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.
Ajánlások
★★★★★
★★★★★
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
Translated by
Alkalmazható forgatókönyvek és esetek
zhaopeng liu - Fmr
Kurzus: Spark for Developers
Translated by
Esettanulmány
国栋 张
Kurzus: Spark for Developers
Translated by
az ülés minden részét
Eric Han - Fmr
Kurzus: Spark for Developers
Translated by
Sokkal többet tudunk az egész környezetről.
John Kidd
Kurzus: Spark for Developers
Translated by
A tréner érdekes és szórakoztató, ami egész nap egész napos edzést segíti.
Ryan Speelman
Kurzus: Spark for Developers
Translated by
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
Translated by
Ernesto nagyszerű munkát végzett a Spark és a különböző modulok magas szintű elképzeléseinek magyarázatával.
Michael Nemerouf
Kurzus: Spark for Developers
Translated by
Tetszett a Jorge által várt módszer
Experian Colombia S.A
Kurzus: Spark for Developers
Translated by
Ez az egyik legjobb gyakorlati gyakorlati programozási tanfolyam, amit valaha is vettem.
Laura Kahn
Kurzus: Artificial Intelligence - the most applied stuff - Data Analysis + Distributed AI + NLP
Translated by
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
Translated by
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
Translated by
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
Translated by
gyakorlófeladatokat
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Kurzus: Python and Spark for Big Data (PySpark)
Translated by
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
Translated by
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
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.
Az Alexio egy nyílt forráskódú virtuális elosztott tárolórendszer, amely egyesíti a különböző tárolási rendszereket, és lehetővé teszi az alkalmazások számára, hogy kölcsönhatásba lépjenek az adatok memória sebességével Ezt olyan vállalatok használják, mint az Intel, a Baidu és az Alibaba Ebben az oktatott, élő képzésben a résztvevők megtanulják használni az Alexio-t, hogy áthidalják a különböző számítási kereteket a tárolórendszerekkel és hatékonyan kezelhessék a többasztalos méretadatokat, miközben átmegyek egy alkalmazás létrehozásával az Alluxio-val A képzés végére a résztvevők képesek lesznek: Fejleszteni kell egy alkalmazást az Alluxio-val Nagy adatrendszerek és alkalmazások csatlakoztatása egy névtér megőrzése mellett Hatékony adat kivonása nagy adatokból bármilyen tároló formátumban Javítani kell a munkateher teljesítményét Telepítse és kezelje az Alluxio önálló vagy fürtözött Közönség Adatkutató Fejlesztő Rendszergazda A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
A nagy adatelemzés magában foglalja a nagy mennyiségű változatos adatkészletek vizsgálatát a korrelációk, a rejtett minták és más hasznos ismeretek feltárása érdekében Az egészségügyi ágazat bonyolult heterogén orvosi és klinikai adatokat tartalmaz Nagy adatelemzés alkalmazása az egészségügyi adatokra hatalmas potenciállal rendelkezik az egészségügyi ellátás javításának betekintésében Mindazonáltal ezeknek az adatkészleteknek a nagysága nagy kihívást jelent az elemzések és gyakorlati alkalmazások számára egy klinikai környezetben Ebben az oktatott, élő képzésben (távoli) a résztvevők megtanulják, hogyan végezzenek nagy adatelemzéseket az egészségügyben, miközben egy sor kézmozdulatot végeznek A képzés végére a résztvevők képesek lesznek: Nagyméretű adatelemző eszközök telepítése és konfigurálása, mint például a Hadoop MapReduce és a Spark Ismerje meg az orvosi adatok jellemzőit Nagy adattechnikákat alkalmazzon az orvosi adatok kezelésére Tanulmányozzon nagy adatrendszert és algoritmust az egészségügyi alkalmazásokkal összefüggésben Közönség Fejlesztők Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat jegyzet Ha erre a kurzusra személyre szabott képzést szeretne kérni, kérjük, vegye fel velünk a kapcsolatot .
