Los cursos de capacitación locales, guiados por instructores en vivo de Apache, demuestran a través de la práctica cómo la chispa encaja en el gran ecosistema de datos y cómo usar la chispa para el análisis de datos.
El entrenamiento de Apache Spark está disponible como "entrenamiento en vivo en el sitio" o "entrenamiento remoto en vivo". El entrenamiento en vivo se puede realizar localmente en las instalaciones del cliente en México o en los centros de entrenamiento corporativos de NobleProg en México. El entrenamiento remoto en vivo se lleva a cabo por medio de un escritorio remoto interactivo.
NobleProg--su proveedor de capacitación local
Testimonios
★★★★★
★★★★★
Me gusto la metodologia esperada por Jorge
Experian Colombia S.A
Curso: Spark para Desarrolladores
Richard es muy tranquilo y metódico, con una visión analítica, exactamente las cualidades necesarias para presentar este tipo de curso.
Kieran Mac Kenna
Curso: Spark para Desarrolladores
Translated by
Casos y casos aplicables
zhaopeng liu - Fmr
Curso: Spark para Desarrolladores
Translated by
Análisis de caso
国栋 张
Curso: Spark para Desarrolladores
Translated by
todas las partes de esta sesión
Eric Han - Fmr
Curso: Spark para Desarrolladores
Translated by
Sabemos mucho más sobre todo el entorno.
John Kidd
Curso: Spark para Desarrolladores
Translated by
El entrenador hizo la clase interesante y entretenida, lo que ayuda bastante con el entrenamiento de todo el día.
Ryan Speelman
Curso: Spark para Desarrolladores
Translated by
Creo que el entrenador tenía un estilo excelente de combinar el humor y las historias de la vida real para que los temas disponibles fueran muy accesibles. Recomiendo encarecidamente a este profesor en el futuro.
Curso: Spark para Desarrolladores
Translated by
Ernesto hizo un gran trabajo al explicar los conceptos de alto nivel del uso de Spark y sus diversos módulos.
Michael Nemerouf
Curso: Spark para Desarrolladores
Translated by
Este es uno de los mejores cursos prácticos de programación de ejercicios que he tomado.
Laura Kahn
Curso: Inteligencia Artificial - La Materia más Aplicada - Análisis de Datos + AI Distribuido + PNL
Translated by
Esta es una de las mejores capacitaciones en línea de calidad que he tomado en mi carrera de 13 años. ¡Mantener el buen trabajo!.
Curso: Inteligencia Artificial - La Materia más Aplicada - Análisis de Datos + AI Distribuido + PNL
Translated by
Richard estaba muy dispuesto a divagar cuando queríamos hacer preguntas semi relacionadas con cosas que no estaban en el programa de estudios. Las explicaciones fueron claras y él estuvo al frente de las advertencias en cualquier consejo que nos dio.
ARM Limited
Curso: Spark para Desarrolladores
Translated by
La VM me gustó mucho
El profesor estaba muy bien informado sobre el tema, así como otros temas, era muy agradable y amable
Me gustó la instalación en Dubai.
Safar Alqahtani - Elm Information Security
Curso: Big Data Analytics in Health
Translated by
tareas de práctica
Pawel Kozikowski - GE Medical Systems Polska Sp. Zoo
Curso: Python y Spark para Big Data (PySpark)
Translated by
Creo que el entrenador tenía un estilo excelente de combinar el humor y las historias de la vida real para que los temas disponibles fueran muy accesibles. Recomiendo encarecidamente a este profesor en el futuro.
Curso: Spark para Desarrolladores
Translated by
Esta es una de las mejores capacitaciones en línea de calidad que he tomado en mi carrera de 13 años. ¡Mantener el buen trabajo!.
Curso: Inteligencia Artificial - La Materia más Aplicada - Análisis de Datos + AI Distribuido + PNL
This course is aimed at developers and data scientists who wish to understand and implement AI within their applications. Special focus is given to Data Analysis, Distributed AI and NLP.
Alexio es un sistema de almacenamiento distribuido virtual de código abierto que unifica sistemas de almacenamiento dispares y permite que las aplicaciones interactúen con datos a la velocidad de la memoria. Es utilizado por compañías como Intel, Baidu y Alibaba.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Alexio para unir diferentes marcos de computación con sistemas de almacenamiento y administrar de manera eficiente los datos de escala de varios petabytes mientras avanzan en la creación de una aplicación con Alluxio.
