Struttura del corso
Introduzione
Comprensione dei dati Big Data
Panoramica di Spark
Panoramica di Python
Panoramica di PySpark
- Distribuzione dei dati utilizzando il framework Resilient Distributed Datasets (RDD)
- Distribuzione del calcolo utilizzando gli operatori della Spark API
Configurazione di Python con Spark
Configurazione di PySpark
Utilizzo delle istanze EC2 Amazon Web Services (AWS) per Spark
Configurazione di Databricks
Configurazione del cluster AWS EMR
Idee basilari su Python Programming
- Inizio con Python
- Utilizzo dei Jupyter Notebook
- Uso delle variabili e dei tipi di dati semplici
- Lavoro con le liste
- Uso degli statement if
- Uso delle input dell'utente
- Lavoro con i cicli while
- Messa in pratica delle funzioni
- Lavoro con le classi
- Lavoro con file e eccezioni
- Lavoro progetti, dati e API
Idee basilari sui DataFrame di Spark
- Inizio con i DataFrame di Spark
- Messa in pratica delle operazioni di base con Spark
- Utilizzo delle operazioni Groupby e Aggregate
- Lavoro con timestamp e date
Esercizi progetto sui DataFrame di Spark
Comprensione dei dati Machine Learning con MLlib
Messa in pratica di MLlib, Spark e Python per i dati Machine Learning
Comprensione delle regressioni
- Apprendimento della teoria della regressione lineare
- Messa in pratica del codice di valutazione della regressione
- Esercizi pratici sulla regressione lineare
- Apprendimento della teoria della regressione logistica
- Messa in pratica del codice della regressione logistica
- Esercizi pratici sulla regressione logistica
Comprensione delle Random Forest e degli alberi di decisione
- Apprendimento della teoria dei metodi degli alberi
- Messa in pratica degli alberi di decisione e codice Random Forest
- Esercizi pratici sulla classificazione Random Forest
Lavoro con il clustering K-means
- Comprensione della teoria del clustering K-means
- Messa in pratica del codice di clustering K-means
- Esercizi pratici sul clustering
Lavoro con i sistemi di raccomandazione
Messa in pratica del Processing del Linguaggio Naturale (NLP)
- Comprensione dei Natural Language Processing (NLP)
- Panoramica degli strumenti NLP
- Esercizi pratici di NLP
Streaming con Spark su Python
- Panoramica del streaming con Spark
- Esercizio campione Spark Streaming
Osservazioni finali
Requisiti
- Competenze generali di programmazione
Pubblico
- Gli sviluppatori
- Professionisti IT
- Scienziati dei dati
Recensioni (6)
I liked that it was practical. Loved to apply the theoretical knowledge with practical examples.
Aurelia-Adriana - Allianz Services Romania
Corso - 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,
Michael Monks - Tech NorthWest Skillnet
Corso - Python and Spark for Big Data (PySpark)
Individual attention.
ARCHANA ANILKUMAR - PPL
Corso - Python and Spark for Big Data (PySpark)
Hands on Training..
Abraham Thomas - PPL
Corso - Python and Spark for Big Data (PySpark)
The lessons were taught in a Jupyter notebook. The topics were structured with a logical sequence and naturally helped develop the session from the easier parts to the more complex. I'm already an advanced user of Python with background in Machine Learning, so found the course easier to follow than, possibly, some of my classmates that took the training course. I appreciate that some of the most elementary concepts were skipped and that he focused on the most substantial matters.
Angela DeLaMora - ADT, LLC
Corso - Python and Spark for Big Data (PySpark)
practice tasks