Struttura del corso
Introduzione alla piattaforma Stratio
- Panoramica sull’architettura di Stratio e sui moduli principali
- Il ruolo dei moduli Rocket e Intelligence nel ciclo di vita dei dati
- Accesso alla piattaforma e navigazione nell’interfaccia utente di Stratio
Utilizzo del modulo Rocket
- Inserimento dei dati e creazione di pipeline di elaborazione
- Collegamento delle fonti dati e configurazione delle trasformazioni necessarie
- Utilizzo di PySpark per operazioni di pre-elaborazione all’interno del modulo Rocket
Concetti fondamentali di PySpark per gli utenti Stratio
- Strutture dati e operazioni principali in PySpark
- Costrutti ciclici: uso di for, while, if/else
- Creazione di funzioni personalizzate tramite l’istruzione def e loro applicazione
Utilizzo avanzato di Rocket con PySpark
- Inserimento in tempo reale dei dati e relative trasformazioni
- Applicazione di cicli logici e funzioni personalizzate sia nei contesti batch che real-time
- Best practice per ottimizzare le prestazioni dei flussi di lavoro con PySpark
Scoperta del modulo Intelligence
- Panoramica delle funzionalità di modellazione e analisi dati
- Selezione, trasformazione ed esplorazione delle feature
- Il contributo di PySpark nell’elaborazione personalizzata dei dati e nella generazione di insight significativi
Progettazione di flussi analitici avanzati
- Creazione di funzioni definite dall’utente (UDF) all’interno del modulo Intelligence
- Utilizzo di condizioni e cicli per definire logiche complesse sui dati
- Casistica applicativa: segmentazione, aggregazione e previsione
Pubblicazione e collaborazione tra team
- Salvataggio, esportazione e riutilizzo dei flussi di lavoro creati
- Collaborazione con altri membri del team all’interno di Stratio
- Valutazione dei risultati ottenuti e integrazione con strumenti successivi nel processo analitico
Conclusione e prossimi passi
Requisiti
- Esperienza nella programmazione in Python
- Conoscenza dei concetti fondamentali di analisi dati o elaborazione big data
- Nozioni di base su Apache Spark e sul calcolo distribuito
Destinatari
- Ingegneri dati che operano su piattaforme basate su Stratio
- Analisti o sviluppatori che utilizzano i moduli Rocket e Intelligence
- Team tecnici in transizione verso flussi di lavoro basati su PySpark all’interno di Stratio
Recensioni (3)
Scoprendo che QGIS è uno strumento utilizzabile da altri professionisti diversi, come i geometri.
Bame Duncan Koko - Bentel Technologies (Pty) Ltd
Corso - QGIS for Geographic Information System
Traduzione automatica
Come utilizzare i dati dei satelliti aperti per applicazioni reali
Tshering Dorji - Druk Holding and Investments
Corso - Advanced Geographic Information Systems (GIS)
Traduzione automatica
Esempi pratici ci hanno permesso di comprendere realmente come funziona il programma. Spiegazioni accurate e integrazione di concetti teorici e delle loro applicazioni pratiche.
Ian - Archeoworks Inc.
Corso - ArcGIS Fundamentals
Traduzione automatica