές επιχειρηματικής ευφυΐας και πρόβλεψης
- Χρησιμοποιήστε το χωρικό πλαίσιο για να επεκτείνετε τις δυνατότητες των κινητών συσκευών, των αισθητήρων, των αρχείων καταγραφής και των φορητών συσκευών
Μορφή του μαθήματος
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη εφαρμογή σε περιβάλλον εργαστηριακού εργαστηρίου.
Επιλογές προσαρμογής μαθημάτων
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση, εισάγει τις έννοιες και τις προσεγγίσεις για την εφαρμογή γεωσφαιρικών αναλύσεων και περπατά τους συμμετέχοντες μέσω της δημιουργίας μιας εφαρμογής πρόβλεψης ανάλυσης χρησιμοποιώντας το Magellan στο Spark.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Αποτελεσματικά ερώτημα, ανάλυση και σύνδεση γεωσκοπικών συνόλων δεδομένων σε κλίμακα
- Εφαρμογή γεωχωρικών δεδομένων σε εφαρμογές επιχειρηματικής ευφυΐας και πρόβλεψης
- Χρησιμοποιήστε το χωρικό πλαίσιο για να επεκτείνετε τις δυνατότητες των κινητών συσκευών, των αισθητήρων, των αρχείων καταγραφής και των φορητών συσκευών
Μορφή του μαθήματος
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη εφαρμογή σε περιβάλλον εργαστηριακού εργαστηρίου.
Επιλογές προσαρμογής μαθημάτων
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
21 hours
Overview
Apache Spark is a distributed processing engine for analyzing very large data sets. It can process data in batches and real-time, as well as carry out machine learning, ad-hoc queries, and graph processing. .NET for Apache Spark is a free, open-source, and cross-platform big data analytics framework that supports applications written in C# or F#.
This instructor-led, live training (online or onsite) is aimed at developers who wish to carry out big data analysis using Apache Spark in their .NET applications.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand how .NET implements Spark APIs so that they can be accessed from a .NET application.
- Develop data processing applications using C# or F#, capable of handling data sets whose size is measured in terabytes and pedabytes.
- Develop machine learning features for a .NET application using Apache Spark capabilities.
- Carry out exploratory analysis using SQL queries on big data sets.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at developers who wish to carry out big data analysis using Apache Spark in their .NET applications.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand how .NET implements Spark APIs so that they can be accessed from a .NET application.
- Develop data processing applications using C# or F#, capable of handling data sets whose size is measured in terabytes and pedabytes.
- Develop machine learning features for a .NET application using Apache Spark capabilities.
- Carry out exploratory analysis using SQL queries on big data sets.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
14 hours
Overview
SMACK is a collection of data platform softwares, namely Apache Spark, Apache Mesos, Apache Akka, Apache Cassandra, and Apache Kafka. Using the SMACK stack, users can create and scale data processing platforms.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use the SMACK stack to build data processing platforms for big data solutions.
By the end of this training, participants will be able to:
- Implement a data pipeline architecture for processing big data.
- Develop a cluster infrastructure with Apache Mesos and Docker.
- Analyze data with Spark and Scala.
- Manage unstructured data with Apache Cassandra.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at data scientists who wish to use the SMACK stack to build data processing platforms for big data solutions.
By the end of this training, participants will be able to:
- Implement a data pipeline architecture for processing big data.
- Develop a cluster infrastructure with Apache Mesos and Docker.
- Analyze data with Spark and Scala.
- Manage unstructured data with Apache Cassandra.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 hours
Overview
Apache Spark is an analytics engine designed to distribute data across a cluster in order to process it in parallel. It contains modules for streaming, SQL, machine learning and graph processing.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to deploy Apache Spark system for processing very large amounts of data.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand the difference between Apache Spark and Hadoop MapReduce and when to use which.
- Quickly read in and analyze very large data sets.
