Cursos de Apache Spark em Gaia

Esta formação ao vivo, orientada por um instrutor em Gaia (online ou presencial), destina-se a cientistas de dados e engenheiros de nível intermédio que desejam utilizar o Google Colab e o Apache Spark para o processamento e análise de Big Data.

Ao final desta formação, os participantes poderão:

• Configurar um ambiente de Big Data utilizando Google Colab e Spark.
• Processar e analisar grandes conjuntos de dados de forma eficiente com o Apache Spark.
• Visualizar dados em grandes volumes (Big Data) num ambiente colaborativo.
• Integrar o Apache Spark com ferramentas baseadas em cloud.

Esta formação ao vivo, conduzida por instrutores em Gaia (online ou presencial), destina-se a programadores que desejem utilizar e integrar o Spark, o Hadoop e o Python para processar, analisar e transformar conjuntos de dados grandes e complexos.

À conclusão desta formação, os participantes serão capazes de:

• Configurar o ambiente necessário para iniciar o processamento de big data com Spark, Hadoop e Python.
• Compreender as funcionalidades, componentes principais e arquitetura do Spark e do Hadoop.
• Aprender a integrar o Spark, o Hadoop e o Python para o processamento de big data.
• Explorar as ferramentas do ecossistema Spark (Spark MlLib, Spark Streaming, Kafka, Sqoop, Kafka e Flume).
• Construir sistemas de recomendação com filtragem colaborativa, semelhantes aos da Netflix, YouTube, Amazon, Spotify e Google.
• Utilizar o Apache Mahout para escalar algoritmos de machine learning.

Esta formação ao vivo, dirigida por instrutores, em Gaia (online ou presencial), destina-se a administradores de sistemas de nível iniciante a intermédio que desejam implantar, manter e otimizar clusters Spark.

No final desta formação, os participantes serão capazes de:

• Instalar e configurar o Apache Spark em vários ambientes.
• Gerir os recursos do cluster e monitorizar as aplicações Spark.
• Otimizar o desempenho dos clusters Spark.
• Implementar medidas de segurança e garantir a alta disponibilidade.
• Depurar e resolver problemas comuns do Spark.

Nesta formação ao vivo dirigida por um instrutor em Gaia, os participantes aprenderão a utilizar o Python e o Spark em conjunto para analisar big data, enquanto trabalham em exercícios práticos.

Ao final desta formação, os participantes serão capazes de:

• Aprender a utilizar o Spark com o Python para analisar Big Data.
• Trabalhar em exercícios que imitam casos do mundo real.
• Utilizar diferentes ferramentas e técnicas para análise de big data utilizando o PySpark.

Esta formação ao vivo, orientada por um instrutor (online ou presencial), destina-se a engenheiros de dados, analistas de dados e profissionais de dados que desejem utilizar o Databricks e o PySpark para construir pipelines de dados escaláveis e migrar workflows SQL existentes.

Esta formação oferece uma introdução prática à criação de pipelines escaláveis de processamento de dados e de Machine Learning utilizando PySpark. Os participantes aprendem como o Apache Spark opera nos ecossistemas de Big Data modernos e como processar eficientemente grandes conjuntos de dados utilizando os princípios da computação distribuída.

Este curso prático de três dias foca-se na construção e otimização de cargas de trabalho de processamento de dados eficientes, utilizando PySpark, Pandas e Polars em ambientes baseados em Kubernetes.

Os participantes desenvolverão uma compreensão prática de como as aplicações Spark são executadas no Kubernetes e de como as decisões de configuração a nível de aplicação influenciam o desempenho, a escalabilidade, o consumo de recursos e os custos. O curso abrange áreas-chave de otimização, incluindo a dimensionamento dos executors, a alocação de memória, a alocação dinâmica, estratégias de particionamento, o comportamento do shuffle, problemas relacionados com ficheiros pequenos e o processamento eficiente de Parquet.

O curso aborda também desafios comuns ao trabalhar com Pandas, incluindo limitações de memória e falhas por exceder a memória disponível (out-of-memory), e apresenta o Polars como uma alternativa de alto desempenho para cargas de trabalho de processamento de dados selecionadas. Através de exercícios práticos, os participantes diagnosticarão problemas de desempenho e de memória, compararão diferentes estratégias de configuração e aplicarão técnicas de otimização a cenários realistas de ETL e de aprendizado de máquina.

A ênfase durante todo o curso recai sobre a tomada de decisão prática: compreender como identificar gargalos, selecionar a ferramenta adequada, configurar o Spark de forma eficiente e equilibrar o desempenho com o consumo de recursos da infraestrutura e os custos.

Esta formação conduzida por instrutor, em Gaia (online ou presencial), destina-se a engenheiros que pretendem configurar e implementar o sistema Apache Spark para processar grandes volumes de dados.

À conclusão desta formação, os participantes serão capazes de:

• Instalar e configurar o Apache Spark.
• Processar e analisar rapidamente conjuntos de dados muito grandes.
• Compreender as diferenças entre o Apache Spark e o Hadoop MapReduce e identificar quando utilizar cada uma destas tecnologias.
• Integrar o Apache Spark com outras ferramentas de aprendizagem de máquina.