Анализ данных с помощью современного Apache Spark

4х-дневный практический курс для разработчиков Apache Spark, дата инженеров и аналитиков данных, Data Scientist’ов и других специалистов Big Data, которые используют Spark, потоковую обработку Spark Streaming, машинное обучение на базе Spark ML и графовые возможности Spark (GraphX и Graphframes).

Код курса Даты начала курса Стоимость обучения Длительность обучения Формат обучения
SPARK
07 октября 2024
16 декабря 2024
17 февраля 2025
96 000 руб. 32 ак.часов
Количество дней: 4
Дистанционный
Регистрация

О продукте:

Apache Spark — это Big Data фреймворк с открытым исходным кодом для распределённой пакетной и потоковой обработки данных (в том числе неструктурированных и слабоструктурированных), входящий в экосистему проектов Hadoop.

Спарк состоит из следующих компонентов:

  • Ядро (Core Spark), включающее Spark SQL — возможность аналитической обработки данных с помощью SQL-запросов;
  • Streaming — надстройка для обработки потоковых данных;
  • ML — набор библиотек для подготовки данных и машинного обучения (Machine Learning);
  • GraphX — модуль распределённой обработки графов.

Благодаря такому разнообразию инструментов интерактивной аналитики данных, Спарк активно используется в системах интернета вещей (IoT/IIoT), а также в различных бизнес-приложениях, в т.ч. для машинного обучения. Например, для прогнозирования оттока клиентов и оценки финансовых рисков.

Современный Apache Spark может работать как в среде кластера Hadoop под управлением YARN, так и без компонентов ядра хадуп, в частности, с использованием Kubernetes в качестве системы управления кластером. Спарк поддерживает несколько популярных распределённых систем хранения данных (HDFS и совместимые с HDFS файловые системы, объектное хранилище Amazon S3), а также может работать с Delta Lake. Apache Spark предоставляет языковые API для часто используемых в области Big Data языков программирования: Java, Scala, Python и R, в современных версиях добавлен pandas API, возможность работы со Spark Connect, полезная при использовании территориально или сетево удаленных кластеров. Во время курса мы подробно разберем эти и другие особенности современного Apache Spark.

Аудитория:

Практический курс по Спарк рассчитан на разработчиков Big Data, дата инженеров и аналитиков данных, Data Scientist’ов и других специалистов по большим данным, которые хотят получить опыт настройки и использования компонентов Apache Spark: Spark Core, Spark SQL, Spark Streaming, Spark ML и Spark GraphX.

Уровень подготовки:

  • Знание базовых команд Linux (опыт работы с командной строкой, файловой системой, POSIX)
  • Начальный опыт программирования (Python)
  • Начальный опыт в экосистеме Hadoop

О курсе:

Продолжительность: 4 дня, 32 академических часа

Соотношение теории к практике 40/60

Практический курс «Анализ данных с помощью современного Apache Spark» представляет собой 4-дневный интенсивный тренинг по использованию распределенной платформы Apache Spark для работы с большими массивами данных, в том числе — неструктурированных , и потоковой обработки информации.

Обучение Спарк содержит теоретический минимум, необходимый для эффективного использования всех компонентов Apache Spark (Spark Core, Spark Streaming, Spark SQL, ML и GraphX) для пакетной и потоковой обработки данных. Практическая часть включает запуск и настройку компонентов, работу в среде Jupyter Notebook, прикладное использование Спарк для разработки собственных распределенных приложений пакетной и потоковой обработки информации и анализа больших данных.

Программа курса «Анализ данных с помощью современного Apache Spark»

1. Обзор Apache Spark

    • Архитектура Spark. Обзор компонентов Spark и их назначения

2. Основные абстракции Apache Spark

    • Трансформации и действия, Lazy Evaluation

3. Знакомство с Dataframes

    • Structured API и основная абстракция Spark – Dataframe

4. Знакомство со Spark RDD

    • Low Level API, использование Resilient Distributed Dataset

5. Apache Spark SQL

    • Получение данных из SQL-источников и обработка данных с помощью Spark SQL
    • Отправка данных в SQL СУБД и работа с Hive QL
    • Spark SQL и Hadoop

6. Работа с источниками данных

    • Ввод и вывод в Apache Spark
    • Работа с файлами и базами данных

7. Производительность и параллелизм в Apache Spark

    • Планы выполнения запроса: логические и физические

8. Конфигурирование Apache Spark

    • Принципы конфигурирования и основные настройки

9. Spark Streaming и Structured Streaming

    • Виды потоковой обработки в Apache Spark
    • Особенности исполнения streaming кода
    • Checkpoint в Spark Streaming

10. GraphX и ML

    • Место и особенности графовых моделей в программировании
    • Задачи машинного обучения и проблематика больших данных
    • Основные возможности Spark ML

11. Обработка слабоструктурированных данных

    • Работа с JSON и XML файлами, особенности и возможности

12. Современный Spark

    • pandas API в spark
    • Spark Connect: долгоживущие сессии
    • Spark on Kubernetes (будущее в настоящем)
    • Delta Lake — технологическая основа LakeHouse
Скачать программу курса «Анализ данных с Apache Spark, Spark Streaming» в формате pdf

Отправить ссылку на e-mail:

Чему Вы научитесь:

  • понимать особенности использования RDD и dataframe;
  • обращаться к большим данным с использование SQL или HiveQL;
  • использовать Spark Streaming для создания распределенных приложений потоковой обработки больших данных;
  • настраивать и использовать компоненты MLLib и GraphX;
  • обрабатывать слабоструктурированные данные, представленные в форматах JSON или XML.

Что Вы получите:

Окончив курс «Анализ данных с помощью современного Apache Spark» в нашем лицензированном учебном центре «Школа Больших Данных», вы получите удостоверение установленного образца, которое может засчитываться в качестве свидетельства о повышении квалификации.

Кто проводит курс

Королев Михаил
МГУ им. М.В. Ломоносова (Москва, 1992)
Профессиональные компетенции:

Отзывы наших клиентов о курсе

Чтобы записаться на курс SPARK: Анализ данных с помощью современного Apache Spark позвоните нам по телефону +7 (495) 414-11-21 или заполните форму регистрации ниже.

Я даю свое согласие на обработку персональных данных и соглашаюсь с политикой конфиденциальности.
Поиск по сайту