Helyi, oktatott élő Apache Spark tréningek demonstrálják a handson gyakorlatot arról, hogyan illeszkedik a Spark a Big Data ökoszisztémába, és hogyan használja a Sparkot az adatok elemzéséhez Az Apache Spark tréning "helyszíni élő képzés" vagy "távoli élő képzés" formájában érhető el A helyszíni élő képzés helyi szinten valósulhat meg az ügyfél telephelyén Magyarország vagy a NobleProg vállalati oktatóközpontjaiban Magyarország A távoli élőképzés interaktív, távoli asztal segítségével történik NobleProg Az Ön Helyi Képzési Szolgáltatója.
Machine Translated
Vélemények
Richard nagyon nyugodt és módszeres, analitikus betekintéssel - pontosan azokkal a tulajdonságokkal, amelyek ahhoz szükségesek, hogy bemutassák ezt a módszert.
Kieran Mac Kenna
Kurzus: Spark for Developers
Machine Translated
Sokkal többet tudunk az egész környezetről.
John Kidd
Kurzus: Spark for Developers
Machine Translated
A tréner érdekes és szórakoztató, ami egész nap egész napos edzést segíti.
Ryan Speelman
Kurzus: Spark for Developers
Machine Translated
Azt hiszem, a trénernek kiváló stílusa volt a humor és az élet történeteinek ötvözésével, hogy a tárgyakat könnyen elérhetővé tegye. Nagyon ajánlom ezt a professzort a jövőben.
Kurzus: Spark for Developers
Machine Translated
Ernesto nagyszerű munkát végzett a Spark és a különböző modulok magas szintű elképzeléseinek magyarázatával.
Michael Nemerouf
Kurzus: Spark for Developers
Machine Translated
Ez az egyik legjobb gyakorlati programozási gyakorlat, amit valaha vettem.
Laura Kahn
Kurzus: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Ez az egyik legjobb minőségű online képzés, amit valaha is vettem a 13 éves karrierem során. Folytasd a nagyszerű munkát!.
Kurzus: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
Alkalmazható forgatókönyvek és esetek
zhaopeng liu - Fmr
Kurzus: Spark for Developers
Machine Translated
Esettanulmány
国栋 张
Kurzus: Spark for Developers
Machine Translated
az ülés minden részét
Eric Han - Fmr
Kurzus: Spark for Developers
Machine Translated
Richard nagyon hajlandó volt kitérni, amikor félig kapcsolódó kérdéseket akartunk kérdezni olyan dolgokról, amelyek nem a tananyagon voltak. A magyarázatok világosak voltak, és a figyelmeztetésekkel kapcsolatban felvette a figyelmét minden olyan tanácsban, amit nekünk adtak.
ARM Limited
Kurzus: Spark for Developers
Machine Translated
A VM én szeretett nagyon sok A tanár nagyon tájékozott volt a témával kapcsolatban, valamint más témákban, nagyon kedves és barátságos volt. Tetszett a létesítmény Dubaiban.
Safar Alqahtani - Elm Information Security
Kurzus: Big Data Analytics in Health
Machine Translated
gyakorlófeladatokat
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Kurzus: Python and Spark for Big Data (PySpark)
Machine Translated
Small group (4 trainees) and we could progress together. Also the trainer could so help everybody.
ICE International Copyright Enterprise Germany GmbH
Kurzus: Spark for Developers
Ajay nagyon barátságos, segítőkész és ismeretes volt a tárgyalt témában is.
Biniam Guulay - ICE International Copyright Enterprise Germany GmbH
Kurzus: Spark for Developers
Machine Translated
A laboratóriumi gyakorlatok. Az elmélet alkalmazása a következő napok első napjától kezdve.
Dell
Kurzus: A Practical Introduction to Stream Processing
Machine Translated
* Organization * Trainer's expertise with the subject
ENGIE- 101 Arch Street
Kurzus: Python and Spark for Big Data (PySpark)
The trainer was passionate and well-known what he said I appreciate his help and answers all our questions and suggested cases.
Kurzus: A Practical Introduction to Stream Processing
A tanár a képzési programot a jelenlegi igényeinkhez igazította.
