Python, Spark, and Hadoop for Big Data Kurzusok

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megtanulják, hogyan használhatják a Python-t és a Spark-ot a nagy adatok elemzésére, miközben gyakorlati gyakorlatokon dolgoznak.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg, hogyan használhatja a Sparkot a Python-vel a Big Data elemzésére.
• Dolgozz olyan gyakorlatokon, amelyek a valós eseteket utánozzák.
• Használjon különféle eszközöket és technikákat a PySpark használatával végzett nagy adatelemzéshez.

Ezen az oktató által vezetett, élő képzésen a Magyarország-ban a résztvevők megismerkedhetnek a technológiai kínálatokkal és a grafikonadatok feldolgozásának megvalósítási módszereivel. A cél a valós objektumok, jellemzőik és kapcsolataik azonosítása, majd a kapcsolatok modellezése és adatként való feldolgozása Graph Computing (más néven Graph Analytics) megközelítéssel. Kezdjük egy átfogó áttekintéssel, és leszűkítjük a konkrét eszközöket, miközben esettanulmányok, gyakorlati gyakorlatok és élő telepítések sorozatán lépkedünk végig.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a grafikonadatok megőrzését és bejárását.
• Válassza ki a legjobb keretrendszert egy adott feladathoz (a gráfadatbázisoktól a kötegelt feldolgozási keretrendszerekig).
• A Hadoop, a Spark, a GraphX és a Pregel megvalósítása számos gépen párhuzamosan végezhet gráfszámítást.
• Tekintse meg a valós big data problémákat grafikonok, folyamatok és bejárások formájában.

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

A tanfolyam formátuma

• Interaktív előadás és beszélgetés.
• Sok gyakorlat és gyakorlat.
• Gyakorlati megvalósítás élő labor környezetben.

Tanfolyam testreszabási lehetőségek

• Ha személyre szabott képzést szeretne kérni ehhez a tanfolyamhoz, kérjük, vegye fel velünk a kapcsolatot, hogy megbeszéljük.

A Pandas egy Python csomag, amely adatstruktúrákat biztosít a strukturált (táblázatos, többdimenziós, potenciálisan heterogén) és idősoros adatokkal való munkavégzéshez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak szól, akik a Pandas segítségével szeretnék prediktív elemzést készíteni gépi tanulással.

A képzés végére a résztvevők képesek lesznek:

• Hajtsa végre az adatvesztést az Python-ben.
• ETL műveletek végrehajtása a gépi tanuláshoz.
• Hozzon létre adatvizualizációkat a Pandákkal

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik a Modin segítségével párhuzamos számításokat szeretnének létrehozni és megvalósítani a Pandas segítségével a gyorsabb adatelemzés érdekében.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges környezetet a Pandas munkafolyamatok Modin segítségével történő nagyszabású fejlesztéséhez.
• Ismerje meg a Modin funkcióit, architektúráját és előnyeit.
• Ismerje meg a különbségeket Modin, Dask és Ray között.
• Hajtsa végre Pandas műveletet gyorsabban a Modin segítségével.
• Valósítsa meg a teljes Pandas API-t és funkciókat.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és szoftvermérnököknek szól, akik a Dask-ot a Python ökoszisztémával kívánják használni nagy adatkészletek létrehozására, méretezésére és elemzésére.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a környezetet a nagy adatfeldolgozás felépítéséhez a Dask és Python segítségével.
• Fedezze fel a Dask szolgáltatásban elérhető szolgáltatásokat, könyvtárakat, eszközöket és API-kat.
• Ismerje meg, hogyan gyorsítja fel a Dask a párhuzamos számítást Pythonban.
• Ismerje meg, hogyan méretezheti a Python ökoszisztémát (Numpy, SciPy és Pandas) a Dask segítségével.
• Optimalizálja a Dask környezetet, hogy megőrizze a nagy teljesítményt a nagy adatkészletek kezelésében.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a FastAPI-t Python-vel szeretnék használni a RESTful API-k egyszerűbb és gyorsabb létrehozásához, teszteléséhez és üzembe helyezéséhez.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet az API-k Python és FastAPI használatával történő fejlesztéséhez.
• A FastAPI könyvtár segítségével gyorsabban és egyszerűbben hozhat létre API-kat.
• Ismerje meg, hogyan hozhat létre adatmodelleket és sémákat Pydantic és OpenAPI alapján.
• Csatlakoztassa az API-kat egy adatbázishoz az SQLAlchemy segítségével.
• A FastAPI eszközök segítségével valósítsa meg a biztonságot és a hitelesítést az API-kban.
• Konténerképek létrehozása és webes API-k telepítése felhőkiszolgálón.

