Programa do Curso
Introdução
Compreensão do Big Data
Visão geral do Spark
Visão geral do Python
Visão geral do PySpark
- Distribuição de Dados Utilizando o Framework de Conjuntos Distribuídos Resilientes (RDD)
- Distribuição de Computação Utilizando Operadores da API do Spark
Configuração do Python com Spark
Configuração do PySpark
Utilização de Instâncias EC2 da Amazon Web Services (AWS) para Spark
Configuração do Databricks
Configuração do Cluster AWS EMR
Aprendizagem dos Fundamentos da Programação em Python
- Iniciação ao Python
- Utilização do Jupyter Notebook
- Utilização de Variáveis e Tipos de Dados Simples
- Trabalho com Listas
- Utilização de Declarações if
- Utilização de Entradas do Utilizador
- Trabalho com Ciclos while
- Implementação de Funções
- Trabalho com Classes
- Trabalho com Ficheiros e Exceções
- Trabalho com Projetos, Dados e APIs
Aprendizagem dos Fundamentos do Spark DataFrame
- Iniciação aos Spark DataFrames
- Implementação de Operações Básicas com o Spark
- Utilização de Operações Groupby e Agregação
- Trabalho com Carimbos de Data e Horas e Datas
Exercício Prático de Projeto com Spark DataFrame
Compreensão do Machine Learning com MLlib
Trabalho com MLlib, Spark e Python para Machine Learning
Compreensão das Regressões
- Aprendizagem da Teoria da Regressão Linear
- Implementação de um Código de Avaliação de Regressão
- Exercício Prático de Regressão Linear de Amostra
- Aprendizagem da Teoria da Regressão Logística
- Implementação de um Código de Regressão Logística
- Exercício Prático de Regressão Logística de Amostra
Compreensão das Florestas Aleatórias e Árvores de Decisão
- Aprendizagem da Teoria dos Métodos de Árvores
- Implementação de Códigos para Árvores de Decisão e Florestas Aleatórias
- Exercício Prático de Classificação com Floresta Aleatória de Amostra
Trabalho com Clustering K-means
- Compreensão da Teoria do Clustering K-means
- Implementação de um Código de Clustering K-means
- Exercício Prático de Clustering de Amostra
Trabalho com Sistemas de Recomendação
Implementação do Processamento de Linguagem Natural
- Compreensão do Processamento de Linguagem Natural (NLP)
- Visão Geral das Ferramentas de NLP
- Exercício Prático de NLP de Amostra
Streaming com Spark em Python
- Visão Geral do Streaming com Spark
- Exercício de Streaming Spark de Amostra
Requisitos
- Competências gerais de programação
Público-alvo
- Programadores
- Profissionais de TI
- Cientistas de Dados
Formação Empresarial Personalizada
Soluções de formação concebidas exclusivamente para empresas.
- Conteúdo Personalizado: Adaptamos o programa e os exercícios práticos aos objetivos e necessidades reais do seu projeto.
- Horário Flexível: Datas e horários adaptados à agenda da sua equipe.
- Formato: Online (ao vivo), In-Company (em suas instalações) ou Híbrido.
Preço por grupo privado, formação online em direto, a partir de 3900 € + VAT*
Entre em contato conosco para obter um orçamento preciso e conhecer nossas promoções mais recentes
Testemunhos de Clientes (6)
Gostei do fato de ser prático. Adorei aplicar o conhecimento teórico com exemplos práticos.
Aurelia-Adriana - Allianz Services Romania
Curso - Python and Spark for Big Data (PySpark)
Máquina Traduzida
O curso abordou uma série de tópicos muito complexos e interrelacionados, e Pablo possui um conhecimento profundo de cada um deles. Às vezes, nuances se perdiam na comunicação e/ou devido a pressões de tempo, o que possivelmente fez com que as expectativas não fossem totalmente atendidas. Além disso, houve alguns problemas de configuração do UHG/Azure Databricks, mas Pablo e UHG resolveram esses problemas rapidamente assim que se tornaram evidentes - isso para mim demonstrou um alto nível de entendimento e profissionalismo entre UHG e Pablo,
Michael Monks - Tech NorthWest Skillnet
Curso - Python and Spark for Big Data (PySpark)
Máquina Traduzida
Atenção individual.
ARCHANA ANILKUMAR - PPL
Curso - Python and Spark for Big Data (PySpark)
Máquina Traduzida
Treinamento Prático..
Abraham Thomas - PPL
Curso - Python and Spark for Big Data (PySpark)
Máquina Traduzida
As aulas foram ministradas em um notebook Jupyter. Os tópicos foram estruturados com uma sequência lógica e naturalmente ajudaram a desenvolver a sessão das partes mais fáceis às mais complexas. Como já sou um usuário avançado de Python, com experiência em Aprendizado de Máquina, achei o curso mais fácil de seguir do que possivelmente alguns dos meus colegas que fizeram o treinamento. Aprecio que alguns dos conceitos mais elementares tenham sido omitidos e que ele tenha se concentrado nos assuntos mais substanciais.
Angela DeLaMora - ADT, LLC
Curso - Python and Spark for Big Data (PySpark)
Máquina Traduzida
tarefas práticas
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Curso - Python and Spark for Big Data (PySpark)
Máquina Traduzida