EduBroker Sp. z o.o.
Kurzus: Python and Spark for Big Data (PySpark)
Machine Translated
A hasonló gyakorlatok különböző módon történő végrehajtása segít megérteni, hogy az egyes összetevők ( Hadoop / Spark, önálló / klaszter) önmagukban és együtt képesek-e megtenni. Ötleteket adott nekem arról, hogyan kell tesztelnem az alkalmazásomat a helyi gépemen, amikor fejlesztem, amikor egy fürtbe telepítjük.
Thomas Carcaud - IT Frankfurt GmbH
Kurzus: Spark for Developers
Machine Translated
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
Kurzus: Python and Spark for Big Data (PySpark)
NA
DBS
Kurzus: Python and Spark for Big Data (PySpark)
hands on Training..
Abraham Thomas - PPL
Kurzus: Python and Spark for Big Data (PySpark)
egyéni figyelmet.
ARCHANA ANILKUMAR - PPL
Kurzus: Python and Spark for Big Data (PySpark)
Machine Translated
get to learn spark streaming , databricks and aws redshift
Lim Meng Tee - Jobstreet.com Shared Services Sdn. Bhd.
Kurzus: Apache Spark in the Cloud
The content and the knowledge .
Jobstreet.com Shared Services Sdn. Bhd.
Kurzus: Apache Spark in the Cloud
It was very informative. I've had very little experience with Spark before and so far this course has provided a very good introduction to the subject.
Intelligent Medical Objects
Kurzus: Apache Spark in the Cloud
Nagyszerű volt megérteni, hogy mi folyik a Spark motorháza alatt. Tudva, hogy mi folyik a motorháztető alatt segít jobban megérteni, hogy miért a kód, vagy nem csinál, amit elvár, hogy nem. Sok a képzés volt a kezét, amely mindig nagy, és a szakasz optimalizálás volt, rendkívül fontos, hogy az én jelenlegi munka, ami szép volt.
Intelligent Medical Objects
Kurzus: Apache Spark in the Cloud
Machine Translated
Azt hiszem, a trénernek kiváló stílusa volt a humor és az élet történeteinek ötvözésével, hogy a tárgyakat könnyen elérhetővé tegye. Nagyon ajánlom ezt a professzort a jövőben.
Kurzus: Spark for Developers
Machine Translated
Ez az egyik legjobb minőségű online képzés, amit valaha is vettem a 13 éves karrierem során. Folytasd a nagyszerű munkát!.
Kurzus: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Machine Translated
The trainer was passionate and well-known what he said I appreciate his help and answers all our questions and suggested cases.
Kurzus: A Practical Introduction to Stream Processing
Spark Subcategories
Apache Spark Course Outlines
Kurzusnév
Időtartalma
Összefoglaló
Kurzusnév
Időtartalma
Összefoglaló
21 hours
Összefoglaló
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
Összefoglaló
Alluxio egy nyílt forráskódú, elosztott tárolórendszer, amely egyesíti az eltérő tárolórendszereket, és lehetővé teszi az alkalmazások számára, hogy az adatokkal memóriasebességgel lépjenek kapcsolatba. Olyan cégek használják, mint az Intel, a Baidu és az Alibaba.
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet az Alluxio t felhasználni a különféle számítási keretrendszerek áthidalására a tárolórendszerekkel, és hatékonyan kezelni a Alluxio méretű adatokat az Alluxio alkalmazásának létrehozása során.
A képzés végére a résztvevők képesek lesznek:
- Készítsen egy alkalmazást az Alluxio
- Csatlakoztasson nagy adatrendszereket és alkalmazásokat, miközben megőriz egy névteret
- Hatékonyan nyerje ki az értékeket a nagy adatokból bármilyen tárolási formátumban
- Javítsa a munkaterhelést
- Telepítse és kezelje az Alluxio önálló vagy fürtözött Alluxio
Közönség
- Adattudós
- Fejlesztő
- Rendszergazda
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan lehet az Alluxio t felhasználni a különféle számítási keretrendszerek áthidalására a tárolórendszerekkel, és hatékonyan kezelni a Alluxio méretű adatokat az Alluxio alkalmazásának létrehozása során.