Al final de esta capacitación, los participantes podrán:
- Desarrolle una aplicación con Alluxio - Conecte aplicaciones y sistemas de big data mientras conserva un espacio de nombres - Extrae de manera eficiente el valor de los grandes datos en cualquier formato de almacenamiento - Mejorar el rendimiento de la carga de trabajo - Implemente y administre Alluxio de forma independiente o en clúster
Audiencia
- Científico de datos - Desarrollador - Administrador de sistema
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
El análisis de Big Data implica el proceso de examinar grandes cantidades de conjuntos de datos variados para descubrir correlaciones, patrones ocultos y otros conocimientos útiles La industria de la salud tiene cantidades masivas de información médica y clínica compleja y heterogénea La aplicación de análisis de big data en datos de salud presenta un gran potencial para obtener ideas para mejorar la prestación de la atención médica Sin embargo, la enormidad de estos conjuntos de datos plantea grandes desafíos en análisis y aplicaciones prácticas para un entorno clínico En este entrenamiento en vivo con instructor (remoto), los participantes aprenderán cómo realizar análisis de big data en salud a medida que avanzan en una serie de ejercicios livelab manuales Al final de esta capacitación, los participantes podrán: Instalar y configurar herramientas de análisis de big data como Hadoop MapReduce y Spark Comprender las características de los datos médicos Aplicar técnicas de big data para tratar datos médicos Estudiar los sistemas de big data y los algoritmos en el contexto de las aplicaciones de salud Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica de handson pesado Nota Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos .
Una gran cantidad de problemas del mundo real se pueden describir en términos de gráficos. Por ejemplo, el gráfico web, el gráfico de red social, el gráfico de red de tren y el gráfico de lenguaje. Estos gráficos tienden a ser extremadamente grandes; su procesamiento requiere un conjunto especializado de herramientas y procesos; estas herramientas y procesos se pueden denominar Computación de Gráficos.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán sobre las diversas ofertas de tecnología e implementaciones para procesar datos de gráficos. El objetivo es identificar los objetos del mundo real, sus características y relaciones, luego modelar estas relaciones y procesarlas como datos utilizando enfoques de computación gráfica. Comenzamos con una amplia visión general y nos limitamos a herramientas específicas a medida que avanzamos en una serie de estudios de casos, ejercicios prácticos e implementaciones en vivo.
Al final de esta capacitación, los participantes podrán:
- Comprender cómo se conservan y atraviesan los datos de gráfico - Seleccione el mejor marco para una tarea determinada (desde bases de datos de gráficos hasta marcos de procesamiento por lotes) - Implemente Hadoop, Spark, GraphX y Pregel para llevar a cabo la computación gráfica en muchas máquinas en paralelo - Ver problemas de Big Data en el mundo real en términos de gráficos, procesos y recorridos
Audiencia
- Desarrolladores
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
Hortonworks Data Platform es una plataforma de soporte de Apache Hadoop de código abierto que proporciona una base estable para el desarrollo de soluciones de big data en el ecosistema de Apache Hadoop.
Esta capacitación en vivo dirigida por un instructor presenta a Hortonworks y guía a los participantes a través del despliegue de la solución Spark + Hadoop.
Al final de esta capacitación, los participantes podrán:
- Use Hortonworks para ejecutar confiablemente Hadoop a gran escala - Unifique las capacidades de seguridad, gobierno y operaciones de Hadoop con los flujos de trabajo analíticos ágiles de Spark. - Use Hortonworks para investigar, validar, certificar y dar soporte a cada uno de los componentes en un proyecto Spark - Procese diferentes tipos de datos, incluidos estructurados, no estructurados, en movimiento y en reposo.
Audiencia
- Administradores de Hadoop
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
El procesamiento de flujo se refiere al procesamiento en tiempo real de "datos en movimiento", es decir, realizar cálculos sobre datos a medida que se reciben. Dichos datos se leen como flujos continuos de fuentes de datos tales como eventos de sensores, actividad de usuarios de sitios web, transacciones financieras, transferencias de tarjetas de crédito, transmisiones de clics, etc. Los marcos de procesamiento de flujos pueden leer grandes volúmenes de datos entrantes y proporcionar información valiosa casi instantáneamente.