A grafikonok nagyszámú valós világproblémát írhatnak le Például a webgrafikon, a közösségi hálózat diagramja, a vonat hálózati diagramja és a nyelvrajz Ezek a grafikonok rendkívül nagyok; ezek feldolgozása speciális eszközöket és folyamatokat igényel, ezeket az eszközöket és folyamatokat Graph Computing-nak nevezik (más néven Graph Analytics) Ebben az oktatott, élő képzésben a résztvevők megtudják a grafikonok feldolgozásának technológiai kínálatát és megvalósítási módszereit A cél az, hogy azonosítsák a valós objektumokat, azok tulajdonságait és kapcsolatait, majd ezeket a kapcsolatokat modellezzük és adatként feldolgozzuk egy grafikon-számítási megközelítés alkalmazásával Kezdjük széles körű áttekintéssel és szűkítjük a konkrét eszközöket, miközben számos esettanulmányt, kézmozdulatot és élő telepítést végzünk A képzés végére a résztvevők képesek lesznek: Értsd meg, hogy a grafikonadatok továbbra is fennállnak-e és hogyan haladnak át Válassza ki az adott feladat legjobb keretét (a gráf adatbázisból a kötegelt feldolgozó keretbe) Végezze el a Hadoop, a Spark, a GraphX és a Pregel használatát, hogy számos gépen párhuzamosan végezzen grafikus számítást Tekintse meg a realworld nagy adatproblémáit grafikonok, folyamatok és átjárók tekintetében Közönség Fejlesztők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
A Hortonworks Data Platform egy nyílt forráskódú Apache Hadoop támogató platform, amely stabil alapot nyújt az Apache Hadoop ökoszisztémában található nagy adat-megoldások fejlesztéséhez Ez az oktatott élő képzés bemutatja a Hortonworksot, és a Spark + Hadoop megoldás bevezetésével jár a résztvevők között A képzés végére a résztvevők képesek lesznek: Használja a Hortonworksot a Hadoop nagy megbízhatóságú futtatására Egyesítse a Hadoop biztonságát, irányítását és működését a Spark agilis analitikus munkafolyamataival Használja a Hortonworks-ot, hogy megvizsgálja, validálja, igazolja és támogassa az egyes komponenseket egy Spark projektben Feldolgozza a különböző típusú adatokat, beleértve a strukturált, strukturálatlan, inmotion és atrest Közönség Hadoop adminisztrátorok A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
A Stream feldolgozás a "mozgásban lévő adatok" valós idejű feldolgozását jelenti, vagyis az adatokat az adatok fogadása során végzi Az ilyen adatokat folyamatos forrásokból, például szenzor eseményekből, weboldal felhasználói tevékenységből, pénzügyi műveletekből, hitelkártya-swipekből, kattintásáramokból stb Olvashatják A Stream feldolgozó keretrendszer képes nagy mennyiségű bejövő adat olvasására, és szinte azonnali értékes információt nyújtani Ebben az oktatott, élő képzésben (helyszíni vagy távoli) a résztvevők megtanulják, hogyan állítsák be és integrálják a különböző Stream Processing kereteket a meglévő nagy adattároló rendszerekkel, valamint a kapcsolódó szoftveralkalmazásokkal és mikroszolgáltatókkal A képzés végére a résztvevők képesek lesznek: Telepítse és konfigurálja a különböző adatfolyam-feldolgozási kereteket, például a Spark Streaming és a Kafka Streaming Ismerje meg és válassza ki a munkához legmegfelelőbb kereteket Az adatok feldolgozása folyamatosan, egyidejűleg és egy recordbyrecord módon Stream feldolgozási megoldások integrálása meglévő adatbázisokkal, adattárházakkal, adatgyűjtőkkel stb A legmegfelelőbb adatfolyamfeldolgozó könyvtár integrálása vállalati alkalmazásokhoz és mikroszolgáltatókhoz Közönség Fejlesztők Szoftver építészek A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat Megjegyzések Ha erre a kurzusra személyre szabott képzést szeretne kérni, kérjük, vegye fel velünk a kapcsolatot .