Ez az oktató által vezetett, élő (online vagy helyszíni) képzés azoknak a fejlesztőknek szól, akik a FARM (FastAPI, React és MongoDB) stacket szeretnék használni dinamikus, nagy teljesítményű és méretezhető webalkalmazások létrehozására.

A képzés végére a résztvevők képesek lesznek:

Állítsa be a szükséges fejlesztői környezetet, amely integrálja a FastAPI-t, a React-t és a MongoDB-t. Ismerje meg a FARM verem legfontosabb fogalmait, jellemzőit és előnyeit. Ismerje meg, hogyan hozhat létre REST API-kat a FastAPI segítségével. Ismerje meg, hogyan tervezhet interaktív alkalmazásokat a React segítségével. Alkalmazások fejlesztése, tesztelése és üzembe helyezése (front end és back end) a FARM verem segítségével.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a SciPy segítségével kívánnak fejlett tudományos számítási funkciókat létrehozni Python segítségével.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet a tudományos számítási funkciók létrehozásának megkezdéséhez.
• Használja ki az SciPy funkciók teljes előnyeit összetett műveletek gyakorlati példáinak végrehajtásával.
• Valósítson meg és optimalizáljon matematikai algoritmusokat és függvényeket tudományos problémák megoldására.
• Adatstruktúrák és interpolációs módszerek tervezése a megjelenítéshez, feldolgozáshoz és elemzéshez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a PyGame segítségével szeretnének játékokat létrehozni és készíteni Python programozással.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet, hogy elkezdhesse játékalkalmazások készítését a PyGame és Python segítségével.
• Ismerje meg, hogyan hozhat létre interaktív PyGame alkalmazásokat animációkkal és multimédiás funkciókkal integrálva.
• Futtassa és tesztelje a játékprogramokat a PyGame tesztcsomaggal, és konvertálja őket futtatható fájlokká.

Ez a gyakorlati tanfolyam azoknak a Python fejlesztőknek szól, akik el akarják készíteni és karbantartják első webes alkalmazásukat. Olyan embereknek szól, akik már ismerik a többi webes keretet, például a Django vagy a Web2py , és meg akarják tanulni, hogy miként lehet megváltoztatni a mikrokeretet (azaz egy olyan keretet, amely harmadik fél könyvtárait összeragasztja ahelyett, hogy önálló univerzális megoldást kínálna). a folyamat.

A tanfolyam jelentős részét nem magának a lombnak (ez apró), hanem harmadik fél könyvtáraira és eszközöire fordítják, amelyeket gyakran használnak a lombik projektekben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a háttérfejlesztőknek szól, akik REST API-kat szeretnének építeni Python és Flask segítségével.

A képzés végére a résztvevők képesek lesznek:

• Valósítson meg egy REST API-t, amely lehetővé teszi egy Flask webalkalmazás számára, hogy olvasson és írjon egy adatbázist a háttérben.
• Fejlesszen fejlett hitelesítési funkciókat, például frissítési tokenek.
• Újrafelhasználható háttérrendszer létrehozása a jövőbeli Python-projektekhez.
• Egyszerűsítse az adatok tárolását az SQLAlchemy segítségével.
• Telepítsen REST API-kat egy felhő alapú szerverre.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik szeretnék használni a Flask fejlett funkcióit, hogy méretezhető webalkalmazásokat építsenek a MongoDB tetejére.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet, hogy elkezdhesse webalkalmazások fejlesztését a Flask segítségével.
• Ismerje meg a valós Flask projektek fejlett koncepcióit és technikáit.
• Építsen egy RESTful API szervert a MongoDB tetejére.
• Ismerje meg a mikroszolgáltatások konténerbe helyezését, tesztelését és üzembe helyezését a Flask, Docker és Amazon EC2 segítségével.
• Szerezzen betekintést a fejlett Flask integrációkba a webalkalmazások méretezéséhez.