Programa do Curso
Introdução
Compreendendo o Big Data
Visão Geral do Spark
Visão Geral do Python
Visão Geral do PySpark
- Distribuição de Dados Usando o Framework Resilient Distributed Datasets
- Distribuição de Computação Usando Operadores da API do Spark
Configurando Python com Spark
Configurando PySpark
Usando Instâncias EC2 da Amazon Web Services (AWS) para Spark
Configurando Databricks
Configurando o Cluster AWS EMR
Aprendendo os Fundamentos da Programação em Python
- Primeiros Passos com Python
- Usando o Jupyter Notebook
- Usando Variáveis e Simples Tipos de Dados
- Trabalhando com Listas
- Usando Sentenças if
- Usando Entradas do Usuário
- Trabalhando com Laços while
- Implementando Funções
- Trabalhando com Classes
- Trabalhando com Arquivos e Exceções
- Trabalhando com Projetos, Dados e APIs
Aprendendo os Fundamentos do Spark DataFrame
- Primeiros Passos com DataFrames do Spark
- Implementando Operações Básicas com Spark
- Usando Operações Groupby e Aggregate
- Trabalhando com Timestamps e Datas
Trabalhando em um Exercício de Projeto com Spark DataFrame
Compreendendo Machine Learning com MLlib
Trabalhando com MLlib, Spark e Python para Machine Learning
Compreendendo Regressões
- Aprendendo a Teoria da Regressão Linear
- Implementando um Código de Avaliação de Regressão
- Trabalhando em um Exercício de Amostra de Regressão Linear
- Aprendendo a Teoria da Regressão Logística
- Implementando um Código de Regressão Logística
- Trabalhando em um Exercício de Amostra de Regressão Logística
Compreendendo Random Forests e Árvores de Decisão
- Aprendendo a Teoria dos Métodos de Árvore
- Implementando Códigos de Árvores de Decisão e Random Forests
- Trabalhando em um Exercício de Amostra de Classificação com Random Forest
Trabalhando com K-means Clustering
- Compreendendo a Teoria do K-means Clustering
- Implementando um Código de K-means Clustering
- Trabalhando em um Exercício de Amostra de Clustering
Trabalhando com Sistemas de Recomendação
Implementando Processamento de Linguagem Natural
- Compreendendo o Processamento de Linguagem Natural (NLP)
- Visão Geral das Ferramentas de NLP
- Trabalhando em um Exercício de Amostra de NLP
Streaming com Spark em Python
- Visão Geral do Streaming com Spark
- Exercício de Amostra de Streaming com Spark
Requisitos
- Habilidades gerais de programação
Público-alvo
- Desenvolvedores
- Profissionais de TI
- Cientistas de Dados
Treinamento Corporativo Personalizado
Soluções de treinamento projetadas 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, treinamento online ao vivo, 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