A képzés végére a résztvevők képesek lesznek:
- Készítsen egy alkalmazást az Alluxio
- Csatlakoztasson nagy adatrendszereket és alkalmazásokat, miközben megőriz egy névteret
- Hatékonyan nyerje ki az értékeket a nagy adatokból bármilyen tárolási formátumban
- Javítsa a munkaterhelést
- Telepítse és kezelje az Alluxio önálló vagy fürtözött Alluxio
Közönség
- Adattudós
- Fejlesztő
- Rendszergazda
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
21 hours
Összefoglaló
A nagy adatelemzés magában foglalja a nagy mennyiségű, változatos adatkészlet vizsgálatát a korrelációk, rejtett minták és egyéb hasznos betekintések feltárása érdekében.
Az egészségügyi ágazat hatalmas mennyiségű komplex, heterogén orvosi és klinikai adatot tartalmaz. A nagy adatelemzés alkalmazása az egészségügyi adatokra hatalmas potenciállal jár ahhoz, hogy betekintést szerezzen az egészségügyi ellátás javításában. Ezen adatkészletek hatalmassága azonban nagy kihívást jelent az elemzésekben és a klinikai környezetben történő gyakorlati alkalmazásokban.
Ebben az oktató által vezetett, élő (távoli) képzésen a résztvevők megtanulják, hogyan végezzen nagy adatelemzést az egészségben, miközben gyakorlati élő laboratóriumi gyakorlatokat végeznek.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a nagy adatelemző eszközöket, például a Hadoop MapReduce és a Spark
- Megérteni az orvosi adatok jellemzőit
- Nagyméretű technikák alkalmazása az orvosi adatok kezelésére
- Tanulmányozza a nagy adatrendszereket és algoritmusokat az egészségügyi alkalmazások összefüggésében
Közönség
- Fejlesztők
- Adattudósok
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat.
jegyzet
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
Az egészségügyi ágazat hatalmas mennyiségű komplex, heterogén orvosi és klinikai adatot tartalmaz. A nagy adatelemzés alkalmazása az egészségügyi adatokra hatalmas potenciállal jár ahhoz, hogy betekintést szerezzen az egészségügyi ellátás javításában. Ezen adatkészletek hatalmassága azonban nagy kihívást jelent az elemzésekben és a klinikai környezetben történő gyakorlati alkalmazásokban.
Ebben az oktató által vezetett, élő (távoli) képzésen a résztvevők megtanulják, hogyan végezzen nagy adatelemzést az egészségben, miközben gyakorlati élő laboratóriumi gyakorlatokat végeznek.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a nagy adatelemző eszközöket, például a Hadoop MapReduce és a Spark
- Megérteni az orvosi adatok jellemzőit
- Nagyméretű technikák alkalmazása az orvosi adatok kezelésére
- Tanulmányozza a nagy adatrendszereket és algoritmusokat az egészségügyi alkalmazások összefüggésében
Közönség
- Fejlesztők
- Adattudósok
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat.
jegyzet
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
28 hours
Összefoglaló
Számos valódi világprobléma leírható grafikonokkal. Például a webes gráf, a közösségi hálózati gráf, a vonathálózati gráf és a nyelvi gráf. Ezek a grafikonok általában rendkívül nagyok; feldolgozásukhoz speciális eszközök és folyamatok szükségesek - ezeket az eszközöket és folyamatokat Graph Computing (más néven Graph Analytics) lehet nevezni.
Ebben az oktató által vezetett, élő képzésen a résztvevők megismerkednek a grafikus adatok feldolgozásának technológiai kínálatával és megvalósítási módszereivel. A cél az, hogy azonosítsuk a valós objektumokat, azok jellemzőit és összefüggéseit, majd modellezzük ezeket a kapcsolatokat és adatként dolgozzuk fel Graph Computing (más néven Graph Analytics) megközelítéssel. Az esettanulmányok, a gyakorlati gyakorlatok és az élő telepítések sorozatán keresztül átfogó áttekintéssel és a konkrét eszközök szűk keresztmetszetével kezdjük.
