Plan du cours
Introduction
Compréhension du Big Data
Présentation de Spark
Présentation de Python
Présentation de PySpark
- Diffusion des données via le framework Resilient Distributed Datasets (RDD)
- Diffusion du calcul via les opérateurs de l'API Spark
Configuration de Python avec Spark
Configuration de PySpark
Utilisation des instances Amazon Web Services (AWS) EC2 pour Spark
Configuration de Databricks
Configuration du cluster AWS EMR
Apprentissage des bases de la programmation Python
- Démarrage avec Python
- Utilisation du Jupyter Notebook
- Utilisation des variables et des types de données simples
- Gestion des listes
- Utilisation des instructions if
- Utilisation des entrées utilisateur
- Gestion des boucles while
- Implémentation de fonctions
- Gestion des classes
- Gestion des fichiers et des exceptions
- Gestion de projets, de données et d'APIs
Apprentissage des bases des DataFrames Spark
- Démarrage avec les DataFrames Spark
- Implémentation d'opérations de base avec Spark
- Utilisation des opérations Groupby et d'agrégation
- Gestion des horodatages et des dates
Réalisation d'un exercice de projet sur un DataFrame Spark
Compréhension de l'apprentissage automatique avec MLlib
Gestion de MLlib, Spark et Python pour l'apprentissage automatique
Compréhension des régressions
- Apprentissage de la théorie de la régression linéaire
- Implémentation d'un code d'évaluation de régression
- Réalisation d'un exercice de régression linéaire type
- Apprentissage de la théorie de la régression logistique
- Implémentation d'un code de régression logistique
- Réalisation d'un exercice de régression logistique type
Compréhension des forêts aléatoires et des arbres de décision
- Apprentissage de la théorie des méthodes d'arbres
- Implémentation des codes pour les arbres de décision et les forêts aléatoires
- Réalisation d'un exercice de classification par forêt aléatoire type
Gestion du regroupement K-means
- Compréhension de la théorie du regroupement K-means
- Implémentation d'un code de regroupement K-means
- Réalisation d'un exercice de clustering type
Gestion des systèmes de recommandation
Implémentation du traitement du langage naturel
- Compréhension du traitement du langage naturel (NLP)
- Présentation des outils NLP
- Réalisation d'un exercice NLP type
Streaming avec Spark sur Python
- Présentation du streaming avec Spark
- Exercice de streaming Spark type
Remarques de clôture
Pré requis
- Compétences générales en programmation
Public cible
- Développeurs
- Professionnels de l'IT
- Data Scientists
Nos clients témoignent (6)
J'ai aimé qu'il soit pratique. J'ai adoré appliquer les connaissances théoriques avec des exemples pratiques.
Aurelia-Adriana - Allianz Services Romania
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
Le cours portait sur une série de sujets très complexes et interconnectés, et Pablo maîtrise chaque domaine en profondeur. Parfois, les nuances étaient perdues dans la communication et/ou à cause des contraintes de temps, ce qui a pu entraîner un écart entre les attentes et la réalité. Il y avait également quelques problèmes d'installation avec UHG/Azure Databricks, mais Pablo et UHG les ont résolus rapidement une fois qu'ils sont devenus apparents - cela témoigne à mes yeux d'un haut niveau de compréhension et de professionnalisme entre UHG et Pablo,
Michael Monks - Tech NorthWest Skillnet
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
Attention individuelle.
ARCHANA ANILKUMAR - PPL
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
Formation pratique..
Abraham Thomas - PPL
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
Les leçons ont été dispensées dans un notebook Jupyter. Les sujets étaient structurés de manière logique et contribuaient naturellement à développer la session des parties les plus simples aux plus complexes. Étant déjà un utilisateur avancé de Python avec une formation en apprentissage automatique, j'ai trouvé le cours plus facile à suivre que, possiblement, certains de mes camarades qui ont suivi la formation. J'apprécie que certaines des notions les plus élémentaires aient été omises et qu'il se soit concentré sur les questions les plus importantes.
Angela DeLaMora - ADT, LLC
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
tâches de pratique
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Formation - Python and Spark for Big Data (PySpark)
Traduction automatique
