Dataiku for Enterprise AI és Machine Learning Képzés

Bevezetés

Dataiku Data Science Studio (DSS) telepítése és konfigurálása

• Dataiku DSS rendszerkövetelmények
• Apache Hadoop és Apache Spark integrációinak beállítása
• Dataiku DSS konfigurálása webfelületekkel
• Átállítás más platformokra Dataiku DSS-re

Áttekintés a Dataiku DSS funkciókról és architektúrájáról

• Dataiku DSS alapjául szolgáló objektumok és gráfok
• Mi az a receptek Dataiku DSS-ben?
• Dataiku DSS által támogatott adathalmazok típusai

Dataiku DSS projekt létrehozása

Adathalmazok meghatározása adatokhoz való csatlakozásra Dataiku DSS-ben

• DSS-vel való munkavégzés és fájlformátumok
• Standard DSS formátumok vs. Hadoop-specifikus formátumok
• Fájlok feltöltése egy Dataiku DSS projekthez

Áttekintés a Dataiku DSS szerver fájlrendszeréről

Kezelő mappák létrehozása és használata

• Dataiku DSS receptek egyesítő mappákhoz
• Helyi vs. nem helyi kezelő mappák

Fájlrendszer adathalmaz létrehozása kezelő mappa tartalmakkal

• DSS kód receptekkel történő takarítások végrehajtása

Munka a Metrics Dataset és az Internal Stats Dataset-tel

DSS Download receptek implementálása HTTP Dataset-hez

SQL adathalmazok és HDFS adathalmazok áthelyezése DSS-sel

Adathalmazok rendezése Dataiku DSS-ben

• Író rendezése vs. olvasási időbeni rendezés

Adatok felfedezése és előkészítése Dataiku DSS projektben

Áttekintés a Dataiku sémákról, tárolási típusokról és jelentésekről

Adat tisztítás, normalizálás és gazdagítási szkript futtatása Dataiku DSS-ben

Munka a Dataiku DSS grafikus felülettel és a vizuális agregációk típusával

DSS interaktív statisztikai funkciójának használata

• Egyváltozós analízis vs. kétváltozós analízis
• A DSS PCA (Principal Component Analysis) eszköz használata

Áttekintés a gépi tanulásról Dataiku DSS-ben

• Felügyelt ML vs. fel nem ügyelt ML
• DSS ML algoritmusok és funkciókezelés hivatkozások
• Mély tanulás Dataiku DSS-ben

Áttekintés a DSS adathalmazokból és recepteknél származó folyamatról

Adathalmazok átalakítása DSS vizuális receptekkel

DSS receptek használata felhasználói kód alapján

DSS kódfüzetekkel történő kódfelfedezés és kísérletezés optimalizálása

Webapp-ök segítségével fejlett DSS vizualizációk és saját frontendi funkciók létrehozása

Munka a Dataiku DSS kódjelentések funkciójával

Adatprojektek elemeinek megosztása és ismerkedés a DSS dashboarddal

Dataiku DSS projekt tervezése és csomagolása újrafelhasználható alkalmazásként

Áttekintés az Dataiku DSS előrehaladott módszereiről

• DSS által támogatott optimalizált adathalmaz részek létrehozása
• DSS-szel történő specifikus részfolyamatok végrehajtása Kubernetes konténerben

Áttekintés a együttműködésről és verziókezelésről Dataiku DSS-ben

Automatizálási szenáriók, metrikák és ellenőrzések implementálása DSS projekt teszteléséhez

Projekt telepítése és frissítése DSS Automatizálási Csomópontokkal és csomagokkal

Munka a valós idejű API-kkal Dataiku DSS-ben

• DSS további API-k és REST API-k

Dataiku DSS idősorok elemzése és előrejelzése

Projekt biztonsága Dataiku DSS-ben

• Projekt engedélyek és dashboard jogosultságok kezelése
• Előrehaladott biztonsági beállítások implementálása

Dataiku DSS integrálása a felhővel

Hibaelhárítás

Összegzés és záróelőkészítés