Databricks 和 PySpark 在數據工程中的應用培訓

Azure Databricks 是一套基於雲端的協作平台，利用 Apache Spark 和 Microsoft Azure 生態系來支援大數據分析與機器學習。

這門由講師主導的實作課程（提供線上或線下模式），主要針對希望使用 Azure Databricks 設計、建置並部署機器學習模型以應用於金融案例的中階資料專業人士。

完成此培訓後，學員將能夠：

• 在 Azure Databricks 中使用金融資料來建立和訓練機器學習模型。
• 運用 MLflow 追蹤實驗、管理模型，並部署解決方案。
• 應用模型來偵測異常、評估風險，或預測金融趨勢。
• 將機器學習模型整合至可擴展的管線中，以進行持續評估。

課程形式

• 互動式講授與討論。
• 大量的練習與實作。
• 在即時實驗室環境中進行實作。

課程客製化選項

• 如需請求此課程的客製化培訓，請聯繫我們以安排。

這項在 台灣（線上或線下）舉辦的導師指導實訓，針對希望使用 Databricks 建置、部署和管理資料分析解決方案的数据科学家和開發者。

完成培訓後，學員將能夠：

• 設置和配置 Databricks。
• 了解 Databricks 與 Apache Spark 如何協同工作。
• 學習如何在 Databricks 中載入和轉換數據。

Databricks是一個統一的Lakehouse平台，它結合了Spark、Delta Lake以及治理功能（Unity Catalog），以支持可擴展的數據工程和分析工作流程。

這是一門由講師主講的培訓課程（提供線上或線下形式）。目標對象是具有數據工程背景的中級技術經理。本課程旨在幫助學員將複雜的過程性OLAP邏輯遷移至使用Databricks、Spark、Delta Lake、Unity Catalog以及原生工作流的Lakehouse架構。

完成本培訓後，學員將能夠：

• 解釋Lakehouse架構及Bronze→Silver→Gold（Medallion）模式。
• 將存儲過程邏輯轉換為Spark DataFrame和Notebook實現。
• 設計並使用Delta Lake實現增量加載、合併以及優化例程。
• 構建端到端的Databricks Workflows管道，包含版本控制、測試及治理功能。

課程格式

• 密集的講師主講環節，重點在於演示與解釋。
• 每日實操實驗室訓練，使用代表性數據集進行遷移練習。
• 指導性的代碼審查、性能調試clinic以及工作流程編排實踐。

課程定制選項

• 本課程可根據您的環境、數據集及治理需求進行定製；請聯繫我們安排相關事宜。

Databricks 是一個統一的數據分析平台，旨在為協作環境中的大數據和機器學習提供支持。

這是一門由講師指導的培訓課程，可線上或線下進行。此課程針對初級至中級數據分析師和金融專業人士，他們希望在大規模數據分析中使用 Databricks 來解決金融相關的用例。

完成本培訓後，參與者將能夠：

• 使用 Databricks notebook 查詢和分析金融數據集。
• 清洗和轉換原始金融數據以用於報告和洞察。
• 創建儀表板及視覺化工具來追蹤表現。
• 在共享的 notebook 中與團隊成員即時協作。

課程形式

• 互動式講座和討論。
• 大量的練習和操作實踐。
• 在實時實驗室環境中的實操演練。

課程定制選項

• 如需針對此課程進行定制培訓，請聯繫我們安排。

本培訓提供實用入門課程，教導如何使用 PySpark 建構可擴展的數據處理和機器學習工作流程。學員將了解 Apache Spark 如何在現代大數據生態系統中運行，以及如何利用分散式計算原理高效處理大型資料集。

在這堂由導師帶領的 台灣 培訓中，參與者將在實踐練習的同時學習如何結合使用 Python 和 Spark 來分析大數據。

培訓結束後，參與者將能夠：

• 學會如何使用 PySpark 結合 Spark 與 Python 來分析大數據。
• 進行模擬真實世界案例的練習。
• 使用不同的工具和技術，透過 PySpark 進行大數據分析。

Stratio 是一個以數據為中心的平台，將大數據、AI 和治理整合到一個解決方案中。其 Rocket 和 Intelligence 模塊能夠在企業環境中快速探索、轉換和分析數據。

這項由講師主導的現場培訓（線上或線下）旨在幫助初級到中級水平的數據專業人員有效使用 Stratio 中的 Rocket 和 Intelligence 模塊，並專注於循環結構、自定義函數以及高級數據邏輯。

在本課程結束後，學員將能夠：

• 在 Stratio 平台中導航及使用 Rocket 和 Intelligence 模塊。
• 在數據採集、轉換和分析的情境下應用 PySpark。
• 使用循環和條件邏輯控制工作流程並執行特徵工程任務。
• 建立和管理自定義函數（UDF），用於在 PySpark 中重用數據操作。

課程形式

• 互動式講授和討論。
• 大量的練習和實踐機會。
• 在實時實驗室環境中的動手實施。

課程客製化選項

• 如需為該課程請求定制培訓，請聯繫我們進行安排。