Dataiku a vállalati mesterséges intelligenciához és gépi tanuláshoz Képzés

Bevezetés

A Dataiku Data Science Studio (DSS) telepítése és konfigurálása

• A Dataiku DSS rendszerkövetelményei
• Az Apache Hadoop és Apache Spark integrációk beállítása
• A Dataiku DSS konfigurálása web proxykkal
• Migráció más platformokról a Dataiku DSS-re

A Dataiku DSS funkcióinak és architektúrájának áttekintése

• A Dataiku DSS alapvető objektumai és grafikonjai
• Mi az a recept a Dataiku DSS-ben?
• A Dataiku DSS által támogatott adathalmazok típusai

Dataiku DSS projekt létrehozása

Adathalmazok meghatározása adatforrásokhoz kapcsolódva a Dataiku DSS-ben

• DSS csatlakozók és fájlformátumok használata
• Standard DSS formátumok vs. Hadoop-specifikus formátumok
• Fájlok feltöltése Dataiku DSS projekthez

A kiszolgáló fájlrendszer áttekintése a Dataiku DSS-ben

Kezelt mappák létrehozása és használata

• Dataiku DSS recept mappák egyesítéséhez
• Helyi vs. nem helyi kezelt mappák

Fájlrendszer-adathalmaz létrehozása kezelt mappa tartalmakból

• Takarítások végrehajtása DSS kód recepttel

Metrikák adathalmaz és belső statisztikák adathalmaz használata

A DSS letöltési recept implementálása HTTP adathalmazhoz

SQL adathalmazok és HDFS adathalmazok áthelyezése DSS segítségével

Adathalmazok rendezése a Dataiku DSS-ben

• Írói rendezés vs. olvasási időbeli rendezés

Adatvizualizációk feltárása és előkészítése Dataiku DSS projekthez

A Dataiku sémák, tárolási típusok és jelentések áttekintése

Adattisztítás, normalizálás és gazdagítási szkriptek végrehajtása a Dataiku DSS-ben

A Dataiku DSS diagramok felületének és a vizuális aggregációk típusainak használata

A DSS interaktív statisztikai funkciójának használata

• Egyváltozós elemzés vs. kétváltozós elemzés
• A Főkomponens-elemzés (PCA) DSS eszköz használata

Gépi tanulás áttekintése a Dataiku DSS-vel

• Felügyelt ML vs. felügyelet nélküli ML
• Referenciák a DSS ML algoritmusokhoz és funkciókezeléshez
• Mélytanulás a Dataiku DSS-vel

A DSS adathalmazokból és receptekből származó folyamat áttekintése

Meglévő adathalmazok átalakítása DSS-ben vizuális receptekkel

Felhasználó által definiált kódokon alapuló DSS receptek használata

Kódok feltárásának és kísérletezésének optimalizálása DSS kód jegyzetfüzetekkel

Speciális DSS vizualizációk és egyéni frontend funkciók írása webalkalmazásokkal

A Dataiku DSS kódjelentések funkciójának használata

Adatprojekt elemek megosztása és a DSS irányítópult megismerése

Dataiku DSS projekt tervezése és csomagolása újrafelhasználható alkalmazásként

Speciális módszerek áttekintése a Dataiku DSS-ben

• Optimalizált adathalmazok particionálásának implementálása DSS segítségével
• Specifikus DSS feldolgozási részek végrehajtása Kubernetes konténerekben

Együttműködés és verziókövetés áttekintése a Dataiku DSS-ben

Automatizációs forgatókönyvek, metrikák és ellenőrzések implementálása DSS projekt teszteléséhez

Projekt üzembe helyezése és frissítése a DSS automatizációs csomópont és csomagok segítségével

Valós idejű API-k használata a Dataiku DSS-ben

• További API-k és Rest API-k a DSS-ben

Idősorok elemzése és előrejelzése a Dataiku DSS-vel

Projekt biztonságossá tétele a Dataiku DSS-ben

• Projekt engedélyek és irányítópult engedélyezések kezelése
• Speciális biztonsági beállítások implementálása

A Dataiku DSS integrálása a felhővel

Hibaelhárítás

Összefoglalás és befejezés