Apache Spark Trainingen in Leiden

Deze praktijkgerichte training onder begeleiding van een docent (online of op locatie) richt zich op datawetenschappers en -engineers met een gemiddelde kennisgraad die Google Colab en Apache Spark willen gebruiken voor big data-verwerking en analyse.

Na afloop van deze training zullen deelnemers in staat zijn om:

• Een big data-omgeving op te zetten met behulp van Google Colab en Spark.
• Grote datasets efficiënt te verwerken en te analyseren met Apache Spark.
• Big data visueel weer te geven in een collaboratieve omgeving.
• Apache Spark te integreren met cloudgebaseerde hulpmiddelen.

Deze live training met een docent in Leiden behandelt het Stratio-platform, met een focus op de modulen Rocket en Intelligence met PySpark. Deelnemers maken data-inname, transformatie en geavanceerde analitieken meester, en verwerven praktische vaardigheden in lussen, UDF's en enterprise data-workflows.

Deze begeleide, live-training in Leiden (online of op locatie) richt zich op ontwikkelaars die Spark, Hadoop en Python willen gebruiken om grote en complexe datasets te verwerken, analyseren en transformeren.

Aan het einde van deze training zullen deelnemers in staat zijn tot het volgende:

• Het instellen van de benodigde omgeving voor het verwerken van big data met Spark, Hadoop en Python.
• De kenmerken, kernonderdelen en architectuur van Spark en Hadoop begrijpen.
• Leren hoe Spark, Hadoop en Python te integreren zijn voor big data-verwerking.
• De tools binnen het Spark-ecosysteem verkennen (Spark MlLib, Spark Streaming, Kafka, Sqoop, en Flume).
• Samenwerkingsgerichte aanbevelingssystemen ontwikkelen, vergelijkbaar met die van Netflix, YouTube, Amazon, Spotify en Google.
• Apache Mahout gebruiken om machine learning-algoritmen te schalen.

Deze door een instructeur geleide, live training in Leiden (online of ter plaatse) is bedoeld voor systeembeheerders met een beginnend tot intermediair niveau die Spark-clusters willen implementeren, onderhouden en optimaliseren.

Na afloop van deze training kunnen deelnemers:

• Apache Spark installeren en configureren in diverse omgevingen.
• Clusterbronnen beheren en Spark-toepassingen monitoren.
• De prestaties van Spark-clusters optimaliseren.
• Beveiligingsmaatregelen implementeren en hoge beschikbaarheid garanderen.
• Fouten opsporen en algemene Spark-problemen oplossen.

In deze door een instructor geleide live training in Leiden, leren deelnemers hoe ze Python en Spark samen gebruiken om Big Data te analyseren, terwijl ze aan de hand van praktische oefeningen werken.

Aan het einde van deze training zijn deelnemers in staat om:

• Te leren hoe Spark met Python wordt gebruikt voor het analyseren van Big Data.
• Te werken aan oefeningen die echte situaties simuleren.
• Onderscheiden tools en technieken te gebruiken voor big data-analyse met behulp van PySpark.

Deze instructeur-gestuurde, live training (online of ter plaatse) is gericht op data engineers, data analisten en data professionals die Databricks en PySpark willen gebruiken om schaalbare datapipelines te bouwen en bestaande SQL-workflows te migreren.

Deze training biedt een praktische introductie tot het ontwikkelen van schaalbare dataprocessings- en Machine Learning-workflows met behulp van PySpark. Deelnemers leren hoe Apache Spark functioneert binnen moderne big data-omgevingen en hoe ze grote datasets efficiënt verwerken aan de hand van principes van gedistribueerde berekeningen.

Dit driedaags praktisch cursusprogramma richt zich op het bouwen en optimaliseren van efficiënte gegevensverwerkingswerkbelastingen met PySpark, Pandas en Polars in Kubernetes-omgevingen.

Deelnemers ontwikkelen een praktisch inzicht in hoe Spark-toepassingen worden uitgevoerd op Kubernetes en hoe beslissingen op applicatieniveau invloed hebben op prestaties, schaalbaarheid, resourcegebruik en kosten. De cursus behandelt belangrijke optimaliseringsgebieden, waaronder executor-grootte, geheugentoewijzing, dynamische toewijzing, partitioneringsstrategieën, shuffle-gedrag, het kleinbestandsprobleem en efficiënte Parquet-verwerking.

De cursus bestrijkt ook veelvoorkomende uitdagingen bij het werken met Pandas, zoals geheugenbeperkingen en out-of-memory-fouten, en introduceert Polars als hoogpresterend alternatief voor geselecteerde gegevensverwerkingswerkbelastingen. Door middel van praktijkoefeningen diagnosticeren deelnemers prestatie- en geheugenproblemen, vergelijken ze verschillende configuratiestrategieën en passen ze optimalisatietechnieken toe op realistische ETL- en machine learning-scenario's.

De nadruk ligt doorheen de cursus op praktische besluitvorming: begrijpen hoe bottlenecks worden geïdentificeerd, het juiste hulpmiddel wordt geselecteerd, Spark efficiënt wordt geconfigureerd en een balans wordt gevonden tussen prestaties en het resourcegebruik en de kosten van de infrastructuur.

Deze door instructeurs geleide live-training in Leiden (online of op locatie) richt zich op engineers die Apache Spark willen implementeren voor het verwerken van zeer grote hoeveelheden data.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• Apache Spark te installeren en configureren.
• Zeer grote datasets snel te verwerken en te analyseren.
• Het verschil tussen Apache Spark en Hadoop MapReduce te begrijpen, evenals wanneer je het een of het ander gebruikt.
• Apache Spark te integreren met andere machine learning-tools.