Cursos de Apache Spark Streaming with Scala

En esta capacitación en vivo dirigida por un instructor en los Estados Unidos, los participantes aprenderán a usar Python y Spark juntos para analizar big data mientras trabajan en ejercicios prácticos.

Al final de esta capacitación, los participantes serán capaces de:

• Aprenda a usar Spark con Python para analizar Big Data.
• Trabaja en ejercicios que imiten casos del mundo real.
• Utilice diferentes herramientas y técnicas para el análisis de big data utilizando PySpark.

En esta capacitación en vivo dirigida por un instructor en los Estados Unidos, los participantes aprenderán sobre las ofertas tecnológicas y los enfoques de implementación para el procesamiento de datos de gráficos. El objetivo es identificar objetos del mundo real, sus características y relaciones, luego modelar estas relaciones y procesarlas como datos utilizando un enfoque Graph Computing (también conocido como Graph Analytics). Comenzamos con una visión general amplia y nos limitamos a herramientas específicas a medida que avanzamos a través de una serie de estudios de casos, ejercicios prácticos e implementaciones en vivo.

Al final de esta capacitación, los participantes serán capaces de:

• Comprenda cómo se conservan y recorren los datos de los gráficos.
• Seleccione el mejor marco para una tarea determinada (desde bases de datos de grafos hasta marcos de procesamiento por lotes).
• Implemente Hadoop, Spark, GraphX y Pregel para llevar a cabo el cálculo de grafos en muchas máquinas en paralelo.
• Vea problemas de big data del mundo real en términos de gráficos, procesos y recorridos.

Formato del curso

• Conferencia interactiva y discusión.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertar una cita.

MLlib es la biblioteca de aprendizaje automático (ML) de Spark. Su objetivo es hacer que el aprendizaje práctico de la máquina sea escalable y fácil. Consiste en algoritmos comunes de aprendizaje y utilidades, incluyendo clasificación, regresión, agrupación, filtrado colaborativo, reducción de dimensionalidad, así como primitivas de optimización de nivel más bajo y API de oleoducto de nivel superior.

Se divide en dos paquetes:

• spark.mllib contiene la API original construida sobre RDDs.
• spark.ml proporciona una API de nivel superior construida en la parte superior de DataFrames para la construcción de tuberías de ML.
   

Audiencia

Este curso está dirigido a ingenieros y desarrolladores que buscan utilizar una biblioteca de máquinas construida para Apache Spark

Este plan de formación está diseñado para llevar a los participantes de un principiante a un nivel intermedio / avanzado en la comprensión y el conocimiento del Akka marco.

Todo el curso está en mano, principalmente dirigido por el entrenador al principio y gradualmente cambiando hacia los participantes que producen el código ellos mismos (y descargar implementaciones/soluciones escritas por el entrenador).

No se espera que los asistentes tengan conocimiento previo de Scala, el entrenador tomará el tiempo necesario para explicar y aclarar todas las intricaciones relacionadas con el código Scala utilizado.

El objetivo de este curso es proporcionar una competencia básica en la aplicación de métodos de aprendizaje automático en la práctica. A través del uso del lenguaje de programación Scala y de sus diversas bibliotecas, y basado en una multitud de ejemplos prácticos, este curso enseña cómo usar los bloques de construcción más importantes de Aprendizaje de Máquinas, cómo tomar decisiones de modelado de datos, interpretar las salidas de los algoritmos y validar los resultados.

Nuestro objetivo es darle las habilidades para entender y usar las herramientas más fundamentales de la caja de herramientas de Aprendizaje de Máquinas con confianza y evitar las trampas comunes de las aplicaciones de Data Sciences.

Scala es un lenguaje conciso y orientado a objetos con funciones de programación funcional, que incluye currying, inferencia de tipos, inmutabilidad, evaluación diferida y concordancia de patrones. El código de Scala se ejecuta en una JVM y fue diseñado para abordar algunas de las deficiencias de Java.

En este curso dirigido por un instructor, los participantes aprenderán a usar las características avanzadas de Scala, incluido su sistema de tipos, para escribir mejores códigos utilizando un enfoque funcional de objetos.

Al final de esta capacitación, los participantes podrán:

• Aproveche el sistema de tipos de Scala para obtener el máximo beneficio
• Manejar excepciones funcionalmente
• Crear bibliotecas y DSL con Scala
• Usa las funciones avanzadas de Scala para la coincidencia de patrones

Audiencia

• Programadores de Scala que desean aprender las características más avanzadas y matizadas de Scala

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Scala es un lenguaje conciso y orientado a objetos con funciones de programación funcional, que incluye currying, inferencia de tipos, inmutabilidad, evaluación diferida y concordancia de patrones.

En este curso dirigido por un instructor, los participantes aprenderán cómo usar las características avanzadas de Scala para desarrollar software bien construido que sea fácil de escribir, leer, probar y cambiar. El enfoque de esta capacitación es en la programación funcional, utilizando estudios de casos del mundo real y discusiones como referencia para ejercicios y actividades de laboratorio.

Al final de esta capacitación, los participantes podrán:

• Implementar técnicas avanzadas de programación funcional
• Dar sentido a las firmas de tipos complejos
• Comprender el código a través de los tipos y la sustitución
• Manejar excepciones funcionalmente
• Crear bibliotecas y DSL con Scala
• Usa las funciones avanzadas de Scala para la coincidencia de patrones

Audiencia

• Programadores de Scala que desean aprender las características más avanzadas y matizadas de Scala

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

El objetivo de la formación es brindar oportunidades al lenguaje Scala, aprendiendo la sintaxis de los paradigmas de programación y las aplicaciones espaciales.

