Plan du cours

Introduction

Comprendre Big Data

Aperçu de Spark

Vue d'ensemble de Python

Vue d'ensemble de PySpark

  • Distribuer des données à l'aide de la structure de données distribuées résilientes (Resilient Distributed Datasets Framework)
  • Distribuer des calculs à l'aide des opérateurs de l'API Spark

Configurer Python avec Spark

Configuration PySpark

Utiliser Amazon Web Services (AWS) Instances EC2 pour Spark

Mise en place Databricks

Configuration du cluster AWS EMR

Apprendre les bases de Python Programming

  • Démarrer avec Python
  • Utiliser le bloc-notes Jupyter
  • Utiliser des variables et des types de données simples
  • Travailler avec des listes
  • Utilisation des instructions if
  • Utilisation des entrées utilisateur
  • Travailler avec des boucles while
  • Implémentation de fonctions
  • Travailler avec des classes
  • Travailler avec des fichiers et des exceptions
  • Travailler avec des projets, des données et des API

Apprendre les bases de Spark DataFrame

  • Démarrer avec les DataFrames Spark
  • Implémenter des opérations de base avec Spark
  • Utiliser les opérations Groupby et Aggregate
  • Travailler avec des horodatages et des dates

Travailler sur un projet Spark DataFrame Exercice

Comprendre Machine Learning avec MLlib

Travailler avec MLlib, Spark et Python pour Machine Learning

Comprendre les régressions

  • Apprendre la théorie de la régression linéaire
  • Implémenter un code d'évaluation de régression
  • Travailler sur un exemple d'exercice de régression linéaire
  • Apprendre la théorie de la régression logistique
  • Implémentation d'un code de régression logistique
  • Travailler sur un exemple d'exercice de régression logistique

Comprendre les Random Forest et les arbres de décision

  • Apprendre la théorie des méthodes d'arbres
  • Implémentation des arbres de décision et des codes Random Forest
  • Travailler sur un exemple d'exercice de classification Random Forest

Travailler avec le regroupement K-means

  • Comprendre la théorie du regroupement K-means
  • Implémentation d'un code de clustering K-means
  • Travailler sur un exemple d'exercice de clustering

Travailler avec les systèmes de recommandation

Implémentation du traitement du langage naturel

  • Comprendre Natural Language Processing (NLP)
  • Vue d'ensemble des outils de traitement du langage naturel
  • Travailler sur un exemple d'exercice de NLP

Streaming avec Spark sur Python

  • Vue d'ensemble du streaming avec Spark
  • Exemple d'exercice Spark Streaming

Remarques finales

Pré requis

  • Compétence générale en programmation

Public

  • Développeurs
  • Professionnels de l'informatique
  • Data Scientists
  21 heures
 

Nombre de participants


Début

Fin


Dates are subject to availability and take place between 09:30 and 16:30.
Les formations ouvertes requièrent plus de 3 participants.

Nos Clients témoignent (5)

Cours Similaires

Catégories Similaires