Ежедневные обновления уникальных курсов со складчика. Скачивание абсолютно бесплатно.
Регистрируйтесь в нашем архиве прямо сейчас.

P.S.
Не используйте временные почтовые адреса. Регистрация будет отклонена. Спасибо за понимание.

[Ксения Стройкова] Pазработчик bigdata. Модуль 4 (2018)

Тема в разделе "Программирование", создана пользователем Zigreal, 20 авг 2018.

Оставить отзыв:
/5,
  1. Zigreal

    Zigreal Administrator

    Регистрация:
    4 июл 2017
    Сообщения:
    8.686
    Симпатии:
    150
    Баллы:
    63
    Пол:
    Мужской
    [Ксения Стройкова] Pазработчик bigdata. Модуль 4 (2018)

    Программирование

    Скачать [Ксения Стройкова] Pазработчик bigdata. Модуль 4 (2018), Отзывы Складчик » Архив Складчин

    Скачать [Ксения Стройкова] Pазработчик bigdata. Модуль 4 (2018), Отзывы Складчик » Архив Складчин

    Большую часть времени любого разработчика процессов анализа данных занимает разработка самого процесса по преобразованию данных на разных этапах. Предполагаются этапы сбора, очистки, агрегации данных, построения модели и предсказания характеристик.
    В четвертом модуле рассматриваются возможности построения надежных процессов преобразования данных.В более крупных компаниях данные превышают возможности одной типичной разработческой машины. Появляется потребность работы с алгоритмами, обрабатывающими данные в потоке, а также с кластером.
    В четвертом модуле разбираются процессы преобразования данных, слои данных, потоки данных и различные способы хранения и преобразования таких данных на кластере. Разберем возможности построения моделей на кластере. К концу модуля слушатели смогут уверенно использовать стек технологий Hadoop: писать задачи на MapReduce с использованием Java или Hadoop Streaming, использовать Hive и Spark для быстрого преобразования данных, расчета статистик, построения моделей на кластере.

    Занятие 25: Процесс CRISP-DM. Выбор хранилища, запросы к базе (Реляционная, нереляционная). Большие данные и параллельные вычисления.
    Кластер, hdfs, запросы к hdfs. Map Reduce, Java, Python, Необходимость в кластерных вычислениях. Парадигма MapReduce. Инструменты работы с большими данными. Hadoop, Spark, обзор других компонентов экосистемы. Развертывание кластера Hadoop локально для выполнения учебных примеров. Выполнение учебных примеров на кластере.
    ДЗ
    Настройка окружения для локальной работы с кластером. Выполнение на локальном кластере набора учебных задач.

    Занятие 26: Vowpal Wabbit для обучения линейных моделей на одной машине

    Занятие 27: MapReduce на Java, Hadoop Streaming - MapReduce на Python, bash
    ДЗ
    Реализация алгоритма с использованием MapReduce.

    Занятие 28: Пайплайны. Способы выстроить поток задач, обеспечить выполнение. Отказоустойчивость, мониторинг.

    Занятие 29: Слои данных для оптимизации процессов использования данных. Hive.
    ДЗ
    Реализация алгоритма с использованием Hive.

    Занятие 30: Организация хранения данных для решения задач машинного обучения

    Занятие 31: Spark
    Spark как инструмент быстрого доступа к данным. Spark как инструмент для машинного обучения.
    ДЗ
    Реализация алгоритма с использованием Spark.

    Занятие 32: Обзор решений для аналитики больших данных
    Vertica, Clickhouse. Основные преимущества и недостатки, для хранения и обработки данных.
    Агрегация, управление, эксперименты, анализ, визуализация и BI

     
    Отзыв
    Загрузка...
Оставить отзыв:
/5,

Поделиться этой страницей

Share