El análisis de Big Data implica el proceso de examinar grandes cantidades de conjuntos de datos variados para descubrir correlaciones, patrones ocultos y otras ideas útiles.

La industria de la salud tiene cantidades masivas de datos clínicos y médicos heterogéneos complejos. La aplicación de análisis de big data en datos de salud presenta un enorme potencial para obtener información para mejorar la prestación de servicios de salud. Sin embargo, la magnitud de estos conjuntos de datos plantea grandes desafíos en los análisis y aplicaciones prácticas en un entorno clínico.

En esta capacitación en vivo (remota) dirigida por un instructor, los participantes aprenderán cómo realizar análisis de big data en salud a medida que realizan una serie de ejercicios prácticos de laboratorio en vivo.

Al final de esta capacitación, los participantes podrán:

• Instale y configure herramientas de análisis de big data como Hadoop MapReduce y Spark
• Comprender las características de los datos médicos.
• Aplicar técnicas de big data para manejar datos médicos.
• Estudiar los sistemas y algoritmos de big data en el contexto de las aplicaciones de salud.

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia en parte, discusión en parte, ejercicios y práctica práctica.

Nota

• Para solicitar una capacitación personalizada para este curso, contáctenos para organizarlo.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio) está dirigida a administradores de sistemas que desean aprender a configurar, implementar y administrar Hadoop clústeres dentro de su organización.

Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Apache Hadoop.
• Comprenda los cuatro componentes principales del ecosistema de Hadoop: HDFS, MapReduce, YARN y Hadoop Common.
• Utilice el sistema de archivos distribuido de Hadoop (HDFS) para escalar un clúster a cientos o miles de nodos.  
• Configure HDFS para que funcione como motor de almacenamiento para implementaciones de Spark locales.
• Configure Spark para acceder a soluciones de almacenamiento alternativas como Amazon S3 y sistemas de bases de datos NoSQL como Redis, Elasticsearch, Couchbase, Aerospike, etc.
• Llevar a cabo tareas administrativas como el aprovisionamiento, la gestión, la supervisión y la seguridad de un clúster de Apache Hadoop.

Esta capacitación en vivo dirigida por un instructor en los Estados Unidos (en línea o en el sitio) presenta Hortonworks Data Platform (HDP) y guía a los participantes a través de la implementación de la solución Spark + Hadoop.

Al final de esta capacitación, los participantes podrán:

Utilice Hortonworks para ejecutar Hadoop de forma fiable a gran escala. Unifique las capacidades de seguridad, gobernanza y operaciones de Hadoop con los flujos de trabajo analíticos ágiles de Spark. Utilice Hortonworks para investigar, validar, certificar y dar soporte a cada uno de los componentes de un proyecto de Spark. Procese diferentes tipos de datos, incluidos los estructurados, los no estructurados, en movimiento y en reposo.

En esta capacitación en vivo dirigida por un instructor en los Estados Unidos (in situ o remota), los participantes aprenderán a configurar e integrar diferentes marcos Stream Processing con los sistemas de almacenamiento de big data existentes y las aplicaciones de software y microservicios relacionados.

Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure diferentes Stream Processing marcos, como Spark Streaming y Kafka Streaming.
• Comprender y seleccionar el marco más adecuado para el trabajo.
• Procesamiento de datos de forma continua, concurrente y registro por registro.
• Integre Stream Processing soluciones con bases de datos, almacenes de datos, lagos de datos, etc. existentes.
• Integre la biblioteca de procesamiento de flujos más adecuada con aplicaciones empresariales y microservicios.

Magellan es un motor de ejecución distribuida de código abierto para el análisis geoespacial en big data. Implementado sobre Apache Spark, amplía Spark SQL y proporciona una abstracción relacional para el análisis geoespacial.

Esta capacitación en vivo dirigida por un instructor presenta los conceptos y enfoques para implementar el análisis geospacial y guía a los participantes a través de la creación de una aplicación de análisis predictivo utilizando Magellan en Spark.

Al final de esta capacitación, los participantes podrán:

• Consultar, analizar y unir datos geoespaciales de manera eficiente a escala
• Implementar datos geoespaciales en inteligencia empresarial y aplicaciones de análisis predictivo
• Utilice el contexto espacial para ampliar las capacidades de dispositivos móviles, sensores, registros y dispositivos portátiles

Audiencia

• Desarrolladores de aplicaciones

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Esta formación en directo dirigida por un instructor en los Estados Unidos (online o presencial) está dirigida a desarrolladores que deseen llevar a cabo análisis de big data utilizando Apache Spark en sus aplicaciones .NET.

Al final de esta capacitación, los participantes serán capaces de:

• Instale y configure Apache Spark.
• Comprenda cómo .NET implementa las API de Spark para que se pueda acceder a ellas desde una aplicación .NET.
• Desarrollar aplicaciones de procesamiento de datos utilizando C# o F#, capaces de manejar conjuntos de datos cuyo tamaño se mide en terabytes y pedabytes.
• Desarrolle características de aprendizaje automático para una aplicación .NET con las funcionalidades de Apache Spark.
• Llevar a cabo análisis exploratorios utilizando SQL consultas en grandes conjuntos de datos.