A Magellan egy nyílt forráskódú elosztott végrehajtó motor a nagy adatok térinformatikai analíziséhez Az Apache Spark tetején végrehajtva kiterjeszti a Spark SQL-t, és relációs absztrakciót biztosít a térinformatikai analízishez Ez az oktatott, élő képzés bemutatja a geospaciális elemzések megvalósításának koncepcióit és megközelítéseit, és a Magellan on Spark használatával előrejelző elemző alkalmazás létrehozásával jár a résztvevők számára A képzés végére a résztvevők képesek lesznek: Hatékonyan lekérdezzük, elemezzük és csatlakozzunk térinformatikai adatkészletekhez A térinformatikai adatok végrehajtása az üzleti intelligencia és a prediktív elemzési alkalmazások területén Használja a térbeli környezetet a mobil eszközök, szenzorok, naplók és hordozható eszközök képességeinek bővítésére Közönség Alkalmazásfejlesztők A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
Apache Spark's learning curve is slowly increasing at the begining, it needs a lot of effort to get the first return. This course aims to jump through the first tough part. After taking this course the participants will understand the basics of Apache Spark , they will clearly differentiate RDD from DataFrame, they will learn Python and Scala API, they will understand executors and tasks, etc. Also following the best practices, this course strongly focuses on cloud deployment, Databricks and AWS. The students will also understand the differences between AWS EMR and AWS Glue, one of the lastest Spark service of AWS.
CÉLKITŰZÉS: Ez a kurzus bemutatja az Apache Sparkot A diákok megtudják, hogyan illeszkedik a Spark a Big Data ökoszisztémába, és hogyan használja a Sparkot az adatok elemzéséhez A kurzus kiterjed a Spark héjra az interaktív adatelemzés, a Spark internals, a Spark API, a Spark SQL, a Spark streaming és a gépi tanulás és a GraphX számára KÖZÖNSÉG: Fejlesztők / adatelemzők .
A Python egy magas szintű programozási nyelv, amely híres a világos szintaxisáról és a kódolvasásról A Spark egy adatfeldolgozó motor, amelyet a nagy adatok lekérdezésében, elemzésében és átalakításában használnak A PySpark lehetővé teszi a felhasználók számára a Spark és a Python kapcsolatát Ebben az oktatott, élő képzésben a résztvevők megtanulják használni a Python és a Spark együttes használatát a nagy adatok elemzéséhez, mivel kézműves gyakorlatokon dolgoznak A képzés végére a résztvevők képesek lesznek: Ismerje meg, hogyan használhatja a Sparkot a Python segítségével a Big Data elemzéséhez Olyan gyakorlatokon dolgozik, amelyek utánozzák a valós körülmények körülményeit Használjon különböző eszközöket és technikákat a nagy adatelemzéshez a PySpark használatával Közönség Fejlesztők Informatikai szakemberek Adatkutatók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat .
A Spark SQL az Apache Spark modulja a strukturált és strukturálatlan adatok feldolgozásához A Spark SQL információt szolgáltat az adatok szerkezetéről, valamint az elvégzett számításról Ez az információ használható az optimalizálás végrehajtására A Spark SQL két gyakori felhasználása: SQL lekérdezések végrehajtására egy létező Hive telepítéséről származó adatok olvasása Ebben az oktatott, élő képzésben (helyszíni vagy távoli) a résztvevők megtanulják, hogyan kell elemezni a különböző típusú adathalmazokat a Spark SQL segítségével A képzés végére a résztvevők képesek lesznek: Telepítse és konfigurálja a Spark SQL-t Végezze el az adatok elemzését a Spark SQL segítségével Lekérdező adathalmazok különböző formátumokban Adatok és lekérdezések eredményeinek megjelenítése Közönség Adatelemzők Adatkutatók Adatmérnökök A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat Megjegyzések Ha erre a kurzusra személyre szabott képzést szeretne kérni, kérjük, vegye fel velünk a kapcsolatot .
Az MLlib a Spark gépi tanulás (ML) könyvtár Célja, hogy a gyakorlati gépi tanulás skálázható és egyszerű legyen Közös tanulási algoritmusokból és segédprogramokból áll, beleértve a besorolást, a regressziót, a fürtözést, az együttműködésen alapuló szűrést, a dimenziócsökkentést, valamint a legalacsonyabb szintű optimalizációs primitíveket és a magasabb szintű pipeline API-kat Két csomagba oszlik: A sparkmllib tartalmazza az eredeti API-t, amely az RDD-k tetejére épül A sparkml a DataFrames tetején épített highlevel API-t nyújtja az ML csővezetékek építéséhez Közönség Ez a kurzus olyan mérnökökre és fejlesztőkre irányul, akik az Apache Spark beépített gépkönyvtárát szeretnék kihasználni .
.jpg "food and drug administration (fda)")
.png "new york stock exchange (nyse)")
