Python, Spark, and Hadoop for Big Data Training Cursus

In deze door een instructeur geleide, live training leren deelnemers hoe ze Python en Spark samen kunnen gebruiken om big data te analyseren terwijl ze aan praktische oefeningen werken.

Aan het einde van deze training kunnen deelnemers:

• Leer hoe u Spark met Python kunt gebruiken om Big Data te analyseren.
• Werk aan oefeningen die praktijkgevallen nabootsen.
• Gebruik verschillende tools en technieken voor big data-analyse met PySpark.

In deze door een instructeur geleide, live training leren deelnemers over het technologieaanbod en de implementatiebenaderingen voor het verwerken van grafiekgegevens. Het doel is om objecten uit de echte wereld, hun kenmerken en relaties te identificeren, deze relaties vervolgens te modelleren en ze als gegevens te verwerken met behulp van een Graph Computing (ook bekend als Graph Analytics) aanpak. We beginnen met een breed overzicht en beperken ons tot specifieke tools terwijl we een reeks casestudies, praktische oefeningen en live implementaties doorlopen.

Aan het einde van deze training kunnen deelnemers:

• Begrijp hoe grafiekgegevens worden bewaard en doorlopen.
• Selecteer het beste raamwerk voor een bepaalde taak (van grafische databases tot raamwerken voor batchverwerking).
• Implementeer Hadoop, Spark, GraphX en Pregel om graph computing parallel uit te voeren op veel machines.
• Bekijk big data-problemen uit de echte wereld in termen van grafieken, processen en traversals.

MLlib is Spark's machine learning (ML) bibliotheek. Het doel is om praktische machine learning schaalbaar en eenvoudig te maken. Het bestaat uit algemene leeralgoritmen en hulpprogramma's, waaronder classificatie, regressie, clustering, collaboratieve filtering, vermindering van de dimensionaliteit, evenals optimalisatieprimitieven op een lager niveau en pijplijn-API's op een hoger niveau.

Het is verdeeld in twee pakketten:

• spark.mllib bevat de originele API gebouwd bovenop RDD's.

• spark.ml biedt een API op een hoger niveau gebouwd bovenop DataFrames voor het construeren van ML-pijpleidingen.

Publiek

Deze cursus is bedoeld voor ingenieurs en ontwikkelaars die een ingebouwde machinebibliotheek voor Apache Spark

Formaat van de cursus

• Interactieve lezing en discussie.
• Veel oefeningen en oefeningen.
• Praktische implementatie in een live-labomgeving.

Opties voor cursusaanpassing

• Als u een training op maat voor deze cursus wilt aanvragen, kunt u contact met ons opnemen om een afspraak te maken.

Pandas is een Python-pakket dat datastructuren biedt voor het werken met gestructureerde (tabelvormige, multidimensionale, potentieel heterogene) en tijdreeksgegevens.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers die Pandas willen gebruiken om voorspellende analyses uit te voeren met machinaal leren.

Aan het einde van deze training kunnen deelnemers:

• Voer gegevensverwerking uit in Python.
• Voer ETL-bewerkingen uit voor machine learning.
• Creëer datavisualisaties met Pandas

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op datawetenschappers en ontwikkelaars die Modin willen gebruiken om parallelle berekeningen te bouwen en te implementeren met Pandas voor snellere data-analyse.

Aan het einde van deze training kunnen deelnemers:

• Zet de benodigde omgeving op om met Modin workflows op schaal te ontwikkelen Pandas.
• Begrijp de functies, architectuur en voordelen van Modin.
• Ken de verschillen tussen Modin, Dask en Ray.
• Voer Pandas bewerkingen sneller uit met Modin.
• Implementeer de volledige Pandas API en functies.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op datawetenschappers en software-ingenieurs die Dask willen gebruiken met het Python ecosysteem om grote datasets te bouwen, schalen en analyseren.

Aan het einde van deze training kunnen deelnemers:

• Zet de omgeving op om te beginnen met het bouwen van big data-verwerking met Dask en Python.
• Ontdek de functies, bibliotheken, tools en API's die beschikbaar zijn in Dask.
• Begrijp hoe Dask parallel computing in Python versnelt.
• Leer hoe u het Python-ecosysteem (Numpy, SciPy en Pandas) kunt schalen met Dask.
• Optimaliseer de Dask-omgeving om hoge prestaties te behouden bij het verwerken van grote datasets.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars die FastAPI met Python willen gebruiken om RESTful API's eenvoudiger en sneller te bouwen, testen en implementeren.