- Integrate Apache Spark with other machine learning tools.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
This instructor-led, live training (online or onsite) is aimed at engineers who wish to deploy Apache Spark system for processing very large amounts of data.
By the end of this training, participants will be able to:
- Install and configure Apache Spark.
- Understand the difference between Apache Spark and Hadoop MapReduce and when to use which.
- Quickly read in and analyze very large data sets.
- Integrate Apache Spark with other machine learning tools.
Format of the Course
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
Course Customization Options
- To request a customized training for this course, please contact us to arrange.
21 hours
Overview
Apache Spark καμπύλη μάθησης Apache Spark αυξάνεται σιγά-σιγά στην αρχή, χρειάζεται πολύ μεγάλη προσπάθεια για να πάρει την πρώτη επιστροφή. Αυτό το μάθημα στοχεύει να περάσει από το πρώτο σκληρό μέρος. Μετά την ολοκλήρωση αυτού του μαθήματος οι συμμετέχοντες θα κατανοήσουν τα βασικά στοιχεία του Apache Spark , θα διαφοροποιήσουν ξεκάθαρα το RDD από το DataFrame, θα μάθουν Python και Scala API, θα καταλάβουν τους εκτελεστές και τα καθήκοντα κλπ. Επίσης ακολουθώντας τις βέλτιστες πρακτικές, ανάπτυξη νέφους, Databricks και AWS. Οι μαθητές θα κατανοήσουν επίσης τις διαφορές μεταξύ AWS EMR και AWS Glue, μιας από τις πιο πρόσφατες υπηρεσίες Spark της AWS.
ΚΟΙΝΟ:
Μηχανικός δεδομένων, DevOps , Data Scientist
ΚΟΙΝΟ:
Μηχανικός δεδομένων, DevOps , Data Scientist
21 hours
Overview
ΣΚΟΠΟΣ:
Αυτό το μάθημα θα εισαγάγει το Apache Spark . Οι μαθητές θα μάθουν πώς το Spark εντάσσεται στο οικοσύστημα Big Data και πώς να χρησιμοποιήσει το Spark για ανάλυση δεδομένων. Το μάθημα καλύπτει το κέλυφος Spark για διαδραστική ανάλυση δεδομένων, εσωτερικά Spark, API Spark, Spark SQL , Spark streaming και μηχανική μάθηση και graphX.
ΚΟΙΝΟ :
Προγραμματιστές / αναλυτές δεδομένων
Αυτό το μάθημα θα εισαγάγει το Apache Spark . Οι μαθητές θα μάθουν πώς το Spark εντάσσεται στο οικοσύστημα Big Data και πώς να χρησιμοποιήσει το Spark για ανάλυση δεδομένων. Το μάθημα καλύπτει το κέλυφος Spark για διαδραστική ανάλυση δεδομένων, εσωτερικά Spark, API Spark, Spark SQL , Spark streaming και μηχανική μάθηση και graphX.
ΚΟΙΝΟ :
Προγραμματιστές / αναλυτές δεδομένων
21 hours
Overview
Python είναι μια γλώσσα προγραμματισμού υψηλού επιπέδου γνωστή για την σαφή σύνταξη και την αναγνωσιμότητα του κώδικα. Το Spark είναι ένας μηχανισμός επεξεργασίας δεδομένων που χρησιμοποιείται για την αναζήτηση, την ανάλυση και τη μετατροπή μεγάλων δεδομένων. PySpark επιτρέπει στους χρήστες να αλληλεπιδρούν με την Python .
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν το Python και το Spark μαζί για να αναλύσουν τα μεγάλα δεδομένα καθώς εργάζονται σε πρακτικές ασκήσεις.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Μάθετε πώς να χρησιμοποιείτε το Spark με την Python για να αναλύσετε τα Big Data .
- Εργασίες για ασκήσεις που μιμούνται περιστάσεις πραγματικού κόσμου.