A képzés végére a résztvevők képesek lesznek:
- Tudja meg, hogy a grafikon adatai megmaradnak és hogyan haladnak át.
- Válassza ki az adott feladat legjobb keretét (a grafikon adatbázisoktól a kötegelt feldolgozási keretekig).
- Végrehajtja a Hadoop , a Spark, a GraphX és a Pregel alkalmazást a GraphX elvégzésére párhuzamosan sok gépen.
- Tekintse meg a valós nagy adatokkal kapcsolatos problémákat grafikonok, folyamatok és átjárások szempontjából.
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Ebben az oktató által vezetett, élő képzésen a résztvevők megismerkednek a grafikus adatok feldolgozásának technológiai kínálatával és megvalósítási módszereivel. A cél az, hogy azonosítsuk a valós objektumokat, azok jellemzőit és összefüggéseit, majd modellezzük ezeket a kapcsolatokat és adatként dolgozzuk fel Graph Computing (más néven Graph Analytics) megközelítéssel. Az esettanulmányok, a gyakorlati gyakorlatok és az élő telepítések sorozatán keresztül átfogó áttekintéssel és a konkrét eszközök szűk keresztmetszetével kezdjük.
A képzés végére a résztvevők képesek lesznek:
- Tudja meg, hogy a grafikon adatai megmaradnak és hogyan haladnak át.
- Válassza ki az adott feladat legjobb keretét (a grafikon adatbázisoktól a kötegelt feldolgozási keretekig).
- Végrehajtja a Hadoop , a Spark, a GraphX és a Pregel alkalmazást a GraphX elvégzésére párhuzamosan sok gépen.
- Tekintse meg a valós nagy adatokkal kapcsolatos problémákat grafikonok, folyamatok és átjárások szempontjából.
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
21 hours
Összefoglaló
Hortonworks Data Platform (HDP) egy nyílt forráskódú Apache Hadoop támogatási platform, amely stabil alapot nyújt nagy adatmegoldások kifejlesztéséhez az Apache Hadoop ökoszisztémán.
Ez az oktató által irányított, élő (helyszíni vagy távoli) képzés bemutatja a Hortonworks Data Platform (HDP) és a résztvevőket a Spark + Hadoop megoldás telepítésével járja el.
A képzés végére a résztvevők képesek lesznek:
- Használja a Hortonworks alkalmazást a Hadoop nagyméretű megbízható futtatásához.
- Egyesítse a Hadoop biztonsági, irányítási és működési képességeit a Spark agilis elemző munkafolyamataival.
- A Hortonworks segítségével vizsgálhatja meg, érvényesítse, tanúsítsa és támogassa a Spark projekt minden egyes elemét.
- Különböző típusú adatok feldolgozása, ideértve a strukturált, nem strukturált, mozgásban lévő és nyugalmi állapotban lévő adatokat is.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
Ez az oktató által irányított, élő (helyszíni vagy távoli) képzés bemutatja a Hortonworks Data Platform (HDP) és a résztvevőket a Spark + Hadoop megoldás telepítésével járja el.
A képzés végére a résztvevők képesek lesznek:
- Használja a Hortonworks alkalmazást a Hadoop nagyméretű megbízható futtatásához.
- Egyesítse a Hadoop biztonsági, irányítási és működési képességeit a Spark agilis elemző munkafolyamataival.
- A Hortonworks segítségével vizsgálhatja meg, érvényesítse, tanúsítsa és támogassa a Spark projekt minden egyes elemét.
- Különböző típusú adatok feldolgozása, ideértve a strukturált, nem strukturált, mozgásban lévő és nyugalmi állapotban lévő adatokat is.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
21 hours
Összefoglaló
Stream Processing -feldolgozás a „mozgásban lévő adatok” valós idejű feldolgozására vonatkozik, vagyis a számítások elvégzésére az adatokra, amint azok beérkeznek. Ezek az adatok olvasható folyamatként adatforrásokból származó, mint érzékelő események honlap felhasználói aktivitás, anyagi ágakban, hitelkártya csúsztatással kattintson patakok, stb Stream Processing keretek képesek olvasni nagy mennyiségű bejövő adatokat, és értékes betekintést szinte azonnal.