Aan het einde van deze training kunnen deelnemers:

• Zet de benodigde ontwikkelomgeving op om API's te ontwikkelen met Python en FastAPI.
• Creëer sneller en eenvoudiger API's met de FastAPI-bibliotheek.
• Leer hoe u datamodellen en schema's kunt maken op basis van Pydantic en OpenAPI.
• Verbind API's met een database met behulp van SQLAlchemy.
• Implementeer beveiliging en authenticatie in API's met behulp van de FastAPI-tools.
• Bouw containerimages en implementeer web-API's op een cloudserver.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars die de FARM-stack (FastAPI, React en MongoDB) willen gebruiken om dynamische, krachtige en schaalbare webapplicaties te bouwen.

Aan het einde van deze training kunnen deelnemers:

Zet de benodigde ontwikkelomgeving op die FastAPI, React en MongoDB integreert. Begrijp de belangrijkste concepten, kenmerken en voordelen van de FARM-stack. Leer hoe u REST API's bouwt met FastAPI. Leer hoe u interactieve applicaties ontwerpt met React. Ontwikkel, test en implementeer applicaties (front-end en back-end) met behulp van de FARM-stack.

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op ontwikkelaars die SciPy willen gebruiken om geavanceerde wetenschappelijke computerfuncties te creëren met Python.

Aan het einde van deze training kunnen deelnemers:

• Zet de noodzakelijke ontwikkelomgeving op om te beginnen met het creëren van wetenschappelijke computerfuncties.
• Profiteer optimaal van SciPy functies door praktische voorbeelden van complexe bewerkingen uit te voeren.
• Implementeer en optimaliseer wiskundige algoritmen en functies om wetenschappelijke problemen op te lossen.
• Ontwerp datastructuren en interpolatiemethoden voor visualisatie, verwerking en analyse.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op ontwikkelaars die PyGame willen gebruiken om games te maken en te bouwen met behulp van Python programmeren.

Aan het einde van deze training kunnen deelnemers:

• Zet de benodigde ontwikkelomgeving op om te beginnen met het maken van gameapplicaties met PyGame en Python.
• Leer hoe u interactieve PyGame-applicaties kunt maken, geïntegreerd met animaties en multimediafuncties.
• Voer en test spelprogramma's uit met de PyGame-testsuite en converteer ze naar uitvoerbare bestanden.

Deze praktische cursus is bedoeld voor Python ontwikkelaars die hun eerste webapplicaties willen maken en onderhouden. Het is ook bedoeld voor mensen die al bekend zijn met andere Web2py , zoals Django of Web2py , en willen leren hoe het gebruik van een microframework (dat wil zeggen een framework dat bibliotheken van derden aan elkaar plakt in plaats van een zelfstandige universele oplossing te bieden) verandert het proces.

Een aanzienlijk deel van de cursus is niet gewijd aan Flask zelf (het is klein), maar aan bibliotheken en tools van derden die vaak worden gebruikt in Flask-projecten.

Deze door een instructeur geleide, live training (op locatie of op afstand) is gericht op backend-ontwikkelaars die REST API's willen bouwen met Python en Flask.

Aan het einde van deze training kunnen deelnemers:

• Implementeer een REST API zodat een Flask-webapplicatie een database in de backend kan lezen en ernaar kan schrijven.
• Ontwikkel geavanceerde authenticatiefuncties zoals vernieuwingstokens.
• Bouw een herbruikbare backend voor toekomstige Python-projecten.
• Vereenvoudig de opslag van gegevens met SQLAlchemy.
• Implementeer REST API's op een cloudgebaseerde server.

Deze door een instructeur geleide, live training in Nederland (op locatie of op afstand) is gericht op ontwikkelaars die de geavanceerde functies van Flask willen gebruiken om schaalbare webapplicaties te bouwen bovenop MongoDB.

Aan het einde van deze training kunnen deelnemers:

• Zet de benodigde ontwikkelomgeving op om te beginnen met het ontwikkelen van webapplicaties met Flask.
• Maak kennis met de geavanceerde concepten en technieken voor echte Flask-projecten.
• Bouw een RESTful API-server bovenop MongoDB.
• Leer hoe u microservices kunt containeriseren, testen en implementeren met Flask, Docker en Amazon EC2.
• Krijg inzicht in de geavanceerde Flask-integraties voor het schalen van webapplicaties.