- Χρησιμοποιήστε διάφορα εργαλεία και τεχνικές για την ανάλυση μεγάλων δεδομένων χρησιμοποιώντας το PySpark .
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
Σε αυτή την καθοδηγούμενη από εκπαιδευτή, ζωντανή προπόνηση, οι συμμετέχοντες θα μάθουν πώς να χρησιμοποιούν το Python και το Spark μαζί για να αναλύσουν τα μεγάλα δεδομένα καθώς εργάζονται σε πρακτικές ασκήσεις.
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Μάθετε πώς να χρησιμοποιείτε το Spark με την Python για να αναλύσετε τα Big Data .
- Εργασίες για ασκήσεις που μιμούνται περιστάσεις πραγματικού κόσμου.
- Χρησιμοποιήστε διάφορα εργαλεία και τεχνικές για την ανάλυση μεγάλων δεδομένων χρησιμοποιώντας το PySpark .
Μορφή του μαθήματος
- Διάλεξη μέρους, μερική συζήτηση, ασκήσεις και βαριά πρακτική άσκηση
21 hours
Overview
Scala είναι μια συμπυκνωμένη έκδοση της Java για μεγάλης κλίμακας λειτουργικό και αντικειμενοστραφή προγραμματισμό. Apache Spark Streaming είναι ένα εκτεταμένο στοιχείο του API Spark για την επεξεργασία μεγάλων συνόλων δεδομένων ως ροών πραγματικού χρόνου. Μαζί, το Spark Streaming και η Scala καθιστούν δυνατή τη ροή μεγάλων δεδομένων.
Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση (επιτόπου ή απομακρυσμένη) απευθύνεται σε μηχανικούς λογισμικού που επιθυμούν να προβάλλουν μεγάλα δεδομένα με το Spark Streaming και τη Scala .
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Δημιουργήστε εφαρμογές Spark με τη γλώσσα προγραμματισμού Scala .
- Χρησιμοποιήστε το Spark Streaming για να επεξεργαστείτε συνεχείς ροές δεδομένων.
- Ροές διαδικασιών σε πραγματικό χρόνο με Spark Streaming.
Μορφή του μαθήματος
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
Αυτή η καθοδηγούμενη από εκπαιδευτές, ζωντανή εκπαίδευση (επιτόπου ή απομακρυσμένη) απευθύνεται σε μηχανικούς λογισμικού που επιθυμούν να προβάλλουν μεγάλα δεδομένα με το Spark Streaming και τη Scala .
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Δημιουργήστε εφαρμογές Spark με τη γλώσσα προγραμματισμού Scala .
- Χρησιμοποιήστε το Spark Streaming για να επεξεργαστείτε συνεχείς ροές δεδομένων.
- Ροές διαδικασιών σε πραγματικό χρόνο με Spark Streaming.
Μορφή του μαθήματος
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
7 hours
Overview
Το Spark SQL είναι η ενότητα του Apache Spark για την εργασία με δομημένα και αδόμητα δεδομένα. Το Spark SQL παρέχει πληροφορίες σχετικά με τη δομή των δεδομένων καθώς και τον υπολογισμό που εκτελείται. Αυτές οι πληροφορίες μπορούν να χρησιμοποιηθούν για την εκτέλεση βελτιστοποιήσεων. Δύο κοινές χρήσεις για το SQL Spark είναι:
- για εκτέλεση ερωτημάτων SQL .
- για ανάγνωση δεδομένων από υπάρχουσα εγκατάσταση Hive .
Σε αυτόν τον εκπαιδευτή, ζωντανή προπόνηση (onsite ή απομακρυσμένη), οι συμμετέχοντες θα μάθουν πώς να αναλύουν διάφορους τύπους συνόλων δεδομένων χρησιμοποιώντας Spark SQL .
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Εγκαταστήστε και ρυθμίστε τον SQL Spark.
- Εκτελέστε ανάλυση δεδομένων χρησιμοποιώντας Spark SQL .
