Struttura del corso
Introduzione
Comprensione Big Data
Panoramica di Spark
Panoramica di Python
Panoramica di PySpark
- Distribuzione dei dati utilizzando Resilient Distributed Datasets Framework
- Distribuzione del calcolo tramite gli operatori API Spark
Configurazione Python con Spark
Impostazione PySpark
Utilizzo delle istanze EC2 di Amazon Web Services (AWS) per Spark
Impostazione Databricks
Configurazione del cluster AWS EMR
Imparare le basi della programmazione Python
- Guida introduttiva a Python
- Uso del notebook Jupyter
- Utilizzo di variabili e tipi di dati semplici
- Utilizzo degli elenchi
- Utilizzo delle istruzioni if
- Utilizzo degli input dell'utente
- Utilizzo dei cicli while
- Funzioni di implementazione
- Utilizzo delle classi
- Utilizzo di file ed eccezioni
- Utilizzo di progetti, dati e API
Apprendimento delle nozioni di base di Spark DataFrame
- Introduzione ai frame di dati Spark
- Implementazione delle operazioni di base con Spark
- Utilizzo di GroupBy e delle operazioni di aggregazione
- Utilizzo di timestamp e date
Esercizio di utilizzo di un progetto Spark DataFrame
Informazioni su Machine Learning con MLlib
Uso di MLlib, Spark e Python per Machine Learning
Informazioni sulle regressioni
- Apprendimento della teoria della regressione lineare
- Implementazione di un codice di valutazione della regressione
- Lavorare su un esempio di esercizio di regressione lineare
- Apprendimento della teoria della regressione logistica
- Implementazione di un codice di regressione logistica
- Lavorare su un esempio di esercizio di regressione logistica
Comprendere gli Random Forest e gli alberi decisionali
- Teoria dei metodi dell'albero di apprendimento
- Implementazione degli alberi decisionali e dei codici Random Forest
- Lavorare su un esempio Random Forest Esercizio di classificazione
Utilizzo di K-means Clustering
- Comprendere la teoria del clustering K-means
- Implementazione di un codice di clustering K-means
- Utilizzo di un esercizio di clustering di esempio
Utilizzo dei sistemi di raccomandazione
Implementazione dell'elaborazione del linguaggio naturale
- Comprensione Natural Language Processing (NLP)
- Panoramica degli strumenti di PNL
- Lavorare su un esempio di esercizio di PNL
Streaming con Spark attivo Python
- Panoramica Streaming con Spark
- Esempio Spark Streaming Esercizio
Osservazioni conclusive
Requisiti
- Competenze generali di programmazione
Pubblico
- Gli sviluppatori
- Professionisti IT
- Scienziati dei dati
Recensioni (5)
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.