基于Python的Spark大數(shù)據(jù)處理技術(shù)（楊老師）

學(xué)員基礎(chǔ)
1，對IT系統(tǒng)設(shè)計有一定的理論與實踐經(jīng)驗。
2，有一定的python和大數(shù)據(jù)基礎(chǔ)知識和開發(fā)經(jīng)驗。
 
師資
由業(yè)界知名大數(shù)據(jù)專家親自授課：
楊老師   主要研究網(wǎng)絡(luò)信息分析以及云計算相關(guān)技術(shù)，長期從事通信網(wǎng)管系統(tǒng)、網(wǎng)絡(luò)信息處理、商務(wù)智能(BI)以及電信決策支持系統(tǒng)的研究開發(fā)工作，主持和參與了多個國家和省部級基金項目，具有豐富的工程實踐及軟件研發(fā)經(jīng)驗。
 
培訓(xùn)內(nèi)容
第一講 Spark基礎(chǔ)知識
1)什么是Apache Spark
2)Spark作業(yè)和API
3)DataFrame和Dataset
4)Spark 2.0的架構(gòu)
5)SparkSession介紹
6)Tungsten Phase 2
7)結(jié)構(gòu)化流

第二講 彈性分布式數(shù)據(jù)集
1)RDD的內(nèi)部運行方式
2)創(chuàng)建RDD
3)全局作用域和局部作用域
4)RDD轉(zhuǎn)換
5)RDD操作

第三講 利用DataFrame加速PySpark
1)Python到RDD之間的通信
2)Catalyst優(yōu)化器刷新
3)創(chuàng)建DataFrame
4)RDD的交互操作
5)利用DataFrame API查詢
6)利用SQL查詢
7)DataFrame應(yīng)用實例
 
第四講 準(zhǔn)備數(shù)據(jù)建模
1)檢查重復(fù)數(shù)據(jù)及異常數(shù)據(jù)
2)描述性統(tǒng)計
3)數(shù)據(jù)相關(guān)性
4)數(shù)據(jù)可視化
5)直方圖

第五講 MLlib數(shù)據(jù)挖掘工具
1)MLlib包概述
2)加載和轉(zhuǎn)換數(shù)據(jù)
3)數(shù)據(jù)相關(guān)性和描述性統(tǒng)計
4)創(chuàng)建最終數(shù)據(jù)集
5)MLlib應(yīng)用實例-預(yù)測嬰兒生存機會

第六講 ML機器學(xué)習(xí)包
1)ML包的概述
2)分類、回歸和聚類
3)使用ML預(yù)測嬰兒生存率
4)ML超參調(diào)優(yōu)
5)ML的特征提取
6)ML的其他功能

第七講 使用Blaze實現(xiàn)持久化
1)安裝Blaze
2)混合持久化
3)使用NumPy和pandas數(shù)據(jù)
4)與關(guān)系型數(shù)據(jù)庫進(jìn)行交互
5)數(shù)據(jù)操作和訪問
6)數(shù)據(jù)連接

第八講 Tensorflow基礎(chǔ)
1)神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)
2)TensorFlow介紹和安裝
3)配置和設(shè)置TensorFlow
4)使用TensorFlow進(jìn)行矩陣分析
5)TensorFlow操作示例

第九講 結(jié)構(gòu)化流Streaming
1)Streaming介紹
2)Streaming的基本組件
3)Streaming應(yīng)用程序數(shù)據(jù)流
4)用DStream簡化Streaming應(yīng)用程序
5)全局聚合
6)結(jié)構(gòu)化流介紹

第十講 打包Spark應(yīng)用程序
1)spark-submit命令
2)以編程方式部署應(yīng)用程序
3)配置你的SparkSession
4)創(chuàng)建SparkSession
5)模塊化代碼
6)提交作業(yè)和監(jiān)控執(zhí)行
 
培訓(xùn)目標(biāo)
1, 學(xué)習(xí)Python和Spark的相關(guān)知識。
2，學(xué)習(xí)Python和Spark的核心技術(shù)方法及應(yīng)用。
3，了解Python和Spark在數(shù)據(jù)分析中的使用。