- Αναζητήστε σύνολα δεδομένων σε διαφορετικές μορφές.
- Οπτικοποιήστε τα δεδομένα και τα αποτελέσματα των ερωτημάτων.
Μορφή του μαθήματος
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
- για εκτέλεση ερωτημάτων SQL .
- για ανάγνωση δεδομένων από υπάρχουσα εγκατάσταση Hive .
Σε αυτόν τον εκπαιδευτή, ζωντανή προπόνηση (onsite ή απομακρυσμένη), οι συμμετέχοντες θα μάθουν πώς να αναλύουν διάφορους τύπους συνόλων δεδομένων χρησιμοποιώντας Spark SQL .
Μέχρι τη λήξη αυτής της εκπαίδευσης, οι συμμετέχοντες θα μπορούν:
- Εγκαταστήστε και ρυθμίστε τον SQL Spark.
- Εκτελέστε ανάλυση δεδομένων χρησιμοποιώντας Spark SQL .
- Αναζητήστε σύνολα δεδομένων σε διαφορετικές μορφές.
- Οπτικοποιήστε τα δεδομένα και τα αποτελέσματα των ερωτημάτων.
Μορφή του μαθήματος
- Διαδραστική διάλεξη και συζήτηση.
- Πολλές ασκήσεις και πρακτική.
- Χειροκίνητη υλοποίηση σε εργασιακό περιβάλλον.
Επιλογές προσαρμογής μαθημάτων
- Για να ζητήσετε μια προσαρμοσμένη εκπαίδευση για αυτό το μάθημα, επικοινωνήστε μαζί μας για να κανονίσετε.
35 hours
Overview
Το MLlib είναι η βιβλιοθήκη εκμάθησης μηχανών Spark (ML). Σκοπός του είναι να κάνει την πρακτική εκμάθηση μηχανών κλιμακωτή και εύκολη. Αποτελείται από κοινούς αλγόριθμους και βοηθητικά προγράμματα μάθησης, συμπεριλαμβανομένης της ταξινόμησης, της παλινδρόμησης, της ομαδοποίησης, του συνεργατικού φιλτραρίσματος, της μείωσης των διαστάσεων, καθώς και των πρωτόγονων βελτιστοποίησης χαμηλότερου επιπέδου και των API αγωγών υψηλότερου επιπέδου.
Διαχωρίζεται σε δύο πακέτα:
-
Το spark.mllib περιέχει το αρχικό API που είναι ενσωματωμένο στο RDD.
-
Το spark.ml παρέχει API υψηλότερου επιπέδου που είναι ενσωματωμένο στο DataFrames για την κατασκευή αγωγών ML.
Κοινό
Αυτό το μάθημα απευθύνεται σε μηχανικούς και προγραμματιστές που επιδιώκουν να χρησιμοποιήσουν μια ενσωματωμένη βιβλιοθήκη μηχανών για Apache Spark
Διαχωρίζεται σε δύο πακέτα:
-
Το spark.mllib περιέχει το αρχικό API που είναι ενσωματωμένο στο RDD.
-
Το spark.ml παρέχει API υψηλότερου επιπέδου που είναι ενσωματωμένο στο DataFrames για την κατασκευή αγωγών ML.
Κοινό
Αυτό το μάθημα απευθύνεται σε μηχανικούς και προγραμματιστές που επιδιώκουν να χρησιμοποιήσουν μια ενσωματωμένη βιβλιοθήκη μηχανών για Apache Spark
Other countries
Consulting
Online Spark courses, Weekend Apache Spark courses, Evening Apache Spark training, Apache Spark boot camp, Spark instructor-led, Weekend Spark training, Evening Spark courses, Spark coaching, Spark instructor, Apache Spark trainer, Apache Spark training courses, Apache Spark classes, Spark on-site, Spark private courses, Spark one on one training
.jpg "international air transport association (iata)")