Ebben az oktató által vezetett, élő (helyszíni vagy távoli) képzésen a résztvevők megtanulják, hogyan állítson össze és integráljon különféle Stream Processing kereteket a meglévő nagy adattárolási rendszerekhez, valamint a kapcsolódó szoftveralkalmazásokhoz és mikroszolgáltatásokhoz.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a különféle Stream Processing kereteket, például a Spark Streaming és a Kafka Streaming.
- Megérteni és kiválasztani a feladathoz legmegfelelőbb keretet.
- Az adatok feldolgozása folyamatosan, egyidejűleg és rekordonként.
- Integrálja az Stream Processing megoldásokat a meglévő adatbázisokkal, adattárházakkal, adattavakkal stb.
- Integrálja a legmegfelelőbb adatfeldolgozó könyvtárat a vállalati alkalmazásokkal és a mikro-szolgáltatásokkal.
Közönség
- Fejlesztők
- Szoftvertervezők
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Megjegyzések
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
Ebben az oktató által vezetett, élő (helyszíni vagy távoli) képzésen a résztvevők megtanulják, hogyan állítson össze és integráljon különféle Stream Processing kereteket a meglévő nagy adattárolási rendszerekhez, valamint a kapcsolódó szoftveralkalmazásokhoz és mikroszolgáltatásokhoz.
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a különféle Stream Processing kereteket, például a Spark Streaming és a Kafka Streaming.
- Megérteni és kiválasztani a feladathoz legmegfelelőbb keretet.
- Az adatok feldolgozása folyamatosan, egyidejűleg és rekordonként.
- Integrálja az Stream Processing megoldásokat a meglévő adatbázisokkal, adattárházakkal, adattavakkal stb.
- Integrálja a legmegfelelőbb adatfeldolgozó könyvtárat a vállalati alkalmazásokkal és a mikro-szolgáltatásokkal.
Közönség
- Fejlesztők
- Szoftvertervezők
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Megjegyzések
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
14 hours
Összefoglaló
A Magellan egy nyílt forráskódú, elosztott végrehajtási motor nagy adatok geosztatikus elemzésére. Az Apache Spark tetején megvalósítva kibővíti a Spark SQL és relációs absztrakciót nyújt a térinformatikai elemzéshez.
Ez az oktató által irányított, élő képzés bemutatja a geospacial elemzés megvalósításának koncepcióit és megközelítéseit, és a résztvevőket egy prediktív elemző alkalmazás létrehozásával készíti el a Magellan on Spark segítségével.
A képzés végére a résztvevők képesek lesznek:
- Hatékony lekérdezés, elemzés és csatlakozás a térinformatikai adatkészletekhez méretarányosan
- Helyezze be a térinformatikai adatokat az üzleti intelligencia és a prediktív elemző alkalmazásokba
- Használjon térbeli kontextust a mobil eszközök, érzékelők, naplók és hordozható eszközök bővítéséhez
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
Ez az oktató által irányított, élő képzés bemutatja a geospacial elemzés megvalósításának koncepcióit és megközelítéseit, és a résztvevőket egy prediktív elemző alkalmazás létrehozásával készíti el a Magellan on Spark segítségével.
A képzés végére a résztvevők képesek lesznek:
- Hatékony lekérdezés, elemzés és csatlakozás a térinformatikai adatkészletekhez méretarányosan
- Helyezze be a térinformatikai adatokat az üzleti intelligencia és a prediktív elemző alkalmazásokba
- Használjon térbeli kontextust a mobil eszközök, érzékelők, naplók és hordozható eszközök bővítéséhez
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
21 hours
Összefoglaló
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
Összefoglaló
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
Összefoglaló
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
Összefoglaló
Apache Spark tanulási görbéje eleinte lassan növekszik, sok erőfeszítésre van szükség az első visszatéréshez. Ez a tanfolyam célja az első nehéz rész átlépése. A tanfolyam elvégzése után a résztvevők megértik az Apache Spark alapjait, egyértelműen megkülönböztetik az RDD-t a DataFrame-től, megtanulják a Python és a Scala API-kat, megértik a végrehajtókat és a feladatokat, stb. A bevált gyakorlatokat követve ez a kurzus erősen a következőkre koncentrál: felhő telepítése, Databricks és AWS. A hallgatók megértik az AWS EMR és az AWS Glue, az AWS egyik legújabb Spark szolgáltatásának különbségeit is.