En este entrenamiento en vivo dirigido por un instructor (in situ o remoto), los participantes aprenderán cómo configurar e integrar diferentes marcos de Procesamiento de Stream con los sistemas de almacenamiento de big data existentes y aplicaciones de software y microservicios relacionados.
Al final de esta capacitación, los participantes podrán:
- Instale y configure diferentes marcos de procesamiento de flujo, como Spark Streaming y Kafka Streaming - Comprender y seleccionar el marco más adecuado para el trabajo - Proceso de datos de forma continua, concurrente y de forma récord por registro - Integre soluciones de procesamiento de flujo con bases de datos existentes, almacenes de datos, lagos de datos, etc. - Integración de la biblioteca de procesamiento de flujo más apropiada con aplicaciones empresariales y microservicios
Audiencia
- Desarrolladores - Arquitectos de software
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
Notas
- Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos.
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
Apache Spark's learning curve is slowly increasing at the begining, it needs a lot of effort to get the first return. This course aims to jump through the first tough part. After taking this course the participants will understand the basics of Apache Spark , they will clearly differentiate RDD from DataFrame, they will learn Python and Scala API, they will understand executors and tasks, etc. Also following the best practices, this course strongly focuses on cloud deployment, Databricks and AWS. The students will also understand the differences between AWS EMR and AWS Glue, one of the lastest Spark service of AWS.
OBJETIVO: Este curso presentará Apache Spark Los estudiantes aprenderán cómo encaja Spark en el ecosistema Big Data y cómo usar Spark para el análisis de datos El curso cubre Spark shell para análisis interactivo de datos, Spark internals, Spark APIs, Spark SQL, Spark Streaming, machine learning y graphX AUDIENCIA: Desarrolladores / Analistas de datos .
Python es un lenguaje de programación de alto nivel famoso por su claridad de sintaxis y código. Spark es un motor de procesamiento de datos utilizado para consultar, analizar y transformar big data. PySpark permite a los usuarios interactuar con Spark con Python.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar Python y Spark juntos para analizar los datos grandes mientras trabajan en ejercicios prácticos.
Al final de esta capacitación, los participantes podrán:
- Aprenda a usar Spark con Python para analizar Big Data - Trabajar en ejercicios que imitan las circunstancias del mundo real - Utilice diferentes herramientas y técnicas para el análisis de Big Data utilizando PySpark
Audiencia
- Desarrolladores - Profesionales de TI - Científicos de datos
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
Spark SQL es el módulo de Apache Spark para trabajar con datos estructurados y no estructurados Spark SQL proporciona información sobre la estructura de los datos y el cálculo que se realiza Esta información puede usarse para realizar optimizaciones Dos usos comunes para Spark SQL son: para ejecutar consultas SQL para leer datos de una instalación Hive existente En este entrenamiento en vivo instrumentado (in situ o remoto), los participantes aprenderán cómo analizar varios tipos de conjuntos de datos usando Spark SQL Al final de esta capacitación, los participantes podrán: Instalar y configurar Spark SQL Realice análisis de datos usando Spark SQL Conjuntos de datos de consulta en diferentes formatos Visualice datos y resultados de consultas Audiencia Analistas de datos Científicos de datos Ingenieros de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual Notas Para solicitar una capacitación personalizada para este curso, contáctenos para hacer arreglos .
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
Cursos de Fin de Semana de Apache Spark, Capacitación por la Tarde de Apache Spark, Apache Spark boot camp, Clases de Apache Spark, Capacitación de Fin de Semana de Apache Spark, Cursos por la Tarde de Apache Spark, Apache Spark coaching, Instructor de Apache Spark, Capacitador de Apache Spark, Apache Spark con instructor, Cursos de Formación de Apache Spark, Apache Spark en sitio, Cursos Privados de Apache Spark, Clases Particulares de Apache Spark, Capacitación empresarial de Apache Spark, Talleres para empresas de Apache Spark, Cursos en linea de Apache Spark, Programas de capacitación de Apache Spark, Clases de Apache Spark
.png "iberoamericana de hidrocarburos (ihsa)")
.jpg "european molecular biology laboratory (embl)")
_ireland.gif "environmental protection agency (epa) ireland")
.jpg "international air transport association (iata)")