KÖZÖNSÉG:
DevOps , DevOps , Data Scientist
KÖZÖNSÉG:
DevOps , DevOps , Data Scientist
21 hours
Összefoglaló
CÉLKITŰZÉS:
Ez a tanfolyam bemutatja az Apache Spark . A hallgatók megtanulják, hogyan illeszkedik a Spark a Big Data ökoszisztémájához, és hogyan lehet a Sparkot használni az adatok elemzéséhez. A tanfolyam kiterjed a Spark shellre az interaktív adatelemzéshez, a Spark belső részei, a Spark API-k, a Spark SQL , a Spark streaming, valamint a gépi tanulás és a graphX számára.
ÖSSZETÉTEL:
Fejlesztők / adatelemzők
Ez a tanfolyam bemutatja az Apache Spark . A hallgatók megtanulják, hogyan illeszkedik a Spark a Big Data ökoszisztémájához, és hogyan lehet a Sparkot használni az adatok elemzéséhez. A tanfolyam kiterjed a Spark shellre az interaktív adatelemzéshez, a Spark belső részei, a Spark API-k, a Spark SQL , a Spark streaming, valamint a gépi tanulás és a graphX számára.
ÖSSZETÉTEL:
Fejlesztők / adatelemzők
21 hours
Összefoglaló
Python magas szintű programozási nyelv, amely tiszta szintaxisáról és kódolvashatóságáról híres. A Spark egy adatfeldolgozó motor, amelyet a nagy adatok lekérdezéséhez, elemzéséhez és átalakításához használnak. PySpark lehetővé teszi a felhasználók számára a Spark és a Python .
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan kell együtt használni a Python és a Spark-ot a nagy adatok elemzésére, miközben gyakorlati gyakorlatokon dolgoznak.
A képzés végére a résztvevők képesek lesznek:
- Tanulja meg, hogyan kell a Sparkot használni a Python segítségével a Big Data elemzéséhez.
- Dolgozzon olyan gyakorlatokon, amelyek utánozzák a valós körülményeket.
- Használjon különféle eszközöket és technikákat a nagy adatok elemzéséhez a PySpark segítségével.
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják, hogyan kell együtt használni a Python és a Spark-ot a nagy adatok elemzésére, miközben gyakorlati gyakorlatokon dolgoznak.
A képzés végére a résztvevők képesek lesznek:
- Tanulja meg, hogyan kell a Sparkot használni a Python segítségével a Big Data elemzéséhez.
- Dolgozzon olyan gyakorlatokon, amelyek utánozzák a valós körülményeket.
- Használjon különféle eszközöket és technikákat a nagy adatok elemzéséhez a PySpark segítségével.
A tantárgy formátuma
- Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
21 hours
Összefoglaló
Scala a Java tömörített változata nagyszabású funkcionális és objektum-orientált programozáshoz. Apache Spark Streaming a Spark API kibővített összetevője nagy adatkészletek valós idejű adatfolyamként történő feldolgozására. A Spark Streaming és a Scala lehetővé teszik a nagy adatok streamingjét.
Ez az oktató által irányított, élő képzés (helyszíni vagy távoli) olyan szoftvermérnököknek szól, akik nagy adatátvitelt kívánnak folytatni a Spark Streaming és a Scala .
A képzés végére a résztvevők képesek lesznek:
- Hozzon létre Spark alkalmazásokat a Scala programozási nyelven.
- A Spark Streaming segítségével folyamatos adatfolyamokat dolgozhat fel.
- A valós idejű adatfolyamok feldolgozása a Spark Streaming segítségével.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
Ez az oktató által irányított, élő képzés (helyszíni vagy távoli) olyan szoftvermérnököknek szól, akik nagy adatátvitelt kívánnak folytatni a Spark Streaming és a Scala .
A képzés végére a résztvevők képesek lesznek:
- Hozzon létre Spark alkalmazásokat a Scala programozási nyelven.
- A Spark Streaming segítségével folyamatos adatfolyamokat dolgozhat fel.
- A valós idejű adatfolyamok feldolgozása a Spark Streaming segítségével.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
7 hours
Összefoglaló
A Spark SQL az Apache Spark modulja strukturált és nem strukturált adatok kezelésére. A Spark SQL információkat nyújt az adatok felépítéséről és a végrehajtott számításról. Ez az információ felhasználható optimalizáláshoz. A Spark SQL két általános használata:
- SQL lekérdezések végrehajtása.
- a meglévő Hive telepítés adatainak olvasása.
Ebben az oktató által vezetett, élő (helyszíni vagy távoli) képzésen a résztvevők megtanulják, hogyan kell különféle típusú adatkészleteket elemezni a Spark SQL .
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a Spark SQL .
- Végezzen adatelemzést a Spark SQL .
- Lekérdezés adatkészletek különböző formátumokban.
- Vizualizálja az adatokat és a lekérdezés eredményeit.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
- SQL lekérdezések végrehajtása.
- a meglévő Hive telepítés adatainak olvasása.
Ebben az oktató által vezetett, élő (helyszíni vagy távoli) képzésen a résztvevők megtanulják, hogyan kell különféle típusú adatkészleteket elemezni a Spark SQL .
A képzés végére a résztvevők képesek lesznek:
- Telepítse és konfigurálja a Spark SQL .
- Végezzen adatelemzést a Spark SQL .
- Lekérdezés adatkészletek különböző formátumokban.
- Vizualizálja az adatokat és a lekérdezés eredményeit.
A tantárgy formátuma
- Interaktív előadás és beszélgetés.
- Sok gyakorlat és gyakorlat.
- Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
- Ahhoz, hogy igényeljen személyre szabott képzést erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljünk.
35 hours
Összefoglaló
Az MLlib a Spark gépi tanulási (ML) könyvtára. Célja, hogy a gyakorlati gépi tanulás méretezhető és egyszerű legyen. Közös tanulási algoritmusokból és segédprogramokból áll, beleértve a besorolást, a regressziót, a klaszterezést, az együttműködő szűrést, a dimenziócsökkentést, valamint az alacsonyabb szintű optimalizálási primitíveket és a magasabb szintű csővezeték API-kat.
Ez két csomagra oszlik:
-
A spark.mllib tartalmazza az RDD-re épített eredeti API-t.
-
A spark.ml magasabb szintű API-t kínál, amely a DataFrames tetején épült ML-csővezetékek építéséhez.
Közönség
Ez a tanfolyam olyan mérnökökre és fejlesztőkre irányul, akik egy beépített gépkönyvtárat kívánnak használni az Apache Spark
Ez két csomagra oszlik:
-
A spark.mllib tartalmazza az RDD-re épített eredeti API-t.
-
A spark.ml magasabb szintű API-t kínál, amely a DataFrames tetején épült ML-csővezetékek építéséhez.
Közönség
Ez a tanfolyam olyan mérnökökre és fejlesztőkre irányul, akik egy beépített gépkönyvtárat kívánnak használni az Apache Spark
Upcoming Spark Courses
2020-12-02 09:30:00
21 hours
2020-12-14 09:30:00
21 hours
2021-01-25 09:30:00
21 hours
2021-02-03 09:30:00
21 hours
2021-03-30 09:30:00
21 hours
Other countries
Consulting
Online Spark courses, Weekend Apache Spark courses, Evening Apache Spark training, Spark boot camp, Spark instructor-led, Weekend Spark training, Evening Spark courses, Apache Spark coaching, Spark instructor, Apache Spark trainer, Spark training courses, Apache Spark classes, Apache Spark on-site, Apache Spark private courses, Apache Spark one on one training
.png "european space agency (esa)")
.png "aeronautical radio, incorporated (arinc)"){kind=small}
.png "new york stock exchange (nyse)")
